Mistral OCR 4.1：段落级定位与结构标签
Mistral AI 推出了最新的 OCR 4.1 服务，作为其 Document AI 栈的核心动力。这次更新带来了原生段落级边界框提取功能，能够精准定位文本位置。同时，模型支持结构块标签和块级置信度评分，让文档解析更加智能和可靠。无论是处理复杂排版还是批量文档，OCR 4.1 都提供了更细粒度的控制能力，为开发者构建高效文档处理应用提供了强有力的支持。
我们最新的 OCR 服务为 Document AI 栈提供动力，支持原生段落级边界框提取、结构块标签以及块级置信度评分。
HN 评论区
160- ComputerPerson
我手头有一份用新版本 OCR 处理的书籍扫描图，里面包含连字、关键符号、哥特体字形、下标、上标等等。
对于像我这样需要极高精度的工作，这个模型并没有什么特别之处。
我上次测试（并取消订阅）已经有一段时间了，但 OpenAI 的“专业版”模型依然占据主导地位。考虑到价格差异，这并不令人意外，但如果有一个专门针对 OCR 的模型表现能更好些就好了。值得一提的是，即便是最高端的模型，处理像我这样复杂的文本时，效果也相当糟糕。
- king_crimson
VLM（视觉语言模型）现在在复杂文档理解方面已经非常出色了。但你就是无法信任它们，即使在最宽松的设置下，它们仍可能隐形地审查敏感的医疗或法律文档。
而纯深度学习的 OCR 模型虽然不会审查，却会产生幻觉。我还没见过一套能针对通用复杂文档，通过“用不同方法扫描、对比结果，并在结果不一致时明确表示不确定”的系统真正奏效。
- waldrews
到了这个地步，我对欧洲在 AI 竞赛中发挥任何重要作用已经不抱任何希望了。这究竟是好事还是坏事，我不知道，但这似乎就是现实。
- merb
1000 页只要 3.5 欧元？这价格贵得离谱。
如果它不是比 Tesseract 之类的工具快得多、强得多，那就根本不值这个价。
- piterrro
对感兴趣的朋友，我有一套运行在租用 GPU 上的 OCR 流水线，处理约 1000 页的成本仅为 0.05 到 0.1 美元，每页耗时约 0.8 秒，并支持完整的边界框以用于定位（grounding）。
如果你感兴趣，可以通过这个主页联系我。
1000 页 3.5 美元的价格实在太贵了……