|
法国人工智能公司Mistral AI于2025年3月6日正式发布了其最新的光学字符识别（OCR）模型——Mistral OCR API。这一模型在光学字符识别领域取得了重大突破，能够高效处理PDF、幻灯片、数学表达式和LaTeX学术文档等多种复杂格式的文本提取任务，并以清晰的Markdown文件形式呈现识别结果。
Mistral OCR API以其卓越的多模态文档处理能力而闻名，能够解析、理解和转录数千种字体、脚本和语言，甚至在识别性能上超越了谷歌文档AI、微软Azure OCR和OpenAI GPT-4等竞争对手。此外，该模型在基准测试中表现优异，综合得分高达94.89，远超其他OCR模型，尤其在数学、多语言、扫描文档和表格等细分领域表现突出。 Mistral OCR API不仅限于文件识别，还被选为Mistral AI的Le Chat聊天机器人的默认文档理解模型，显著提升了聊天机器人的智能化水平。同时，该技术已被应用于历史文化遗产保护等领域，帮助研究人员高效准确地提取历史文献信息。 尽管Mistral OCR API在技术上取得了显著突破，但在实际商业文档测试中仍存在一些局限性，例如在处理财务和法律文档时可能会遇到问题。因此，Mistral AI表示需要进一步改进以解决这些问题。 Mistral OCR API的推出标志着OCR技术在多模态文档处理领域的重大进步，为相关行业的发展带来了新的可能性。其定价为每千页1美元，单节点每分钟可处理2000页，展现了其高效性和经济性。 |
