OCR 4: Ευφυΐα Εγγράφων Νέας Γενιάς
Σε αυτήν τη σελίδα
Ενημερώθηκε στις 2 Νοεμβρίου 2026 — OCR. Το OCR 4.0 (
mistral-ocr-4-0) αποσύρθηκε στις 30 Σεπτεμβρίου 2026. Χρησιμοποιήστε το OCR 4.1 (mistral-ocr-4-1), το οποίο είναι γενικά διαθέσιμο από τις 31 Αυγούστου στην ίδια τιμή, ή το ψευδώνυμοmistral-ocr-latest, το οποίο δείχνει σε αυτό από τις 16 Ιουλίου. Το OCR 4.1 προσθέτει βαθμολογίες εμπιστοσύνης σε επίπεδο μπλοκ.
Ανακοινώθηκε στις 23 Ιουνίου 2026, το Mistral OCR 4 (v4.0) αντικαθιστά το OCR 3 ως την υπηρεσία ευφυΐας εγγράφων της Mistral—έναν τομέα όπου ο εκδότης ισχυρίζεται επιδόσεις αιχμής της τεχνολογίας. Πίσω από αυτόν τον αριθμό έκδοσης κρύβεται μια αλλαγή που επηρεάζει άμεσα όποιον κατασκευάζει ροές εργασίας εγγράφων: η έξοδος του μοντέλου δεν είναι πλέον απλώς κείμενο, είναι κείμενο εντοπισμένο και δομημένο.
Τι προσφέρει πραγματικά το OCR 4
Η επίσημη περιγραφή του OCR 4 τονίζει δύο ικανότητες δομής, και αξίζει να κατανοήσετε τι αλλάζει η καθεμία στην πράξη.
Η πρώτη είναι τα πλαίσια οριοθέτησης σε επίπεδο παραγράφου. Κάθε μπλοκ κειμένου που αναγνωρίζεται εντοπίζεται πλέον με ακρίβεια στη σελίδα: το μοντέλο δεν σας λέει απλώς «εδώ είναι τι γράφει», σας λέει «εδώ είναι τι γράφει και εδώ είναι ακριβώς πού». Αυτές οι πληροφορίες θέσης φαίνονται ασήμαντες μέχρι να χρειαστεί να απαντήσετε σε μια ερώτηση ελεγκτή ή πελάτη: «από πού προέρχονται αυτά τα δεδομένα;». Με συντεταγμένες σε επίπεδο παραγράφου, μπορείτε να επισημάνετε την ακριβή περιοχή στο πρωτότυπο έγγραφο από την οποία προέρχεται μια απάντηση—αυτό είναι ιχνηλασιμότητα, και για περιπτώσεις χρήσης συμμόρφωσης, αυτό είναι συχνά το χαρακτηριστικό που γέρνει την πλάστιγγα μιας απόφασης αγοράς.
Η δεύτερη ικανότητα είναι τα δομικά μπλοκ: το έγγραφο δεν επιστρέφεται ως επίπεδο κείμενο, αλλά ως δομή—τίτλοι, παράγραφοι, πίνακες, ζώνες. Η απόχρωση είναι καθοριστική. Ένα κλασικό OCR επιστρέφει μια συνεχή ροή χαρακτήρων όπου ο τίτλος της ενότητας, η υποσημείωση και το κελί του πίνακα καταλήγουν συνενωμένα με τη σειρά που τα συνάντησε η μηχανή. Το OCR 4 επιστρέφει ένα τυποποιημένο έγγραφο, όπου κάθε μπλοκ γνωρίζει τι είναι.
