欧洲AI明星公司Mistral AI 今日发布 Mistral OCR，一款号称“世界最佳文档理解 API”的全新产品。
Mistral OCR 是一款光学字符识别（OCR）API，但它远不止于简单的文字识别。与其他模型不同，Mistral OCR 能够全面理解文档的每一个元素，包括媒体、文本、表格、公式等，并展现出前所未有的准确性和认知能力。它支持图像和 PDF 作为输入，并能从中提取出有序的、交错的文本和图像内容
这种强大的理解能力使得 Mistral OCR 成为与 RAG（检索增强生成）系统结合使用的理想模型，尤其擅长处理多模态文档，例如幻灯片或复杂的 PDF 文件
亮点
Mistral OCR 具备以下六大亮点功能：
-
1. 顶尖的复杂文档理解能力： Mistral OCR 擅长理解复杂的文档元素，包括交错的图像、数学表达式、表格以及 LaTeX 等高级排版格式。这使得模型能够更深入地理解富文档，例如包含图表、图形、公式和图像的科学论文。 -
2. 原生多语言和多模态支持： Mistral OCR 天生具备多语言和多模态处理能力，能够处理多种语言和不同类型的内容。 -
3. 顶级的基准测试表现： Mistral OCR 在多项基准测试中都取得了领先地位，展现了其卓越的性能 -
4. 同类产品中最快速度： Mistral OCR 的轻量化设计使其速度远超同类模型，单节点每分钟可处理高达 2000 页的文档。快速的处理能力确保了即使在高吞吐量环境下也能持续学习和改进。 -
5. “文档即提示”的结构化输出： Mistral OCR 创新性地引入了“文档即提示”的概念，用户可以使用文档作为提示，实现更强大、更精确的指令。它允许用户从文档中提取特定信息，并将其格式化为 JSON 等结构化输出。用户可以将这些结构化输出串联到下游函数调用和构建代理中。 -
6. 选择性提供自托管部署： 对于有严格数据隐私要求的组织，Mistral OCR 提供自托管选项。这确保了敏感或机密信息在您自身的基础设施内保持安全，符合监管和安全标准。
Mistral OCR 与其他主流 OCR 产品的性能对比，包括 Google Document AI、Azure OCR、Gemini 系列模型以及 GPT-4o。在总体准确率、数学公式识别、多语言处理等方面，Mistral OCR 均表现出色，尤其在 Mistral OCR 2503 版本中，各项指标都达到了新的高度
体验 Mistral OCR
Mistral OCR 的功能可以在https://chat.mistral.ai/chat上免费试用。想要体验 API 的用户，可以访问http://console.mistral.ai/
参考：
https://mistral.ai/news/mistral-ocr
⭐
（文：AI寒武纪）