Mistral OCR 4.1 发布 – 定价、功能与社区反响

概要

Mistral AI 于 2026 年 7 月 16 日宣布推出 OCR 4.1，这是一项公开预览的 OCR 服务，新增段落级边界框提取、结构化区块标签和置信度分数，定价为 每 1000 页 3.5 欧元（或每 1000 页标注页 4.38 欧元）。该公告在 Hacker News 上引发了热烈讨论，重点聚焦于该模型的速度优势、成本顾虑以及与现有 OCR 解决方案的对比表现。

OCR 4.1 提供的功能

核心能力

段落级边界框 – API 返回每个段落的坐标，支持下游布局分析。
结构化区块标签 – 检测到的区块会自动分类（例如标题、表格、图表），无需自定义提示。
区块级置信度分数 – 每个提取元素均包含置信度指标，便于质量控制。
批量处理端点 – /v1/batch 支持批量提交文档，社区成员指出批量模式定价有 50% 折扣。

定价

每 1000 页 3.5 欧元，适用于原始 OCR 输出。
每 1000 页 4.38 欧元，适用于标注输出（包含结构标签和置信度分数）。

访问方式

可在 Mistral Studio OCR 演示环境中试用： https://console.mistral.ai/build/document-ai/ocr-playground
API 文档： https://docs.mistral.ai/api

社区对速度与成本的评估

"我不评论准确率，但在内部基准测试中，Mistral OCR 明显快于同类 API。" – ianhawes（HN 评论）

"对任何人感兴趣的话，我有一个运行在租用 GPU 上的 OCR 流水线，每 1000 页成本约为 0.05–0.10 美元，每页耗时约 0.8 秒，且支持完整的边界框。3.5 美元/1000 页的价格实在太高了……" – piterrro（HN 评论）

共识认为 速度是其显著优势；多位用户报告每页延迟低于 1 秒。然而，价格是主要痛点：以每 1000 页 3.5 欧元计，该服务价格约为社区成员分享的 DIY GPU 流水线的 70 倍。

准确率与适用场景

"我有一本包含连字、弗拉克图尔体、下标等复杂排版的书籍扫描件。OpenAI 的 '专业' 模型表现更优。即使是最高端的模型，在处理我这种复杂文本时表现也相当差。" – ComputerPerson

"Mistral 在手写 OCR 方面表现非常出色，预计新模型在多语言支持上会进一步提升。" – Utkarsh736

"它能一致地提取并标记《荒凉山庄》一章的标题、章节标题和参考文献，但在右页边距的行号识别上表现不佳（5 次中正确 3 次）。无需任何提示，只需上传 PDF 即可。" – fumeux_fume

这些评论表明 OCR 4.1 在标准印刷文本和简单布局上表现良好，但 在复杂排版、历史字体和页边注释方面存在困难。手写文本处理前景乐观，但尚无具体基准数据支持。

功能缺口与对比请求

社区成员要求提供具体对比数据：

与百度无限 OCR 对比 – Johnny_Bonk 关注性能与成本表现。
与 Tesseract/OcrMyPDF 对比 – felooboolooomba 请求基准测试数据。
非拉丁文字脚本支持 – einpoklum 询问模型对中文、阿拉伯文、天城文等的支持情况。
富布局文档（图表、表格） – ks2048 希望看到展示输入/输出对及边界框数据的演示站点。

公告中未提供官方基准数据或公开演示链接，上述问题仍无答案。

定价趋势与市场定位

"Mistral 每次发布都在提高这个产品的价格。我觉得现在已经是 2 倍了？" – parhamn

"如果它在速度上不明显优于 Tesseract 之类的工具，那就不值得。" – merb

社区普遍认为 价格随版本持续上涨，对模型相对于开源替代方案的价值提出质疑。部分用户认为 速度和 API 便利性 可能使该服务对高吞吐量商业流水线具有合理性，但另一些人则认为其价格对小型项目而言难以承受。

地理与语言考量

"我在想这个模型在法语（以及其他欧洲语言）文档上的表现是否优于其他模型。" – oliveralbertini

"现在我彻底对欧洲在 AI 竞赛中扮演任何重要角色失去希望了。" – king_crimson

这些评论凸显了 对多语言性能的不确定性，以及对欧洲在 AI OCR 技术领域竞争力的广泛怀疑。

关键收获总结

OCR 4.1 新增段落级几何信息与结构化标签，针对需要布局感知能力的文档 AI 工作流。
速度受到早期用户好评，报告每页延迟低于 1 秒。
成本是主要障碍；每 1000 页 3.5 欧元的价格远高于 DIY GPU 流水线，可能限制其采用。
在普通印刷文本上准确率良好，但在复杂排版、页边注释和特殊脚本上表现不足。
社区对基准测试与对比数据的需求仍未满足，关于 OCR 4.1 与 Tesseract、百度 OCR、OpenAI 视觉模型等成熟方案的对比仍存在诸多疑问。

所有陈述均直接摘自 Mistral OCR 4.1 的官方文档及上述链接的 Hacker News 讨论帖。