Mistral OCR 4.1 發佈 – 價格、功能與社群反應

TL;DR

Mistral AI 於 2026 年 7 月 16 日宣布推出 OCR 4.1，這是一項公開預覽版的 OCR 服務，增加了段落級別的 bounding-box 提取、結構化區塊標籤以及置信度分數，定價為 每 1,000 頁 €3.5（或每 1,000 頁標註頁 €4.38）。此公告在 Hacker News 上引發了熱烈的討論，重點在於該模型的速度優勢、成本疑慮，以及與現有 OCR 解決方案的性能對比。

OCR 4.1 提供的功能

核心能力

段落級別 bounding boxes – API 會回傳每個段落的座標，以便進行後續的佈局分析。
結構化區塊標籤 – 偵測到的區塊會被分類（例如：標題、表格、圖表），無需自定義提示詞 (prompts)。
區塊級別置信度分數 – 每個提取的元素都包含一個用於品質控制的置信度指標。
批次處理端點 – /v1/batch 允許大量提交文件，且批次模式的定價有 50% 的折扣（如社群成員所述）。

定價

每 1,000 頁 €3.5（原始 OCR 輸出）。
每 1,000 頁 €4.38（標註輸出，包含結構化標籤與置信度分數）。

存取方式

可在 Mistral Studio OCR 遊樂場中試用：https://console.mistral.ai/build/document-ai/ocr-playground
API 文件：https://docs.mistral.ai/api

社群對速度與成本的評估

"我不想評論準確度，但在內部基準測試中，Mistral OCR 的速度明顯快於同類 API。" – ianhawes (HN 評論)

"對於感興趣的人，我有一個在租用的 GPU 上運行的 OCR 流水線，處理約 1000 頁僅需 0.05-0.10 美元，每頁約 0.8 秒並提供完整的 bounding-box 支援。3.5 美元/1000 頁實在太貴了……" – piterrro (HN 評論)

共識是 速度是一個強項；多位用戶報告每頁延遲低於一秒。然而，價格是一個主要的痛點：每 1,000 頁 €3.5 的價格，大約比社群成員分享的 DIY GPU 流水線貴了 70 倍。

準確度與應用場景契合度

"我有一本帶有連字 (ligatures)、Fraktur 字體、下標等的書籍掃描檔。OpenAI 的 'pro' 模型佔據主導地位。即使是最高端的模型，在處理我這種複雜文本時表現也相當糟糕。" – ComputerPerson

"Mistral 在手寫 OCR 方面一直表現很好，期待新模型在各種語言上都能變得更好。" – Utkarsh736

"它能夠一致地提取並標記《荒涼莊園》(Bleak House) 其中一章的標題、標題與參考資料，但在處理右側邊欄行號時表現掙扎（3/5 正確）。無需提示詞——只需上傳 PDF 即可。" – fumeux_fume

這些評論表明 OCR 4.1 在標準印刷文本和簡單佈局上表現良好，但在 處理複雜排版、歷史字體和邊欄註釋時表現不佳。手寫文本看起來很有前景，儘管目前還缺乏具體的基準測試數據。

功能缺口與對比請求

社群成員提出了具體的對比需求：

與 Baidu Unlimited OCR 對比 – Johnny_Bonk 想知道其性能與成本。
與 Tesseract/OcrMyPDF 對比 – felooboolooomba 要求基準測試數據。
非拉丁語系 – einpoklum 詢問該模型如何處理中文、阿拉伯文、天城文等。
佈局豐富的文件（圖表、表格） – ks2048 尋求一個能展示帶有 bounding-box 數據的輸入/輸出對的演示網站。

公告中未提供官方基準測試數據或公開演示 URL，使得這些問題仍懸而未決。

定價趨勢與市場定位

"Mistral 每次發布都在調漲這個東西的價格。我認為現在已經漲了 2 倍了？" – parhamn

"如果這東西沒有比 Tesseract 之類的東西快得多，那它就不值得。" – merb

社群認為 價格隨著版本更新而攀升，這引發了對該模型相對於開源替代方案之價值主張的疑慮。一些用戶認為，對於高吞吐量的商業流水線來說，速度和 API 的便利性 可能足以抵消成本，而其他人則認為這對小型專案來說門檻太高。

地理與語言考量

"我在想這個模型在法語（及其他歐洲語言）文件上的表現是否優於其他模型。" – oliveralbertini

"到目前為止，我對歐洲在 AI 競賽中扮演任何重要角色已經不抱希望了。" – king_crimson

這些評論突顯了 對多語言性能的不確定性，以及對歐洲在 AI OCR 技術競爭優勢的廣泛懷疑。

重點總結

OCR 4.1 增加了段落級別的幾何資訊與結構化標籤，針對需要佈局感知能力的文檔 AI 工作流。
速度受到早期採用者的讚賞，據報每頁延遲低於一秒。
成本是一個爭議點；每 1,000 頁 €3.5 的價格明顯高於 DIY GPU 流水線，可能會限制其普及。
對於普通印刷文本，準確度表現穩健，但在複雜排版、邊欄註釋和特殊字體方面表現不足。
社群對基準測試與對比數據的需求 尚未得到滿足，關於 OCR 4.1 與 Tesseract、Baidu OCR 及 OpenAI 視覺模型等既有解決方案的對比，仍有許多疑問。

所有陳述均直接取自 Mistral OCR 4.1 文件及上方連結的 Hacker News 討論串。