Mistral udostępnił 16 lipca 2026 roku OCR 4.1 – nową wersję modelu Document AI do odczytywania i strukturyzowania dokumentów. Aktualizacja dodaje natywne bounding boxy na poziomie akapitów, etykiety bloków strukturalnych oraz block-level confidence scores. Innymi słowy: system ma nie tylko rozpoznać tekst, ale również lepiej powiedzieć, gdzie dany fragment znajduje się na stronie, czym jest i na ile pewny jest odczyt.
Jeżeli pracujesz z fakturami, skanami, PDF-ami albo formularzami, właśnie takie funkcje są bardziej praktyczne niż kolejny chatbot. OCR 4.1 pozwala budować automatyzacje, które wiedzą, że dany element jest tabelą, nagłówkiem, obrazem czy akapitem, a niska pewność rozpoznania może być sygnałem do przekazania dokumentu człowiekowi.
- Co zmieniło się w Mistral OCR 4.1?
- Po co confidence score i bounding boxy?
- Gdzie Document AI daje największą wartość?
Co zmieniło się w Mistral OCR 4.1?
Najważniejsza nowość dotyczy poziomu struktury. OCR 4.1 zwraca informacje o położeniu akapitów na stronie oraz może klasyfikować bloki dokumentu. W praktyce aplikacja nie dostaje jedynie płaskiego ciągu znaków. Otrzymuje bardziej uporządkowany opis strony, który łatwiej wykorzystać później w systemie księgowym, wyszukiwarce dokumentów czy modelu RAG.
| Element | Co daje w praktyce |
|---|---|
| Paragraph-level bounding boxes | Wskazują dokładne położenie akapitów na stronie. |
| Structural block labels | Rozróżniają m.in. tekst, tytuły, listy, tabele, obrazy, równania i kod. |
| Block-level confidence scores | Pozwalają ocenić pewność rozpoznania całego bloku, nie tylko strony lub pojedynczego słowa. |
| Batch processing | Ułatwia masowe przetwarzanie większych zbiorów dokumentów. |
Mistral zmienił też aliasy API: mistral-ocr-latest oraz mistral-ocr-4 zaczęły wskazywać na OCR 4.1. To oznacza, że część integracji używających aliasu „latest” mogła otrzymać nową wersję bez ręcznej zmiany identyfikatora modelu. W produkcji warto więc rozróżniać używanie konkretnej wersji od aliasu automatycznie wskazującego najnowsze wydanie.
Po co confidence score i bounding boxy?
Sam OCR odpowiada na pytanie „co jest napisane?”. Document AI musi pójść dalej i odpowiedzieć także: „gdzie to jest?”, „jaką funkcję pełni?” oraz „jak bardzo system jest pewny wyniku?”. To szczególnie ważne w dokumentach, które nie są idealnym tekstem maszynowym – skanach, zdjęciach, formularzach i plikach o skomplikowanym układzie.
- Bounding box pozwala powiązać tekst z miejscem na stronie.
- Etykieta strukturalna mówi, czy blok jest np. tabelą, nagłówkiem, kodem lub podpisem.
- Confidence score pozwala ustawić próg, poniżej którego dokument wymaga ręcznej kontroli.
- Strukturalny wynik jest łatwiejszy do przekazania dalej do LLM, systemu RAG lub bazy danych.
To właśnie confidence score jest szczególnie użyteczny w automatyzacjach biznesowych. Jeśli system odczytuje tysiące dokumentów, nie trzeba ręcznie sprawdzać każdego. Można skierować do operatora tylko te fragmenty, dla których model zwraca niski poziom pewności.
Gdzie Document AI daje największą wartość?
Mistral OCR 4.1 jest przydatny wszędzie tam, gdzie dokument jest wejściem do dalszego procesu. Nie chodzi wyłącznie o „zamianę skanu na tekst”. Model może być pierwszym etapem automatyzacji, która po odczytaniu dokumentu klasyfikuje dane, zapisuje je do systemu albo przekazuje do dalszej analizy.
| Obszar | Przykładowe zastosowanie |
|---|---|
| AI do faktur | Odczyt danych i pozycji z dokumentów księgowych. |
| AI do PDF | Ekstrakcja struktury, tabel i fragmentów tekstu z dużych zbiorów. |
| OCR do formularzy | Rozpoznawanie pól i przekazywanie danych do systemu. |
| AI do dokumentów technicznych | Odczyt tekstu, tabel, równań i fragmentów kodu. |
| RAG | Przygotowanie dokumentu w uporządkowanej formie do indeksowania i wyszukiwania. |
OCR przestaje być prostym rozpoznawaniem znaków
OCR 4.1 dobrze pokazuje zmianę w całej kategorii Document AI. Największą wartością nie jest już samo rozpoznanie liter, lecz zachowanie struktury dokumentu i informacji o pewności. Dzięki temu system może podejmować decyzje: co zaakceptować automatycznie, co wysłać dalej i co wymaga kontroli.
Jeśli chcesz rozwijać ten temat, warto zainteresować się frazami i zagadnieniami AI do analizy PDF, OCR AI do faktur, AI do odczytywania dokumentów, model AI do ekstrakcji tabel oraz Document AI – co to jest i jak działa.
Źródła
News został przygotowany na podstawie dokumentacji i changelogu Mistral AI oraz niezależnych materiałów opisujących zakres aktualizacji OCR 4.1.
