Французский разработчик Mistral AI выпустил новую модель OCR 4, предназначенную для высокоточного извлечения текста из файлов форматов PDF, Word и PowerPoint. Как сообщает The Decoder, решение позиционируется не просто как инструмент оцифровки, а как полноценная система семантического анализа структуры документа.

В отличие от классических систем оптического распознавания символов (Optical Character Recognition, или OCR), которые зачастую выдают «плоский» текстовый поток, OCR 4 умеет определять контекстную роль каждого элемента на странице. Модель классифицирует блоки данных, безошибочно отделяя заголовки и основной текст от таблиц, математических уравнений и даже рукописных подписей.

Подобная архитектура позволяет автоматически разбивать документы на логические сегменты, что критически важно для корректной работы поисковых систем и современных ИИ-агентов. Для каждой распознанной единицы текста модель рассчитывает коэффициент уверенности (confidence score), позволяя разработчикам гибко настраивать фильтрацию данных в случаях, когда качество исходного скана оставляет желать лучшего.

Возможности OCR 4 охватывают 170 языков, при этом Mistral AI делает особый акцент на качественной поддержке редких диалектов, которые традиционно являются слабым местом для большинства существующих библиотек. В ходе слепого тестирования на выборке из 600 документов независимые эксперты отдали предпочтение результатам OCR 4 в 72% случаев по сравнению с конкурирующими решениями.

Способность модели сегментировать блоки и сохранять структуру документа — это долгожданный шаг к автоматизации сложного документооборота, однако стоит помнить, что слепые тесты от самого разработчика всегда выглядят излишне оптимистично. Пока Mistral демонстрирует впечатляющее лидерство в тестах, реальная эксплуатация неизбежно столкнется с проблемой галлюцинаций в сложных таблицах и специфических шрифтах. Рынок получает мощный инструмент, но за точность в 72% все равно придется платить временем на верификацию результатов человеком.

С технической точки зрения доступ к модели уже открыт через API, а также интегрирован в платформы Mistral Studio и Microsoft Foundry. Стоимость использования составляет 4 доллара за 1000 страниц стандартной обработки или 2 доллара при использовании пакетного режима, что выглядит вполне конкурентоспособным предложением для корпоративного сектора.

Развитие подобных инструментов наглядно демонстрирует, как ИИ постепенно берет на себя рутинную работу по структурированию хаотичных массивов информации. Наблюдая за прогрессом Mistral AI, можно предположить, что в ближайшем будущем барьер между аналоговым документом и цифровой базой данных станет практически прозрачным, хотя вопрос абсолютной точности распознавания все еще остается открытым.