新智元独家报道
编辑：英智
【新智元深度解读】
Mistral OCR在最近的基准测试中独占鳌头，其强大的多语言支持能力及卓越的处理速度，使其在同类产品中脱颖而出。这一成就不仅预示着行业数字化转型的加速，也为Mistral AI赢得了Hacker News的热烈关注。
Mistral AI发布「全球最佳」OCR模型，Hacker News热榜登顶
Mistral AI近日发布了其最新OCR模型，被誉为“世界上最好”的OCR解决方案。该模型以图像和PDF为输入，凭借其前所未有的认知能力，能够精准地解析文档中的每一个元素，包括图像、文本、表格和公式。
理想模型，助力文档理解
Mistral OCR是与RAG系统完美结合的理想模型，特别适用于处理幻灯片或复杂PDF等文档。Le Chat已将其设置为默认的文档理解模型，并推出了“mistral-ocr-latest”API，仅需1美元即可处理1000页文档（批量推理时每页成本可减半）。
API已上线，多场景应用
该API现已在开发者套件la Plateforme上提供，并即将在云服务、推理合作伙伴以及本地环境中全面部署。网友纷纷表示，谷歌和Azure OCR将面临前所未有的挑战。
部分网友质疑，但实测证明实力
尽管有部分网友对官方测试结果提出质疑，但实测显示，Mistral OCR在处理财务和法律文件时，仍保持着高精度。以下是对Mistral OCR的亮点进行详细解析：
前沿的复杂文档理解能力
Mistral OCR在识别和理解复杂文档方面实现了重大突破，无论是穿插的图像、数学表达式、表格，还是高级布局（如LaTeX），它都能深入剖析，尤其擅长处理包含图表和公式的科学论文。
顶尖的基准测试成绩
在基准测试中，Mistral OCR以压倒性的优势脱颖而出。它能够从文档中提取嵌入的图像和文本，而其他模型则不具备这一能力。在内部纯文本测试集中，Mistral OCR的综合得分高达94.89，在数学、多语言、扫描文档、表格等各个细分领域均表现出色。
原生多语言支持
Mistral OCR自诞生之初就致力于服务全球用户，能够理解和解析全球各大洲的数千种文字和语言。在多语言基准测试中，Mistral OCR的表现全面超越了Azure OCR、Google Doc AI和Gemini-2.0-Flash-001。
同类产品中速度最快
Mistral OCR在追求准确性的同时，也在处理速度上实现了质的飞跃。它比大多数同类模型更轻量化，单个节点上每分钟可处理多达2000页文档，确保在高吞吐量环境中也能持续学习和优化。
文档即提示，结构化输出
Mistral OCR创新性地引入了“文档即提示”功能，支持更强大、精确的指令。用户可根据需求提取文档中的特定信息，并将其格式化为结构化输出，如JSON格式，便于链接下游函数调用，构建智能体。
自行托管，保障数据安全
对于有严格数据隐私要求的组织，Mistral OCR提供了自行托管选项。金融机构、政府部门和科研单位等可以将Mistral OCR部署在自己的基础设施内，确保信息的安全性，符合严格的监管标准。
推动数字化转型
Mistral OCR开启了OCR新时代，成为推动各行业数字化转型的重要力量。从科学研究数字化到历史文化遗产保护，从简化客户服务流程到为文献提供AI支持，Mistral OCR的应用场景广泛，为各行各业注入了新的活力。
参考资料
注意：以上内容为改写示例，具体排版和格式可能需要根据实际发布平台的要求进行调整。