OCR 4, Moderation 2 a Leanstral
Na této stránce
Specializované modely pro úzké oblasti
Kromě kódu a zvuku udržuje Mistral také modely určené pro velmi specifické úkoly: extrakci obsahu z dokumentů, zabezpečení generovaného obsahu a psaní formálních důkazů. Každý z nich doplňuje obecné modely, místo aby s nimi soupeřil. Tato lekce také vyjasňuje status rodiny Magistral, se kterým se můžeš stále setkat ve starších návodech.
OCR 4 – Extrakce dokumentů
OCR 4, vydaný 23. června 2026 jako verze 4.0 v rámci tieru Premier, je služba Mistralu pro optické rozpoznávání znaků a nahrazuje OCR 3. Nazývat jej „čtečkou textu v obrazech“ by bylo zjednodušující: jeho výstupem není jen řetězec slov, ale reprezentace celého dokumentu.
Nejprve pochopí strukturu: nadpisy, odstavce, seznamy a tabulky jsou typovány jako samostatné prvky, přímo použitelné pro další zpracování. Následně poskytuje ohraničující rámečky (bounding boxes) na úrovni odstavců – tedy přesné souřadnice každého bloku na stránce. To ti umožní zvýraznit konkrétní klauzuli na obrazovce, anotovat dokument nebo nechat operátora vizuálně ověřit extrakci, aniž by musel výsledku slepě věřit. Extrahuje tabulky při zachování organizace řádků a sloupců, zvládá vícestánkové dokumenty bez omezení počtu stran a zpracovává formuláře obnovou polí spolu s jejich hodnotami.
Na straně vstupu přijímá OCR 4 širokou škálu formátů: PDF, obrázky PNG, JPEG a TIFF, skenované dokumenty i fotografie ze smartphonů. Kvalita extrakce zůstává vysoká i u poškozených zdrojů, křivých skenů nebo nízkého rozlišení; v projektech digitalizace jsou dokumenty určené ke zpracování zřídka těmi nejlépe naskenovanými v celé dávce.
Běžná použití následují tuto logiku. Digitalizace řeší faktury, smlouvy a objednávky. Regulatorní soulad spoléhá na automatickou extrakci dat z právních dokumentů. Inteligentní archivace zpřístupňuje pro vyhledávání sbírky historických dokumentů. Datové potrubí (data pipeline) konečně dokáže naplnit databázi z papírových dokumentů bez nutnosti ručního přepisu.
OCR 4 se zřídka integruje samostatně. Nejčastější kombinace řetězí tři modely:
- OCR 4 extrahuje strukturovaný obsah z PDF smlouvy
- Mistral Small 4 tento obsah analyzuje a vytvoří strukturované shrnutí
- Mistral Embed generuje vektory pro indexaci ve vektorové databázi
Magistral – Zastaralá rodina
Odstraněné modely
Rodina Magistral (Medium a Small), určená pro logické uvažování, je zastaralá (deprecated): všechny její varianty byly postupně odstraněny mezi koncem roku 2025 a polovinou roku 2026. Logické uvažování je nyní integrováno přímo do obecných modelů: Mistral Small 4 sjednocuje instrukce, uvažování i kód; Mistral Medium 3.5 přebírá roli pro nejnáročnější úlohy vyžadující uvažování. Podrobnosti o této konvergenci najdeš v kurzu Nové funkce.
Pokud obnovuješ existující projekt nebo sleduješ návod, který stále používá název Magistral, závisí migrace na nárocích daného úkolu. Pro běžné logické uvažování – logiku, standardní matematiku, analýzu – přejdi na Mistral Small 4 a jeho integrovaný režim uvažování. Pro náročné uvažování, složité důkazy nebo plánování ve více krocích přejdi na Mistral Medium 3.5. V obou případech počítej s opětovným spuštěním tvých testovacích sad: výstupy změní svou formu, i když závěry zůstanou totožné.
Mistral Moderation 2 – Bezpečnost obsahu
Mistral Moderation 2, vydaný v březnu 2026 jako verze 26.03 v rámci tieru Premier, se zaměřuje na detekci problematického obsahu a zabezpečení aplikací s umělou inteligencí. Klasifikuje obsah identifikací nenávisti, násilí, sexuálních materiálů nebo nebezpečí a detekuje pokusy o obejití bezpečnostních pravidel (jailbreak) – tedy zprávy konstruované tak, aby přiměly model obejít vlastní bezpečnostní směrnice. Funguje ve mnoha jazycích, čímž odpadá nutnost překladu před moderací. Přijímá také vlastní ochranná pravidla (custom guardrails): pro své agenty a konverzace si můžeš definovat vlastní pravidla nad rámec výchozích kategorií.
Jeho typické použití spočívá v nasazení kolem obecného modelu, nikoliv uvnitř něj. Na vstupu filtruje uživatelské požadavky, než dorazí k hlavnímu modelu. Na výstupu kontroluje odpovědi, než se vrátí uživateli. Konečně, při monitoringu analyzuje minulé konverzace za účelem detekce zneužívání. U služby otevřené veřejnosti se kombinují všechny tři pozice: první chrání tvůj model, druhá chrání tvé uživatele a třetí chrání tebe.
Leanstral 1.5 – Formální důkazy
Leanstral 1.5, vydaný 2. července 2026, je nejspecializovanějším modelem v celém ekosystému. Jedná se o základní model s otevřeným zdrojovým kódem navržený pro Lean 4, jazyk pro formální matematické důkazy.
Jeho cílová skupina je úzká a přesně definovaná: výzkumníci v matematice, týmy pro formální verifikaci kritického softwaru a vývojáři knihoven důkazů. Jeho vydání jako open source je pro ně klíčové, protože umožňuje laboratořím hostovat jej a přizpůsobit vlastním formalismům.
Klíčové poznatky
- OCR 4 (červen 2026) je kompletní služba pro porozumění dokumentům: text, struktura, ohraničující rámečky po odstavcích a typované strukturální bloky
- Magistral je zastaralý: logické uvažování nyní probíhá přes Small 4 (běžné) a Medium 3.5 (náročné)
- Moderation 2 zajišťuje bezpečnost aplikací AI díky detekci pokusů o obejití pravidel (jailbreak) a vlastním ochranným pravidlům
- Leanstral 1.5 (červenec 2026) je základní model s otevřeným zdrojovým kódem pro formální důkazy v jazyce Lean 4
- Tito specialisté se kombinují navzájem i s obecnými modely v rámci více-modelových potrubí (multi-model pipelines)