Mistral OCR 4 发布:企业文档 AI 的门槛降了

很多团队做企业知识库时，最先遇到的麻烦并不是大模型不会回答，而是文档进系统之前就已经乱了。

PDF 里有表格、合同签名、页眉页脚、扫描件、截图、公式、双栏排版。它们被粗糙地变成一段段文本以后，RAG 再强也只能在噪声里找答案。最后产品经理看到的是“回答不稳定”，工程师看到的是“召回不准”，业务看到的是“这东西还不能放心用”。

所以今天 AIHOT 里我更关注 Mistral OCR 4，而不是另一个更热闹的视频或音频模型。

它的价值不在于“又多了一个 OCR”，而在于它把企业文档进入 AI 系统前的输入层做得更完整了。

这次更新的关键点

Mistral 在 2026 年 6 月 23 日发布 OCR 4，官方定位是面向 Document Intelligence 的 OCR 模型。

这次更新有几个值得中文开发者和产品团队留意的点：

• 支持 170 种语言、10 个语系。
• 输出不只包含文本，还包含 bounding boxes、block classification 和 inline confidence scores。
• block classification 能识别标题、表格、方程式、签名等文档块。
• 支持单容器自托管，适合有数据驻留、合规和私有化要求的企业。
• 在 OlmOCRBench 上得分 85.20，官方称人工标注者平均偏好率 72%。
• API 定价是 每 1000 页 4 美元，Batch API 享 50% 折扣。

这里真正重要的是“结构”。过去很多 OCR 只给你一堆文本，接下来还要自己判断哪些是标题、哪些是表格、哪些是脚注、哪些内容可信度不够。OCR 4 把这些信息作为输出的一部分交出来，后续系统就能更容易做高亮、引用、审校和检索。

对 RAG 来说，这比单纯提升识别率更实际。因为企业用户不会只问“这页写了什么”，他们会问“这份合同第 3 条和附件表格有没有冲突”“这张发票里哪一项需要人工复核”“这份英文报告里的关键数据来自哪一页”。

没有位置、块类型和置信度，这些问题很难做得可靠。

现在很多知识库项目的失败，不是卡在模型能力，而是卡在入库质量。

如果一个 PDF 的表格被拆散，检索时就容易丢掉行列关系；如果签名页和正文混在一起，模型可能把流程性内容当成事实；如果置信度低的扫描件没有标记，系统就无法把风险交给人工复核。

OCR 4 的方向是让文档进入向量库之前，就保留更多上下文：

这会让企业搜索、RAG、审计、合同管理、保险理赔、金融档案、医疗文档等场景更容易产品化。

也就是说，OCR 4 解决的不是“能不能识字”，而是“文档能不能被系统可靠理解”。

我会用五个问题来判断它是否适合进入团队选型清单。

第一，文档类型是不是复杂。纯文本 PDF 没必要过度设计；表格、扫描件、合同、论文、票据、手写签名越多，结构化 OCR 的价值越高。

第二，输出是否需要可追溯。如果产品要展示答案来自哪一页、哪一块、哪一张表，bounding boxes 和 block classification 会明显降低后续开发成本。

第三，是否有合规要求。OCR 4 支持单容器自托管，这对金融、政企、医疗、法务类文档很关键。

第四，成本能不能算清。每 1000 页 4 美元的公开价格，让团队可以先按页数估算入库成本；Batch API 折扣适合历史档案批处理。

第五，人工复核怎么接入。confidence scores 的意义，是让系统知道哪些结果需要人看，而不是把所有 OCR 输出都当成确定事实。

如果你正在做 AI 知识库、文档问答、企业搜索或内部助手，Mistral OCR 4 值得被放进调研列表。

它提醒我们一件事：AI 产品的体验不只由大模型决定。真正影响可靠性的，常常是数据进入模型之前的那一步。

一个能保留版面、结构、位置和置信度的 OCR，会让后面的检索、引用、审计和复核流程更清楚。对开发团队来说，这是更少的清洗脚本；对产品团队来说，这是更容易解释的结果；对企业客户来说，这是更可控的风险。

当然，它也不是所有项目的默认答案。如果你的文档简单、页数很少、没有合规要求，用现有 OCR 或云厂商文档服务可能已经足够。真正适合关注 OCR 4 的，是那些“文档复杂、问答要可追溯、部署环境受限制”的团队。

这也是今天这个选题最有价值的地方：它不只是一个模型发布，而是把企业 AI 系统里经常被忽视的输入层，重新放到了台前。

[1] Mistral OCR 4: SOTA OCR for Document Intelligence: https://mistral.ai/news/ocr-4