Γιατί η δομή έχει την ίδια σημασία με το κείμενο
Πάρτε την πιο κοινή περίπτωση το 2026: ένα σύστημα RAG χτισμένο σε εσωτερικά αρχεία PDF. Η ποιότητα της απόκρισης εξαρτάται άμεσα από την ποιότητα του τεμαχισμού (chunking). Με επίπεδο κείμενο, αυτός ο τεμαχισμός γίνεται επιρρεπής σε σφάλματα: ένα θραύσμα μπορεί να κόψει έναν πίνακα στη μέση, να κολλήσει το τέλος μιας παραγράφου στον τίτλο της επόμενης ενότητας ή να θάψει μια υποσημείωση στη μέση μιας αλυσίδας συλλογισμού. Το γλωσσικό μοντέλο downstream λαμβάνει τότε ασύνδετα θραύσματα και καμία μηχανική προτροπών (prompt engineering) δεν θα διορθώσει ένα πλαίσιο που έχει κοπεί άσχημα.
Με τυποποιημένα και εντοπισμένα μπλοκ, η κατάσταση αντιστρέφεται. Τεμαχίζετε το έγγραφο κατά μήκος των φυσικών ορίων του—μια παράγραφος παραμένει παράγραφος, ένας πίνακας ανακατασκευάζεται ως πίνακας—και κάθε θραύσμα φέρει τις συντεταγμένες του στη σελίδα προέλευσης. Ο ίδιος συλλογισμός ισχύει για την εξαγωγή δεδομένων τιμολογίων ή την ψηφιοποίηση αρχείων: δεν είναι η αναγνώριση χαρακτήρων που κάνει τη διαφορά μεταξύ μιας αξιόπιστης και μιας εύθραυστης ροής εργασίας, είναι η πιστότητα της επιστρεφόμενης δομής. Εδώ ακριβώς διακρίνεται το OCR 4 από τον προκάτοχό του.
Αντίκτυπος στα μαθήματα Τεχνητής Νοημοσύνης Εγγράφων μας
Το μάθημά μας «Document AI & OCR» γράφτηκε γύρω από το OCR 3 και πρέπει να είμαστε σαφείς σχετικά με το τι παλαιώνει και τι όχι. Η διδακτική προσέγγιση—προετοιμασία εγγράφων, ποιότητα σάρωσης, μετα-επεξεργασία εξόδου—παραμένει απολύτως έγκυρη: αυτά είναι θεμελιώδη στοιχεία της εργασίας με έγγραφα, ανεξάρτητα από την έκδοση του μοντέλου. Ωστόσο, το μάθημα που αφιερώνεται στο «μοντέλο OCR 3» περιγράφει πλέον την προηγούμενη γενιά. Κρατήστε αυτόν τον κανόνα ανάγνωσης κατά νου: το OCR 4 ανήκει στην ίδια οικογένεια API, με μια πλουσιότερη δομή εξόδου.
Μια πρακτική λεπτομέρεια αξίζει να επαναληφθεί, επειδή επιβιώνει όλων των αναβαθμίσεων έκδοσης: η ποιότητα εισόδου παραμένει καθοριστική. Ένα έγγραφο σαρωμένο σε χαμηλή ανάλυση, με λεκέδες ή κακή αντίθεση, θα παραμείνει δύσκολο στην επεξεργασία, ανεξάρτητα από την πολυπλοκότητα του μοντέλου. Πριν κατηγορήσετε το OCR 4 για ένα απογοητευτικό αποτέλεσμα, κοιτάξτε πρώτα τι του δώσατε να διαβάσει—αυτό είναι το πρώτο ένστικτο του επαγγελματία και αποφεύγει πολλές εσφαλμένες διαγνώσεις.
Επίσημη πηγή: mistral.ai/news — ανακοίνωση της 23ης Ιουνίου 2026 και docs.mistral.ai
Βασικά σημεία
- Το OCR 4 (v4.0) αντικαθιστά το OCR 3 ως το μοντέλο αναφοράς εγγράφων
- Καινοτομίες δομής: πλαίσια οριοθέτησης σε επίπεδο παραγράφου και δομικά μπλοκ
- Η δομή βελτιώνει το RAG, την εξαγωγή και την ιχνηλασιμότητα των απαντήσεων
- Η ποιότητα σάρωσης εισόδου παραμένει ο πρωταρχικός παράγοντας επιτυχίας