Mistral OCR 4 kembalikan struktur dokumen, bukan cuma teks

Mistral merilis OCR 4, dan bedanya dari versi lama ada pada apa yang ikut dikembalikan bersama teks. Rilis sebelumnya kebanyakan mengubah halaman jadi deretan karakter saja. OCR 4 memberi bounding box untuk posisi tiap elemen, label tipe untuk jenisnya (judul, tabel, persamaan, tanda tangan), dan skor confidence inline untuk setiap blok. Jadi yang kamu terima bukan transkrip datar, melainkan sesuatu yang bisa dipilah, disaring, dan diperiksa oleh pipeline di belakangnya.

Angka yang dilaporkan Mistral cukup kuat. Model ini memimpin OlmOCRBench di 85,20 dan OmniDocBench di 93,07, dan pada uji preferensi manusia secara buta, annotator independen memilih keluarannya dibanding pesaing utama sekitar 72 persen kasus. Cakupannya 170 bahasa yang dikelompokkan jadi sepuluh rumpun, dengan perhatian khusus pada aksara low-resource yang biasanya bikin sistem OCR lain berantakan. Harganya $4 per 1.000 halaman lewat API, $2 untuk mode batch, dan $5 untuk mode Document AI yang menghasilkan JSON terstruktur. Tersedia juga build self-hosted satu kontainer untuk tim yang tidak boleh mengirim dokumen ke layanan luar. Mistral terbuka bahwa benchmark-nya punya kesalahan ground-truth dan ketidakcocokan notasi, jadi skornya kadang justru lebih rendah dari performa sebenarnya.

Skor confidence adalah bagian yang paling layak diuji lebih dulu. Dengannya kamu bisa mengirim hanya blok yang ragu ke peninjau manusia, bukan memeriksa ulang semuanya. Itu yang membedakan demo dari alur kerja dokumen yang benar-benar produksi.

Kenapa ini penting

Kalau kamu membangun pipeline RAG atau agent yang membaca PDF, invoice, atau formulir, confidence per blok memungkinkan kamu menetapkan ambang dan hanya meninjau manual yang di bawahnya. OCR berubah dari langkah yang harus dipercaya buta jadi langkah yang bisa diaudit, jadi uji skor confidence-nya pada dokumen tersulit kamu sebelum dipasang.