Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

OCR-API von Mistral

Lektion 4 von 16 Aktualisiert am 3. November 2026 Entwickler
Auf dieser Seite
  1. Ein einziger Einstiegspunkt
  2. Installation und Konfiguration
  3. Aufrufparameter
  4. Drei Möglichkeiten, ein Dokument zu senden
  5. Antwort lesen
  6. Limits und Fehler
  7. Wichtige Erkenntnisse

Aktualisiert am 2. November 2026 — OCR. OCR 4.0 (mistral-ocr-4-0) wurde am 30. September 2026 eingestellt. Nutzen Sie OCR 4.1 (mistral-ocr-4-1), der seit dem 31. August allgemein verfügbar ist und denselben Preis hat, oder den Alias mistral-ocr-latest, der seit dem 16. Juli darauf verweist. OCR 4.1 fügt Vertrauenswerte auf Blockebene hinzu. Ergänzung vom 3. November 2026: Um ein lokales PDF zu senden, codieren Sie es als base64 in der Form {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Der Typ document_base64, der in älteren Beispielen vorkommt, existiert weder in der Dokumentation noch im mistralai SDK, und diese Beispiele wären fehlgeschlagen. Quellen: OCR-Verarbeiter · Dokumenten-Fragen und Antworten.

Ein einziger Einstiegspunkt

Alle Dokumentextraktionen laufen über einen einzigen Endpunkt: /v1/ocr oder sein Äquivalent im Python-SDK, client.ocr.process(). Ob Sie ein Foto eines Kassenbons oder einen 800-seitigen Jahresbericht verarbeiten, der Aufruf bleibt derselbe. Diese Lektion erläutert, wie Sie ihn konfigurieren, die drei Möglichkeiten, ein Dokument zu übermitteln, und was er zurückgibt.

Installation und Konfiguration

Die Installation erfolgt mit einem einzigen Befehl:

pip install mistralai

Als Nächstes instanzen Sie den Client mit Ihrem API-Schlüssel:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

Dieser Ansatz funktioniert für einen schnellen Test in einem Notebook, birgt aber das Risiko, Ihren Schlüssel versehentlich zu committen. Sobald der Code Ihre Maschine verlässt, verwenden Sie eine Umgebungsvariable:

export MISTRAL_API_KEY="your-api-key"
import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

Wir verwenden diese zweite Form in allen nachfolgenden Lektionen.

Aufrufparameter

Der Aufruf client.ocr.process() erfordert nur zwei Parameter: model, der immer auf "mistral-ocr-latest" gesetzt werden muss, und document, das die zu verarbeitende Datei in einer der drei unten detaillierten Formen beschreibt.

Andere Parameter passen die Ausgabe Ihren Bedürfnissen an:

  • table_format: Tabellenformat (null, "markdown", "html")
  • include_image_base64: True, um Bilder als base64 zu erhalten
  • bbox_annotation_format: Schema für Begrenzungsbox-Anmerkungen
  • document_annotation_format: Vollständiges Schema für Dokument-Anmerkungen
  • document_annotation_prompt: Hochrangige Anweisungen für Anmerkungen

Die ersten beiden betreffen die eigentliche OCR, und Sie werden sie in den nächsten Lektionen behandeln. Die letzten drei beziehen sich auf Anmerkungen, die ab Lektion 9 behandelt werden; denken Sie für jetzt nur daran, dass Sie damit in derselben Anforderung eine strukturierte Extraktion anfordern können, ohne eine zweite Hin- und Her-Reise.

