Mistral OCR 4把文档识别卷疯了

AI 圈今天又被一个“看起来不大但很狠”的更新刷屏了：Mistral AI 发了 OCR 4，说白了就是让机器读 PDF、Word、PPT 的新一代识别模型。但重点不是“能读”，而是“读完之后开始理解结构”。

这波OCR 4不是简单的‘识别升级’，而是把文档理解从‘抄文字’推向‘拆结构’。对做知识库、做agent的人来说，后面数据入口会被重新洗一遍。

这次OCR 4到底在卷什么

它最“阴险”的地方在于，不只是把字识别出来，而是顺手把页面拆成结构块：哪里是标题、哪里是表格、哪里是公式、哪里是签名，全都分得明明白白。这一步对后面的搜索系统、AI agent 处理流程来说，等于直接把“前处理人工活”部分自动化了。

再加上置信度输出，其实已经在往“可控数据输入层”走了——你不再是盲用OCR，而是知道它“哪里不确定”。

如果只看数字，72% 的盲测偏好 + 170 种语言支持 + 每 1000 页 $4 的定价，很容易让人觉得它是“企业级文档入口工具”。但更关键的点其实是它开始做“结构化输出”——标题、表格、公式、签名都被拆开，还带置信度，这对做搜索、RAG、agent 工作流的人影响很直接。以后你喂进去的不再是“一坨文字”，而是带结构的页面块，等于前置清洗能力被模型接管了一部分。不过也别神化，盲测 72% 本质还是特定集合里的偏好胜率，真实业务里脏文档、复杂扫描件才是考验。

看完想聊两句？
你觉得下一步会不会轮到“所有OCR工具都被结构化模型替代”？