Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

OCR 4: Inteligence dokumentů nové generace

Lekce 5 z 12 Aktualizováno 2. listopadu 2026 Mírně pokročilý
Na této stránce
  1. Co OCR 4 skutečně přináší
  2. Proč je struktura stejně důležitá jako text
  3. Dopad na naše kurzy Document AI
  4. Klíčové poznatky

Aktualizováno 2. listopadu 2026 — OCR. Verze OCR 4.0 (mistral-ocr-4-0) byla vyřazena z provozu 30. září 2026. Používej OCR 4.1 (mistral-ocr-4-1), která je obecně dostupná od 31. srpna za stejnou cenu, nebo alias mistral-ocr-latest, který na ni odkazuje od 16. července. OCR 4.1 přidává skóre spolehlivosti na úrovni bloků.

Dne 23. června 2026 byl představen Mistral OCR 4 (v4.0), který nahrazuje OCR 3 jako služba Mistralu pro inteligenci dokumentů – v oblasti, kde vydavatel prohlašuje špičkový výkon. Za tímto číslem verze se skrývá změna, která přímo ovlivňuje každého, kdo buduje pipeline pro zpracování dokumentů: výstup modelu již není jen text, jedná se o text lokalizovaný a strukturovaný.

Co OCR 4 skutečně přináší

Oficiální popis OCR 4 zdůrazňuje dvě schopnosti strukturování a stojí za to pochopit, co každá z nich konkrétně mění.

První jsou ohraničující rámečky na úrovni odstavců. Každý rozpoznaný textový blok je nyní přesně umístěn na stránce: model vám už neříká pouze „zde je napsáno toto“, ale říká vám „zde je napsáno toto a zde je přesně kde“. Tyto informace o pozici se mohou zdát nepodstatné, dokud nemusíte odpovědět na otázku auditora nebo klienta: „odkud tato data pocházejí?“ Díky souřadnicím na úrovni odstavců můžete zvýraznit přesnou oblast ve zdrojovém dokumentu, odkud odpověď pochází – to je vysledovatelnost a pro případy použití týkající se souladu s předpisy je to často funkce, která rozhodne o nákupu.

Druhou schopností jsou strukturální bloky: dokument není vrácen jako plochý text, ale jako struktura – nadpisy, odstavce, tabulky, zóny. Tento nuance je zásadní. Klasické OCR vrací nepřetržitý proud znaků, kde se nadpis sekce, poznámka pod čarou a buňka tabulky nakonec spojí v pořadí, v jakém je engine zpracoval. OCR 4 vrací typovaný dokument, kde každý blok ví, čím je.

Proč je struktura stejně důležitá jako text

Vezmi si nejčastější případ roku 2026: systém RAG postavený na interních PDF. Kvalita odpovědí přímo závisí na kvalitě chunkingu (rozdělení na části). U plochého textu se tento chunking stává chybovým: fragment může rozdělit tabulku napůl, přilepit konec odstavce k nadpisu další sekce nebo pohřbít poznámku pod čarou uprostřed řetězce úvah. Jazykový model na downstreamu pak dostává nesourodé fragmenty a žádné inženýrství promptů neopraví špatně rozdělený kontext.

U typovaných a lokalizovaných bloků se situace obrací. Dokument rozdělíš podél jeho přirozených hranic – odstavec zůstane odstavcem, tabulka se zrekonstruuje jako tabulka – a každý fragment nese své souřadnice ve zdrojové stránce. Stejné uvažování platí pro extrakci dat z faktur nebo digitalizaci archivů: není to rozpoznávání znaků, co dělá rozdíl mezi spolehlivým a křehkým pipeline, je to věrnost vrácené struktury. Přesně zde se OCR 4 odlišuje od svého předchůdce.

Dopad na naše kurzy Document AI

Náš kurz „Document AI & OCR“ byl napsán kolem OCR 3 a musíme si jasně říci, co zastarává a co ne. Učený přístup – příprava dokumentů, kvalita skenování, postprocessing výstupu – zůstává zcela platný: toto jsou základy práce s dokumenty, nezávislé na verzi modelu. Lekce věnovaná „modelu OCR 3“ však nyní popisuje předchozí generaci. Měj toto pravidlo čtení na paměti: OCR 4 patří do stejné rodiny API, ale s bohatší strukturou výstupu.

Jeden praktický detail si zaslouží opakování, protože přežívá všechny aktualizace verzí: kvalita vstupu zůstává rozhodující. Dokument naskenovaný v nízkém rozlišení, se skvrnami nebo špatným kontrastem, bude obtížné zpracovat bez ohledu na vyspělost modelu. Než obviníš OCR 4 ze zklamávajícího výsledku, podívej se nejprve na to, co jsi mu dal k přečtení – to je první instinkt praktiků a vyhneš se tak mnoha chybným diagnózám.

Oficiální zdroj: mistral.ai/news – oznámení z 23. června 2026 a docs.mistral.ai

Klíčové poznatky

  • OCR 4 (v4.0) nahrazuje OCR 3 jako referenční model pro dokumenty
  • Inovace ve strukturování: ohraničující rámečky na úrovni odstavců a strukturální bloky
  • Struktura zlepšuje RAG, extrakci dat a vysledovatelnost odpovědí
  • Kvalita vstupního skenu zůstává hlavním faktorem úspěchu