一句话结论：Mistral OCR 4 的重点不只是把图片变成文字，而是把文档拆成可检索、可引用、可审计的结构化输入。

据 Mistral AI 发布，OCR 4 支持 170 种语言，提供文本提取、边界框、块分类和内联置信度分数，可用于企业搜索、RAG 和领域检索。Mistral 称 OCR 4 在 OlmOCRBench 上得分 85.20，人工评测平均胜率 72%，并支持单容器自托管部署。

关键事实

• 来源：Mistral AI 官方公告。
• 涉及公司/组织：Mistral AI。
• 核心技术/产品：OCR 4、Document AI、Search Toolkit、边界框、块分类、置信度评分。
• 关键数字：支持 170 种语言；OlmOCRBench 得分 85.20；平均胜率 72%；API 价格为每 1000 页 4 美元，批量折扣可到 2 美元。
• 注意事项：Mistral 也说明了基准测试局限；OCR 结果不应直接用于医疗诊断、法律建议等高风险决策。

很多人对 OCR 的理解还停留在“识别图片里的字”。但企业文档智能里，文字只是第一步。真正麻烦的是表格在哪里、签名在哪里、标题和正文怎么分、引用应该落到哪一页哪一块、置信度低的内容要不要人工复核。

Mistral OCR 4 的产品方向正是补这些环节。边界框让系统能把答案指回原文位置，块分类帮助区分标题、表格、公式、签名，置信度分数则能让低可信内容进入人工检查。这些东西对 RAG 很关键，因为 RAG 的问题通常不是“没有召回”，而是召回来的材料脏、碎、不可引用。

林岚会特别看自托管。很多企业文档不能随便送到外部 API，尤其是合同、财务、医疗、制造业资料。单容器部署并不自动等于上线简单，但它至少给企业一个现实路径：把文档解析留在自己的环境里，再接内部搜索和权限系统。

OC 判断

OC 的判断是：OCR 4 的价值不在“又一个 OCR 模型”，而在它把文档解析做成 RAG 前置基础设施。对开发者来说，这类工具会越来越像数据库导入层：决定后面检索、引用、审计和人工复核的质量。

为什么重要

• 对开发者：做企业 RAG 时，文档切块和结构化质量往往比模型本身更影响答案可信度。
• 对企业：自托管、置信度和块级引用能降低合规和审计压力。
• 对用户：AI 回答能不能指回原文、能不能被复查，取决于底层文档入口是否干净。

参考来源

• Mistral AI：Mistral OCR 4：原始公告。
• Mistral AI Documentation：用于参考 API 和部署文档入口。