APIRank
EN 中文

Mistral OCR 4 API 测评 2026：每 1000 页 $4 的文档智能

Mistral OCR 4 于 2026 年 8 月初发布，是 Mistral 文档智能系列的最新款——它刻意突破了"只读取文字"的传统 OCR。该模型（ID mistral-ocr-4-0）在提取文本的同时返回边界框、块类型分类（标题、表格、公式、签名、列表）以及逐块置信度分数，支持 10 个语系的 170 种语言，并可单容器自托管部署。定价为 API 每 1000 页 $4，批量 API 享 50% 折扣后每 1000 页 $2。

在盲测人工偏好评估中，独立标注者偏向 OCR 4，超过所有被测的领先 OCR 与文档 AI 系统，平均胜率 72%，并在公开 OlmOCRBench 上取得最高总分（85.20）。"分割式输出 + 按页定价 + 自托管"的组合，使 OCR 4 成为企业搜索、检索增强生成（RAG）与智能体摄取管线的有力候选。本 APIRank 测评核实事实、拆解真实单页成本，并与主流文档 AI 方案对比。

📰 Mistral OCR 4 到底是什么（2026-08-03 核实）

Mistral 将 OCR 4 定位为文档智能，而非文本提取。官方公告的核心特性：

  • 分割而非纯文本。 每个返回块都带边界框（坐标）、类型分类（标题、副标题、文本、图像、表格、公式、签名、思考）以及逐块置信度分数。下游步骤可以推理某个表格单元格或签名区域，而无需重新解析扁平文本。
  • 10 个语系、170 种语言。 适合多语言扫描发票、法律文件、合同与档案数字化。
  • 单容器自托管。 整个模型以一个容器交付用于本地部署，面向文档不得离场的合规行业。
  • 与 Mistral Search Toolkit 集成（公开预览）。OCR 4 作为摄取组件，把结构化的、可溯源输出的结果喂给 Mistral 发布的开源搜索框架。

Mistral 引用的客户——金融 AI 公司 Rogo——点明了经济性：在一个图表与图形密集的金融 QA 数据集上，团队以约 1/8 的成本和 1/17 的延迟达到了与现有智能体文档解析器相当的准确率。

💰 定价（官方公告核实）

Mistral 对 OCR 4 按页而非按 token 定价——这对文档负载是更清晰的计算方式。以下均来自官方 OCR 4 发布说明。

产品价格计费方式备注
API（mistral-ocr-4-0）$4 / 1000 页按页标准同步 OCR 端点
批量 API$2 / 1000 页按页异步高吞吐任务享 50% 折扣
Document AI$5 / 1000 页按页Mistral Studio 内的托管无代码产品
自托管Mistral 授权按部署单容器本地部署
Large / Small（文本 LLM）每百万 $2–$3 in / $6 out按 token同一 La Plateforme API，供对照

规模化之后的账。 每月摄取 1 万页的团队，通过同步 API 只需约 $40，走批量 API 则是 $20——而同样的量如果走按 token 计费的前沿视觉模型，可能高达数千美元，因为每一页都会消耗几十万图像 token。每月 10 万页时，批量价低至 $200。这就是按页模型的核心理由：可预测、线性，便宜到可以无预算争议地扫描整个历史档案库。

🔧 结构化输出：真正的差异化

让 OCR 4 超越"带文字的扫描仪"的，是它每块返回的结构化元数据。传统 OCR API 给你一串单词和粗略坐标，而 OCR 4 给你：

  • 边界框，覆盖每个检测到的区域，保留版式以支持下游重排或脱敏流程。
  • 块类型分类——标题、副标题、文本、图像、表格、公式、签名、"思考"块——让表格单元格路由到表格解析器、签名区域路由到 KYC 检查，无需启发式规则。
  • 逐块置信度分数，驱动可溯源引用、脱敏与人工复核。

对检索管线团队而言，这区别在于"找到了表格附近的文本"还是"知道这是置信度 0.98 的签名块"。这与现代视觉 OpenAI 兼容 API 中涌现的结构化输出是同一思路。

🧠 基准：OCR 4 胜在哪里

Mistral 引用了三类基准，均来自官方发布说明：

  • 人工偏好评估： 独立标注者偏向 OCR 4，超过所有被测的领先 OCR 与文档 AI 系统，平均 72% 胜率。
  • OlmOCRBench： 被测系统中最高总分 85.20。
  • OmniDocBench： 93.07；内部 Crawl Multilingual 评估 .98，领先于 AI 原生与企业级方案。

Mistral 自己也提醒：OlmOCRBench 与 OmniDocBench 等自动化基准存在已知评分局限（标注与格式噪声），因此人工偏好结果才是头条。请把原始数字当作方向性参考而非绝对结论。

💼 最适合 OCR 4 的使用场景

按页定价与结构化输出指向特定负载，这些场景中 OCR 4 优于通用 OCR 与 chat-vision：

  • 企业 RAG 与知识库。 摄取 PDF、扫描合同与幻灯片，保留版式与置信度元数据，把干净分块喂给向量索引用于检索增强生成。类型化块让你按真实语义分块——一页变为一组带坐标与分数的标题、段落、表格与公式块。
  • KYC、合规与合同审查。 签名块与置信度分数是自动签名检测、文档脱敏与人工复核的原料，可大幅削减开户与电子证据发现的人工分诊负担。
  • 保险理赔与医疗。 结构化提取表单、病历与保单，自托管容器让受保护数据留在机构内部。
  • 图书馆与档案数字化。 170 种语言覆盖与单容器部署适合需要批量、本地处理的档案馆、报纸与多语言文化遗产馆藏。
  • 财务报表。 图表与表格密集的申报文件正是 Mistral 客户报告 8 倍成本差与 17 倍延迟差的场景。

