OCR 4.1, Moderation 2 und Leanstral

Spezialisten für Nischenaufgaben

Neben Code- und Audiomodellen unterhält Mistral weitere Modelle, die für spezifische Aufgaben zugeschnitten sind: das Extrahieren von Dokumentinhalten, die Sicherung generierter Inhalte sowie das Erstellen formaler Beweise. Jedes dieser Modelle ergänzt die allgemeinen Modelle, anstatt mit ihnen zu konkurrieren. Diese Lektion bietet zudem die Gelegenheit, den aktuellen Status der Magistral-Familie zu klären, deren Name Ihnen noch in älteren Tutorials begegnen wird.

OCR 4.1 – Dokumentenextraktion

OCR 4.1 ist Mistrals aktueller Dienst für optische Zeichenerkennung. Die Version 4.1 wurde am 30. August 2026 im Premier-Tier allgemein verfügbar und löst OCR 4.0 ab (das am 30. September 2026 außer Betrieb genommen wird). Die Bezeichnung „Textleser für Bilder” würde dem Modell nicht gerecht: Es erzeugt keine bloße Wortfolge, sondern eine strukturierte Repräsentation des gesamten Dokuments.

Zunächst erfasst es die Dokumentstruktur: Überschriften, Absätze, Listen und Tabellen werden als eigenständige, typisierte Elemente identifiziert und sind damit direkt für nachgelagerte Verarbeitungsschritte nutzbar. Darüber hinaus liefert es Begrenzungsrahmen auf Absatzebene sowie Strukturblock-Labels und Konfidenzwerte auf Blockebene – also die exakten Koordinaten und Metadaten jedes Blocks innerhalb der Seite. Dies ermöglicht es, Klauseln auf dem Bildschirm zu markieren, Dokumente zu annotieren oder eine Extraktion visuell durch einen Operator prüfen zu lassen, anstatt ihn zu bitten, dem Ergebnis blind zu vertrauen. Das Modell extrahiert Tabellen unter Beibehaltung der Zeilen- und Spaltenorganisation, verarbeitet mehrseitige Dokumente ohne Paginierungslimit und unterstützt Formulare, indem es Felder samt ihren Werten wiedergibt. Die Kosten betragen 4 USD pro 1.000 Seiten (5 USD für annotierte Seiten).

Hinsichtlich der Eingabeformate akzeptiert OCR 4.1 eine breite Palette: PDF, Bilder im Format PNG, JPEG und TIFF sowie gescannte Dokumente und mit dem Smartphone aufgenommene Fotos. Die Extraktionsqualität bleibt auch bei degradierten Quellen, schiefen Scans oder niedriger Auflösung erhalten; bei der Digitalisierung sind die zu bearbeitenden Dokumente selten optimal erfasst.

Die häufigsten Anwendungsfälle folgen dieser Logik. Die Digitalisierung verarbeitet Rechnungen, Verträge und Bestellscheine. Die regulatorische Compliance stützt sich auf die automatische Datenextraktion aus juristischen Dokumenten. Die intelligente Archivierung macht historische Dokumentenbestände durchsuchbar. Schließlich kann eine Daten-Pipeline eine Datenbank aus Papierdokumenten speisen, ohne dass manuelle Neueingaben erforderlich sind.

OCR 4.1 wird zudem selten isoliert eingesetzt. Die häufigste Kombination verknüpft drei Modelle:

1. OCR 4.1 extrahiert den strukturierten Inhalt aus einem PDF-Vertrag
2. Mistral Small 4 analysiert diesen Inhalt und erstellt eine strukturierte Zusammenfassung
3. Mistral Embed generiert die Vektoren zur Indexierung in einer Vektordatenbank

Magistral – Eingestellte Modellfamilie

Falls Sie ein bestehendes Projekt wiederaufnehmen oder einem Tutorial folgen, das noch Magistral aufruft, richtet sich die Migrationsstrategie nach den Anforderungen der Aufgabe. Für alltägliches Schlussfolgern – Logik, Standardmathematik, Analyse – wechseln Sie zu Mistral Small 4 mit seinem integrierten Reasoning-Modus. Für anspruchsvolles Schlussfolgern, komplexe Beweise oder mehrstufige Planungen ist Mistral Large 4 die richtige Wahl. In beiden Fällen sollten Sie Ihre Testsuiten erneut durchlaufen lassen: Die Ausgabeformate ändern sich, selbst wenn die inhaltlichen Schlussfolgerungen identisch bleiben.

Mistral Moderation 2 – Inhaltsicherheit

Mistral Moderation 2 ist auf die Erkennung problematischer Inhalte und die Sicherheit von KI-Anwendungen spezialisiert. Es klassifiziert Inhalte, indem es Hassrede, Gewalt, sexuelle Inhalte oder gefährliche Handlungen identifiziert, und erkennt Jailbreak-Versuche – also Nachrichten, die konstruiert wurden, um die Sicherheitsrichtlinien eines Modells zu umgehen. Das Modell funktioniert in zahlreichen Sprachen, wodurch eine Übersetzung vor der Moderation entfällt. Zudem unterstützt es benutzerdefinierte Guardrails: Sie definieren eigene Regeln für Ihre Agenten und Konversationen, die über die standardmäßig bereitgestellten Kategorien hinausgehen. Der Dienst ist kostenlos.

Der typische Einsatz besteht darin, das Modell eher um ein allgemeines Modell herum zu installieren als innerhalb dessen. Vorgelagert filtert es Benutzeranfragen, bevor diese das Hauptmodell erreichen. Nachgelagert prüft es die Antworten, bevor sie an den Benutzer zurückgesendet werden. Im Monitoring-Modus analysiert es schließlich vergangene Konversationen, um Missbrauch zu erkennen. Bei einem öffentlich zugänglichen Dienst kombinieren sich alle drei Positionen: Die erste schützt Ihr Modell, die zweite Ihre Nutzer und die dritte Sie selbst.

Leanstral 1.5 – Formale Beweise

Leanstral 1.5, veröffentlicht am 2. Juli 2026, ist das spezialisierteste Modell im gesamten Ökosystem. Es handelt sich um ein Open-Source-Basismodell, das für Lean 4 konzipiert wurde, die Sprache für formale mathematische Beweise.

Die Zielgruppe ist eng und klar definiert: Mathematikforschende, Teams zur formalen Verifikation kritischer Software sowie Entwicklende von Beweisbibliotheken. Die Veröffentlichung als Open Source ist für diese Gruppe entscheidend, da sie Laboren erlaubt, das Modell selbst zu hosten und an ihre eigenen Formalismen anzupassen.

Kernaussagen

• OCR 4.1 (August 2026) ist ein umfassender Dienst zum Dokumentenverständnis: Text, Struktur, Begrenzungsrahmen pro Absatz, Strukturblock-Labels und Konfidenzwerte auf Blockebene
• Magistral ist eingestellt: Das Schlussfolgern erfolgt nun über Small 4 (alltäglich) und Large 4 (anspruchsvoll)
• Moderation 2 gewährleistet die Sicherheit von KI-Anwendungen durch Jailbreak-Erkennung und benutzerdefinierte Guardrails (kostenlos)
• Leanstral 1.5 (Juli 2026) ist ein Open-Source-Basismodell für formale Beweise in Lean 4
• Diese Spezialisten lassen sich untereinander und mit den allgemeinen Modellen in Multi-Modell-Pipelines kombinieren