摘要：Mistral近日发布了其光学字符识别（optical character recognition，OCR）图片来源：Mistral博客 从技术角度看，Mistral OCR 3不仅能够提取文本，还能识别并保留嵌入的图像，同时完整保留原始文档的结构信息。nbsp;原文链接：Mistral Releases OCR 3 With Improved Accuracy on Handwritten and Structured Documents"

Mistral近日发布了其光学字符识别（optical character recognition，OCR）模型的最新版本，Mistral OCR 3"，该版本专注于在多种文档类型上实现更高的精度，包括手写笔记、表单、低质量扫描件以及结构复杂的表格。

据Mistral表示，OCR 3相较于前一代产品是一次重大的飞跃。在基于真实客户文档工作流的内部评估中，新模型在整体表现上以74%的胜率超越了Mistral OCR 2，尤其在表单、手写内容和含大量表格的文档上优势更为显著。这些基准测试采用模糊匹配（fuzzy-match）指标与人工标注的真实结果进行比对，旨在反映实际业务场景，而非理想化的合成数据。

图片来源：Mistral博客

从技术角度看，Mistral OCR 3不仅能够提取文本，还能识别并保留嵌入的图像，同时完整保留原始文档的结构信息。它的输出格式为Markdown，其中表格通过HTML标签（如rowspan和colspan）重建，使下游系统不仅能获取纯文本，还能保留布局语义。这一特性使其非常适合需要结构化JSON、可搜索档案的管道，或集成到智能体（agentic）和检索增强系统（RAG）中。

在以往通常依赖人工复核的场景中，该模型也展现出显著的进步。它能够高效处理手写内容，包括连笔的笔记和批注。在表单解析方面，对标签、复选框及混合输入项的识别更加准确。此外，OCR 3对扫描档案中常见的倾斜、压缩伪影、低分辨率以及背景噪点等问题具备更强的健壮性。

早期用户特别强调了其性能提升和多语言方面的支持能力。ICT安全负责人兼AI安全专家Patrick Jacobs评论"说：

在速度方面，真的令人印象深刻，而且它处理荷兰语毫无压力。

得益于准确率的大幅提升，Mistral OCR 3的生产部署正在快速扩展。Techseria创始人兼首席顾问Niraj Bhatt分享了"其实际应用的变化：

我们一直在生产环境中使用Mistral OCR处理销售和采购发票，实现ERP系统的零人工数据录入。现在v3在表单和手写内容上准确率提升了74%，终于让我们能够将覆盖范围扩展到送货单、水电账单以及过去只能靠人工处理的遗留档案。

在定价方面，Mistral OCR 3的标准费率为每1000页2美元；若使用Batch API，成本可降至每1000页1美元，使其成为许多企业级OCR系统的高性价比替代方案。开发者可通过API直接集成模型（标识符为mistral-ocr-2512），非技术用户则可通过拖放式的Document AI Playground界面轻松使用。

对于具有严格数据治理要求的组织，Mistral提供了私有化的部署选项，确保OCR工作负载完全运行在客户可控的基础设施内。

如今，Mistral OCR 3已经可以使用了，并完全向后兼容OCR 2。

原文链接：

Mistral Releases OCR 3 With Improved Accuracy on Handwritten and Structured Documents"