如果负载主要是"读一张图并告诉我内容"，请继续使用 chat-vision 模型——OCR 4 是文档管线工具，不是通用图像问答端点。

🆚 Mistral OCR 4 与主流文档 AI 对比

与团队现用的文档抽取方案相比，OCR 4 处于什么位置？

维度Mistral OCR 4云文档 AI（Azure/Google/AWS）前沿对话视觉（GPT-4o 级）
输出文本 + 边界框 + 块类型 + 置信度文本 + 部分版式，各家 schema 不同自由文本，临时标记
定价模型按页（$4/千，批量 $2）每千页 / 每次调用，分档按 token（图像 token 数巨大）
自托管单容器——内建基本仅托管不可（专有 API）
语言10 语系 170 种因厂商而异，主流文字较强广但 token 成本高
欧盟驻留欧盟数据中心（原生）依区域而定依区域而定

OCR 4 最明显的优势是：(1) 可预测的按页定价且对量有真实折扣；(2) 一流的自托管能力。如果你已在 OpenAI 兼容技术栈上做对话，请注意 OCR 4 是专用 OCR 模型而非 chat-completions 模型——文档任务请预留单独的端点调用。

🛠️ 快速上手（Python SDK）

调用 OCR 4 只需一次请求，走标准 Mistral Python SDK。最小示例：

from mistralai import Mistral
client = Mistral(api_key="你的_MISTRAL_KEY")

# 指向一个 PDF 或图像，页面返回为文本 + 元数据
resp = client.ocr.process(
    model="mistral-ocr-4-0",
    document={"type": "document_url", "document_url": "https://example.com/contract.pdf"},
)
for page in resp.pages:
    print(page.index, page.markdown[:120])   # 抽取文本
    for block in page.blocks:
        print(block['type'], block.get('confidence'))  # 块类型 + 分数

高吞吐任务优先走批量 API：一次提交文档清单、轮询结果，并享受每 1000 页 $2 而不是 $4 的价格。批量路径也适合对延迟不敏感的回填——年报扫描、档案数字化、发票重处理——这类任务要的是吞吐与成本而非单次延迟。关于 Mistral 更广的模型线，可看我们此前的 Mistral AI API 测评。

🔐 安全与数据隐私

数据驻留是 OCR 4 与按 token 计费的前沿视觉 API 拉开差距的地方。因为 Mistral 从欧盟数据中心运行，经托管 API 处理的文档默认处于欧盟数据保护规则之下；而且因为模型以单容器交付，合规行业的团队可以整条管线都跑在本地或自有 VPC 内——文档永不离开网络。逐块置信度分数还支持策略化脱敏：低置信度的 PII 或签名区域可在人工复核前被自动标记，符合金融、法律与医疗审计要求。如果你已在用 托管的文档 AI，投入前请对比双方的驻留承诺。

⚠️ 已知局限

  • 无中国大陆端点。 Mistral 从欧盟数据中心提供服务，无大陆直连与官方访问计划；跨境生产需要代理或聚合器，或国内 OCR 备用方案。
  • 按页定价而非按模型组合。 预算清晰，但没有逐 token 粒度，极短的单行扫描也按整页计费。
  • 基准保留。 OlmOCRBench 与 OmniDocBench 存在已知打分噪声；投入前请在你的文档样本上自行验证。
  • 专用 OCR 端点。 它不是通用对话视觉模型——重点是结构化文档解析，而非开放式图像问答。

🎯 结论

Mistral OCR 4 是结构化、高吞吐文档智能的强有力选择——尤其是当你需要欧盟驻留或自托管时。每 1000 页 $4（批量 $2）的定价有竞争力且可预测，结构化输出（边界框、块类型、置信度）对 RAG 与 KYC 管线确实有用，单容器部署选项在该类别中少见。但一次性开放式图像问答不太适合它（请用对话视觉模型），且中国大陆直连需要代理。如果你的负载是合规要求下的多语言规模化扫描，OCR 4 值得认真试点。

FAQ

什么是 Mistral OCR 4？

Mistral OCR 4 是 Mistral 于 2026 年 8 月在 La Plateforme API 上发布的文档智能 OCR 模型（ID mistral-ocr-4-0）。与普通文本 OCR 不同，它返回边界框、块类型分类与逐元素置信度分数，并支持单容器自托管部署。

Mistral OCR 4 如何计费？

API 每 1000 页 $4，批量 API 享 50% 折扣后每 1000 页 $2（异步高吞吐任务）。托管 Document AI 产品每 1000 页 $5。自托管使用 Mistral 授权。

Mistral OCR 4 支持多少种语言？

支持 10 个语系的 170 种语言，适合多语言扫描发票、法律文件、合同与档案数字化。

Mistral OCR 4 在基准测试中表现如何？

盲测人工偏好评估偏向 OCR 4，超过所有被测领先方案，平均胜率 72%。它在 OlmOCRBench 上得分 85.20，在 OmniDocBench 上得分 93.07，在内部 Crawl Multilingual 上得分 .98。

Mistral OCR 4 可以自托管吗？

可以。OCR 4 在单个容器中运行以实现完全自托管，适合需要文档留在本地的合规行业（法律、医疗、政府、金融）或数据驻留要求。

中国大陆能直接使用 Mistral OCR 4 吗？

Mistral 从欧盟数据中心提供服务，无大陆端点或官方访问计划。请使用稳定的海外代理或聚合器；高吞吐扫描可选用国内 OCR 端点作为延迟安全的备用方案。

相关阅读

来源：Mistral OCR 4 官方公告、Mistral 文档。定价与基准数据已于 2026-08-09 核实。