Mistral OCR 4.1 リリース – 価格、機能、およびコミュニティの反応

TL;DR

Mistral AIは2026年7月16日にOCR 4.1を発表しました。これはパッセージレベルのバウンディングボックス抽出、構造ブロックラベル、および信頼スコアを追加したパブリックプレビューのOCRサービスであり、価格は1,000ページあたり3.5ユーロ（または注釈付きの1,000ページあたり4.38ユーロ）です。この発表はHacker Newsで活発な議論を呼び、モデルのスピードの利点、コストに関する懸念、および既存のOCRソリューションとの比較性能が浮き彫りになりました。

OCR 4.1 が提供するもの

主な機能

パッセージレベルのバウンディングボックス – APIは各段落の座標を返し、ダウンストリームのレイアウト分析を可能にします。
構造ブロックラベル – 検出されたブロックは、カスタムプロンプトを必要とせずに分類されます（例：ヘッダー、テーブル、図）。
ブロックレベルの信頼スコア – 抽出された各要素には、品質管理のための信頼性指標が含まれます。
バッチ処理エンドポイント – /v1/batch によりドキュメントの一括送信が可能で、コミュニティメンバーが指摘しているように、バッチモードの価格設定では50%の割引が適用されます。

価格

生のOCR出力：3.5ユーロ / 1,000ページ
注釈付き出力：4.38ユーロ / 1,000ページ（構造ラベルと信頼スコアを含む）

アクセス

Mistral Studio OCR プレイグラウンドで試用可能: https://console.mistral.ai/build/document-ai/ocr-playground
APIドキュメント: https://docs.mistral.ai/api

スピードとコストに関するコミュニティの評価

"正確性についてはコメントしませんが、内部ベンチマークでは、Mistral OCRは同等のAPIよりも大幅に高速です。" – ianhawes (HNコメント)

"興味がある方のために言っておくと、私はレンタルGPU上でOCRパイプラインを動かしており、1ページあたり約0.8秒、フルバウンディングボックス対応で、1,000ページを0.05〜0.10米ドルで処理しています。3.5米ドル/1,000ページは高すぎます..." – piterrro (HNコメント)

コンセンサスとしては、スピードは強力な強みであり、複数のユーザーが1ページあたり1秒未満のレイテンシを報告しています。しかし、価格は大きな問題点です。1,000ページあたり3.5ユーロという価格は、コミュニティメンバーが共有しているDIY GPUパイプラインよりも約70倍高価です。

正確性とユースケースへの適合性

"合字、フラクトゥール（亀甲文字）、下付き文字などを含む本のスキャンデータがあります。OpenAIの'pro'モデルが圧倒的です。最高級のモデルでさえ、私のもののような複雑なテキストに対してはかなりひどい出来です。" – ComputerPerson

"Mistralは手書きOCRにおいて非常に優れており、新しいモデルは言語を問わずさらに向上することが期待されます。" – Utkarsh736

"Bleak Houseの章のヘッダー、タイトル、参考文献を一貫して抽出・タグ付けできましたが、右余白の行番号には苦戦しました（5つ中3つが正解）。プロンプトは不要で、PDFをアップロードするだけです。" – fumeux_fume

これらのコメントは、OCR 4.1は標準的な印刷テキストや単純なレイアウトにはうまく機能するものの、複雑なタイポグラフィ、歴史的なフォント、および余白の注釈には苦戦することを示唆しています。手書きテキストは有望そうですが、具体的なベンチマークは不足しています。

機能のギャップと比較リクエスト

コミュニティメンバーは具体的な比較を求めています：

Baidu Unlimited OCRとの比較 – Johnny_Bonk がパフォーマンスとコストについて疑問を呈しています。
Tesseract/OcrMyPDFとの比較 – felooboolooomba がベンチマーク数値を要求しています。
非ラテン文字 – einpoklum が、中国語、アラビア語、デーヴァナーガリーなどがどのように処理されるかを尋ねています。
レイアウトが豊富なドキュメント（図、表） – ks2048 が、バウンディングボックスデータを含む入出力ペアを示すデモサイトを求めています。

発表では公式のベンチマークデータや公開デモURLは提供されず、これらの質問は未回答のままとなっています。

価格動向と市場ポジショニング

"Mistralはリリースごとにこの製品の価格を吊り上げています。今は2倍になっている気がします。" – parhamn

"もしこれがTesseractのようなものより圧倒的に速くないのであれば、価値はありません。" – merb

コミュニティはリリースごとに価格が上昇していると感じており、オープンソースの代替案に対するモデルの価値提案に懸念を抱いています。一部のユーザーは、スピードとAPIの利便性が、高スループットの商用パイプラインにとってはコストを正当化する可能性があると主張していますが、他のユーザーは小規模なプロジェクトにとっては手が出せないものだと見ています。

地理的および言語的な考慮事項

"このモデルがフランス語（およびその他のヨーロッパ言語）のドキュメントにおいて、他のモデルよりも優れた性能を発揮するのか気になっています。" – oliveralbertini

"現時点では、AI競争においてヨーロッパが重要な役割を果たすという希望をすべて失いました。" – king_crimson

これらの発言は、多言語パフォーマンスに関する不確実性と、AI OCR技術におけるヨーロッパの競争力に対する広範な懐疑心を浮き彫りにしています。

まとめ（Takeaways）

OCR 4.1はパッセージレベルの幾何学的情報と構造ラベルを追加し、レイアウトの認識を必要とするドキュメントAIワークフローをターゲットにしています。
スピードは初期導入者から高く評価されており、1ページあたり1秒未満のレイテンシが報告されています。
コストが懸念事項となっています。1,000ページあたり3.5ユーロは、DIY GPUパイプラインよりもかなり高く、導入を制限する可能性があります。
正確性は標準的な印刷テキストに対しては堅実ですが、複雑なタイポグラフィ、余白の注釈、および特殊なスクリプトには及びません。
ベンチマークと比較データの要求がコミュニティから続いており、OCR 4.1がTesseract、Baidu OCR、OpenAIのVisionモデルなどの確立されたソリューションに対してどのような立ち位置にあるのか、多くの疑問が残っています。

すべての記述は、上記のMistral OCR 4.1のドキュメントおよびHacker Newsのディスカッションスレッドから直接引用されています。