Mistral OCR 4: אינטליגנציית מסמכים ברמת SOTA ב-170 שפות — בתוך container אחד

חברת Mistral מכוונת עם OCR 4 לשכבת מודיעין המסמכים הלא-זוהרת אך בעלת הערך הגבוה שמזינה את ה-pipelines של AI ארגוני. המודל מייצר פלט מובנה — bounding boxes, סיווג בלוקים, וציוני confidence inline לכל אלמנט שחולץ — במקום טקסט שטוח, מה שהופך אותו לשמיש ישירות כרכיב הקליטה ל-enterprise search, RAG ו-retrieval ייעודי לתחום. הוא תומך ב-170 שפות וארוז לרוץ בקונטיינר יחיד, מחווה מכוונת לפריסות self-hosted ומפוקחות שבהן הנתונים לא יכולים לעזוב את הפרימטר.

Mistral טוענת לביצועים פורצי דרך, כשבדיקות עצמאיות מראות ש-OCR 4 עוקף מערכות OCR מובילות. המנכ"ל ארתור מנש הגביר את ההשקה, והחברה חגגה במקביל מעבר ל-1,000 עובדים ברחבי העולם — מה שמסמן את ההמשך של Mistral בהתרחבות כשחקנית אירופית מובילה במודלים וכלים.

תחרותית, OCR 4 ניצב מול שירותי OCR בענן (Google Document AI, AWS Textract, Azure Document Intelligence) ומודלי מסמכים פתוחים כמו PP-OCRv6 של PaddleOCR, אבל המסר של Mistral הוא דיוק בתוספת יכולת פריסה: קונטיינר יחיד self-hostable עם פלט מובנה ומדורג-confidence. המיצוב הזה חשוב לבונים של RAG שצריכים parsing אמין של PDFs מבולגנים, טפסים וסריקות לפני ה-retrieval.

מה לעקוב אחריו: העניין בקרב מפתחים היה אמיתי — thread ב-HN על Mistral OCR 4 צבר 435 נקודות ו-113 תגובות כשמתרגלים בחנו את מודל המסמכים מול הוותיקים. השאלות שמתרגלים שואלים הן throughput, עלות לעמוד במצב self-hosted, וכיצד ציוני ה-confidence מחזיקים על מסמכים רועשים מהעולם האמיתי לעומת סטים של benchmark. ככל שארגונים מתקננים על stacks של agentic ו-RAG, שכבת הקליטה הופכת יותר ויותר לזירת קרב תחרותית ולא לסחורה.