就在剛剛，那個(gè)曾經(jīng)開(kāi)源了首個(gè) MoE 模型的歐洲初創(chuàng)公司 Mistral AI 在沉寂一段時(shí)間之后又出新活。

Mistral 團(tuán)隊(duì)發(fā)布了一個(gè)號(hào)稱“全世界最好的 OCR”的產(chǎn)品 —— Mistral OCR，旨在將一些 AI 難以直接識(shí)別的粗糙且復(fù)雜的文件進(jìn)行整理，便于 AI 操作識(shí)別。

帖子一經(jīng)發(fā)出，評(píng)論區(qū)瞬間充滿了各種夸夸言論，但在一眾贊美聲中，也不乏一些真正用過(guò)產(chǎn)品的網(wǎng)友的理智發(fā)言。

就比如有網(wǎng)友對(duì) Mistral OCR 的產(chǎn)品能力表示認(rèn)同，但卻有點(diǎn)接受不了它的產(chǎn)品定價(jià)，覺(jué)得有點(diǎn)太貴，并且期待中國(guó) AI 公司早點(diǎn)發(fā)布一個(gè)類似的開(kāi)源版本，把價(jià)格打下來(lái)。

同時(shí)也有網(wǎng)友親自上手，上傳掃描了手寫板的內(nèi)容，但最后識(shí)別出的文字結(jié)果正確率并不是很高。

除此之外，還有被 Mistral 所宣傳的“可以識(shí)別超多種語(yǔ)言”噱頭吸引過(guò)來(lái)的網(wǎng)友，但使用后卻失望的發(fā)現(xiàn)它無(wú)法識(shí)別自己所用語(yǔ)言。

盡管 Mistral OCR 目前還存在著一定的局限性，但它的出現(xiàn)確實(shí)是一次從字符識(shí)別到場(chǎng)景智能的跨越。

從圖文到結(jié)構(gòu)化數(shù)據(jù)的一大步

與傳統(tǒng)的 OCR API 不同，Mistral OCR 是一款多模態(tài) API，它不僅可以識(shí)別文本中是否嵌入了插圖或照片，還會(huì)為這些圖形元素創(chuàng)建邊界框，并將它們包含在輸出中。

從 Mistral AI 團(tuán)隊(duì)放出的 Demo 視頻可以看出，Mistral OCR 能夠?qū)D文混排的 PDF 文件轉(zhuǎn)換成結(jié)構(gòu)清晰的 Markdown 格式文件。

例如表格+數(shù)字的 PDF 組合。

PDF 圖片中數(shù)學(xué)公式的轉(zhuǎn)換。

PDF 宣傳圖片中的印地語(yǔ)。

拍得并不方正的論文照片。

甚至帶有水印的文字也可以輕松識(shí)別。

從字符識(shí)別到場(chǎng)景智能的一大步

除了直觀的 Demo 外，Mistral AI 團(tuán)隊(duì)還列舉了 6 點(diǎn) Mistral OCR 的絕對(duì)優(yōu)勢(shì)：

卓越的復(fù)雜文檔解析能力：Mistral OCR 在理解復(fù)雜文檔結(jié)構(gòu)方面表現(xiàn)出色，能夠精準(zhǔn)解析交錯(cuò)的圖像、數(shù)學(xué)公式、表格以及 LaTeX 等高級(jí)排版格式。這使其在處理包含圖表、圖形、公式和插圖的科學(xué)論文等富文本文檔時(shí)更具優(yōu)勢(shì)。

原生支持多語(yǔ)言與多模態(tài)：Mistral OCR 自帶多語(yǔ)言和多模態(tài)處理能力，能夠靈活應(yīng)對(duì)不同語(yǔ)言以及多種類型的內(nèi)容，無(wú)需額外適配。

行業(yè)領(lǐng)先的基準(zhǔn)測(cè)試表現(xiàn)：在多項(xiàng)行業(yè)基準(zhǔn)測(cè)試中，Mistral OCR 均取得優(yōu)異成績(jī)，充分展示了其強(qiáng)勁的性能和高準(zhǔn)確度。

