歐洲AI明星公司Mistral AI 今日發(fā)布 Mistral OCR，一款號(hào)稱“世界最佳文檔理解 API”的全新產(chǎn)品。

Mistral OCR 是一款光學(xué)字符識(shí)別（OCR）API，但它遠(yuǎn)不止于簡(jiǎn)單的文字識(shí)別。與其他模型不同，Mistral OCR 能夠全面理解文檔的每一個(gè)元素，包括媒體、文本、表格、公式等，并展現(xiàn)出前所未有的準(zhǔn)確性和認(rèn)知能力。它支持圖像和 PDF 作為輸入，并能從中提取出有序的、交錯(cuò)的文本和圖像內(nèi)容。

這種強(qiáng)大的理解能力使得 Mistral OCR 成為與 RAG（檢索增強(qiáng)生成）系統(tǒng)結(jié)合使用的理想模型，尤其擅長(zhǎng)處理多模態(tài)文檔，例如幻燈片或復(fù)雜的 PDF 文件。

亮點(diǎn)

Mistral OCR 具備以下六大亮點(diǎn)功能：

1. 頂尖的復(fù)雜文檔理解能力： Mistral OCR 擅長(zhǎng)理解復(fù)雜的文檔元素，包括交錯(cuò)的圖像、數(shù)學(xué)表達(dá)式、表格以及 LaTeX 等高級(jí)排版格式。這使得模型能夠更深入地理解富文檔，例如包含圖表、圖形、公式和圖像的科學(xué)論文。

2. 原生多語(yǔ)言和多模態(tài)支持： Mistral OCR 天生具備多語(yǔ)言和多模態(tài)處理能力，能夠處理多種語(yǔ)言和不同類型的內(nèi)容。

3. 頂級(jí)的基準(zhǔn)測(cè)試表現(xiàn)： Mistral OCR 在多項(xiàng)基準(zhǔn)測(cè)試中都取得了領(lǐng)先地位，展現(xiàn)了其卓越的性能。

4. 同類產(chǎn)品中最快速度： Mistral OCR 的輕量化設(shè)計(jì)使其速度遠(yuǎn)超同類模型，單節(jié)點(diǎn)每分鐘可處理高達(dá) 2000 頁(yè)的文檔。快速的處理能力確保了即使在高吞吐量環(huán)境下也能持續(xù)學(xué)習(xí)和改進(jìn)。

5. “文檔即提示”的結(jié)構(gòu)化輸出： Mistral OCR 創(chuàng)新性地引入了“文檔即提示”的概念，用戶可以使用文檔作為提示，實(shí)現(xiàn)更強(qiáng)大、更精確的指令。它允許用戶從文檔中提取特定信息，并將其格式化為 JSON 等結(jié)構(gòu)化輸出。用戶可以將這些結(jié)構(gòu)化輸出串聯(lián)到下游函數(shù)調(diào)用和構(gòu)建代理中。

6. 選擇性提供自托管部署： 對(duì)于有嚴(yán)格數(shù)據(jù)隱私要求的組織，Mistral OCR 提供自托管選項(xiàng)。這確保了敏感或機(jī)密信息在您自身的基礎(chǔ)設(shè)施內(nèi)保持安全，符合監(jiān)管和安全標(biāo)準(zhǔn)。

Mistral OCR 與其他主流 OCR 產(chǎn)品的性能對(duì)比，包括 Google Document AI、Azure OCR、Gemini 系列模型以及 GPT-4o。在總體準(zhǔn)確率、數(shù)學(xué)公式識(shí)別、多語(yǔ)言處理等方面，Mistral OCR 均表現(xiàn)出色，尤其在 Mistral OCR 2503 版本中，各項(xiàng)指標(biāo)都達(dá)到了新的高度。

體驗(yàn) Mistral OCR

Mistral OCR 的功能可以在https://chat.mistral.ai/chat上免費(fèi)試用。想要體驗(yàn) API 的用戶，可以訪問(wèn)http://console.mistral.ai/