Drei Möglichkeiten, ein Dokument zu senden

Die erste, eine öffentliche URL, ist die direkteste Methode, wenn die Datei bereits online zugänglich ist – ein veröffentlichter Bericht oder ein Anhang in einem öffentlichen Bucket:

ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "document_url",
        "document_url": "https://example.com/document.pdf"
    }
)

Die zweite Methode ist notwendig für Dokumente, die auf Ihrem Gerät oder in einem privaten Speicher liegen. Sie codieren sie als base64 und senden sie im Anforderungskörper. Dies ist die Standardmethode für alles Vertrauliche, da keine URL offengelegt werden muss:

import base64

with open("my_document.pdf", "rb") as f:
    document_base64 = base64.b64encode(f.read()).decode("utf-8")

ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "document_url",
        "document_url": f"data:application/pdf;base64,{document_base64}"
    }
)

Die dritte Methode nutzt die Files-API. Sie laden die Datei einmal hoch, holen sich eine ID und verweisen dann darauf in Ihren Aufrufen. Der Vorteil zeigt sich bei großen Dokumenten oder wenn dieselbe Datei mehrmals verarbeitet werden muss – eine OCR-Extraktion heute, eine Annotierung mit einem anderen Schema morgen: Sie übertragen 40 MB nicht bei jedem Versuch erneut.

# Datei hochladen
uploaded_file = client.files.upload(
    file=open("my_document.pdf", "rb"),
    purpose="ocr"
)

# Hochgeladene Datei verwenden
ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "file_id",
        "file_id": uploaded_file.id
    }
)

Antwort lesen

Die Antwort gibt eine Liste von Seiten aus, und jede Seite trägt ihren Inhalt sowie ihre Metadaten. Ein minimaler Schleifenlauf reicht aus, um zu überprüfen, ob die Extraktion reibungslos verlaufen ist:

for page in ocr_response.pages:
    print(f"Seite {page.index}")
    print(f"Inhalt: {page.markdown[:200]}...")
    print(f"Bilder: {len(page.images)} gefunden")
    print(f"Header: {page.header}")
    print(f"Footer: {page.footer}")
    print(f"Abmessungen: {page.dimensions}")

Machen Sie es zur Gewohnheit, solche Schleifen vor der Industrialisierung an einer Stichprobe auszuführen: Sie verraten Ihnen in drei Sekunden, ob die Seitenanzahl übereinstimmt, ob Bilder erkannt wurden und ob Header korrekt vom Fließtext getrennt sind.

Limits und Fehler

Drei Einschränkungen regeln die Nutzung: maximal 50 MB pro Datei, 1.000 Seiten pro Dokument und Eingabeformate PDF, PNG, JPEG, AVIF, PPTX und DOCX. Darüber hinaus gibt es Rate Limiting mit einem Schwellenwert, der von Ihrem Abonnementstuf abhängt – ein Punkt, den Sie vor einer massiven Parallelisierung prüfen sollten, sonst riskieren Sie, dass Ihre Aufrufe in einem Burst abgelehnt werden.

Diese Limits, wie Netzwerkvorfälle, manifestieren sich als Ausnahmen, die Sie abfangen müssen. Ein Batch-Job, der bei Rechnungsnummer 300 abbricht, weil eine Datei die erlaubte Größe überschreitet, ist eine vermeidbare Zeitverschwendung:

from mistralai.client import Mistral
from mistralai.client.errors import SDKError

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

try:
    ocr_response = client.ocr.process(
        model="mistral-ocr-latest",
        document={
            "type": "document_url",
            "document_url": "https://example.com/document.pdf"
        }
    )
except SDKError as e:
    print(f"API-Fehler: {e.status_code} - {e.message}")
except Exception as e:
    print(f"Unerwarteter Fehler: {e}")

Die Unterscheidung der beiden Ausnahmeebenen ist nützlich: SDKError gibt Ihnen einen Statuscode, auf dessen Basis Sie entscheiden können, ob Sie neu versuchen sollen – ein 429 sollte nach einer Verzögerung neu versucht werden, ein 400 niemals – während der generische Block lokale Probleme einfängt, wie eine fehlende Datei oder eine unmögliche Kodierung.

Wichtige Erkenntnisse

  • Der OCR-Endpunkt ist client.ocr.process() mit dem Modell mistral-ocr-latest
  • Drei Sendemethoden: öffentliche URL, base64, hochgeladene Datei
  • Optionale Parameter steuern das Tabellenformat und die Bildinklusion
  • Die Antwort ist strukturiert Seite für Seite mit Markdown, Bildern und Metadaten
  • Beachten Sie die Limits von 50 MB und 1.000 Seiten pro Dokument