同類產(chǎn)品中處理速度最快：Mistral OCR 采用輕量化架構(gòu)，處理速度遠(yuǎn)超同類產(chǎn)品，單節(jié)點(diǎn)每分鐘可解析高達(dá) 2000 頁(yè)文檔。無(wú)論在高負(fù)載環(huán)境還是大規(guī)模數(shù)據(jù)處理中，它都能保持高效運(yùn)行，確保穩(wěn)定性能。

創(chuàng)新性的“文檔即提示”結(jié)構(gòu)化輸出：Mistral OCR 率先引入“文檔即提示”概念，使用戶能夠直接使用文檔作為指令，以獲取更加精準(zhǔn)和定制化的結(jié)果。它還能輸出 JSON 等結(jié)構(gòu)化格式，便于與后續(xù)任務(wù)或自動(dòng)化流程銜接，實(shí)現(xiàn)更智能的內(nèi)容提取。

可選的自托管部署方案：針對(duì)數(shù)據(jù)隱私要求嚴(yán)格的企業(yè)或機(jī)構(gòu)，Mistral OCR 提供自托管部署選項(xiàng)，確保敏感信息始終存儲(chǔ)在本地基礎(chǔ)設(shè)施內(nèi)，滿足合規(guī)性與安全性需求。

團(tuán)隊(duì)還將 Mistral OCR 將 Google Document AI、Azure OCR、Gemini 系列模型以及 GPT-4o 的產(chǎn)品性能進(jìn)行對(duì)比。

最終的結(jié)果表明，Mistral OCR 在總體準(zhǔn)確率、數(shù)學(xué)公式識(shí)別等方面表現(xiàn)優(yōu)異，特別是在 2503 版本中，各項(xiàng)指標(biāo)均大幅提升，達(dá)到了新的高度。

在多語(yǔ)言處理方面，得出的數(shù)據(jù)更是遠(yuǎn)遠(yuǎn)優(yōu)于 Google Document AI 和 Azure OCR。

歐洲也有自己的“DeepSeek”

Mistral AI 是一家位于法國(guó)的初創(chuàng)公司，憑借其 AI 助手 Le Chat 和多個(gè)基礎(chǔ)模型，已被官方視為法國(guó)最具前途的科技公司之一，并被認(rèn)為是唯一有潛力與 OpenAI 競(jìng)爭(zhēng)的歐洲企業(yè)。

Mistral AI 的三位創(chuàng)始人都擁有在全球頂級(jí)科技公司中積累的豐富 AI 研究經(jīng)驗(yàn)。首席執(zhí)行官 Arthur Mensch 曾在谷歌 DeepMind 部門工作，首席技術(shù)官 Timothée Lacroix 和首席科學(xué)家 Guillaume Lample 則曾是 Meta 的核心成員。憑借著強(qiáng)大的技術(shù)背景，Mistral AI 的創(chuàng)始團(tuán)隊(duì)帶領(lǐng)公司迅速發(fā)展。

值得一提的是，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))得知自 2023 年成立以來(lái)，Mistral AI 在籌集資金方面取得了顯著成績(jī)，目標(biāo)是將前沿 AI 技術(shù)普及給每個(gè)人，雖然這一目標(biāo)并未直接挑戰(zhàn) OpenAI，但它強(qiáng)調(diào)了公司對(duì)于 AI 開(kāi)放性的堅(jiān)定支持。

作為 ChatGPT 的替代品，Mistral AI 推出了聊天助手 Le Chat，并在 iOS 和 Android 上成功上線。在發(fā)布后僅兩周，Le Chat 的下載量便突破了 100 萬(wàn)次，并一度在 iOS App Store 中登頂法國(guó)免費(fèi)下載榜單。

除此之外，截至 2025 年 2 月，Mistral AI 已籌集了約 10 億歐元（約 10.4 億美元）的資金，其中包括幾輪股權(quán)融資和部分債務(wù)融資。尤其值得注意的是，在 2023 年 6 月公司發(fā)布首批模型之前，Mistral AI 就成功完成了創(chuàng)紀(jì)錄的 1.12 億美元種子輪融資，成為歐洲歷史上最大的一輪種子融資，當(dāng)時(shí)公司估值達(dá) 2.6 億美元。

參考鏈接：

https://mistral.ai/fr/news/mistral-ocr

https://x.com/MistralAI/status/1897694143180112096

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。