Lähe põhisisu juurde
Eesti— Vali keel
Menüü

OCR 4, Moderation 2 ja Leanstral

Õppetund 6 / 14 Värskendatud 28. juuli 2026 Algajatele
Sellel lehel
  1. Kitsad spetsialistid
  2. OCR 4 — dokumendi ekstraheerimine
  3. Magistral — aegunud perekond
  4. Mistral Moderation 2 — sisu turvalisus
  5. Leanstral 1.5 — formaalsed tõestused
  6. Peamised punktid

Kitsad spetsialistid

Lisaks koodile ja helile haldab Mistral ka kitsaste ülesannete jaoks loodud mudeleid: dokumendisisu ekstraheerimine, genereeritud sisu turvamine ja formaalsete tõestuste kirjutamine. Igaüks neist täiendab üldmudeleid, mitte ei konkureeri nendega. See tund selgitab ka Magistrali perekonna staatust, mille nime võid veel vanemates õpetustes kohata.

OCR 4 — dokumendi ekstraheerimine

OCR 4, mis avaldati 23. juunil 2026 versioonina 4.0 tasemel Premier, on Mistrali optilise märgituvastuse teenus ja see asendab OCR 3. Selle kutsumine „tekstilugejaks piltides“ oleks liialdav lihtsustamine: see, mida see toodab, ei ole sõnade jada, vaid dokumendi esitus.

Esmalt mõistab see struktuuri: pealkirjad, lõigud, loendid ja tabelid on tüübitud eraldi elementidena, mida saab otse kasutada edasiseks töötlemiseks. Seejärel pakub see lõigu tasemel piiravaid kaste – ehk iga ploki täpseid koordinaate lehel –, mis võimaldab ekraanil klauslit esile tõsta, dokumenti annoteerida või lasta operaatoril ekstraheerimist visuaalselt kontrollida, selle asemel et paluda tal tulemust pimesi usaldada. See ekstraheerib tabeleid, säilitades ridade ja veergude organiseerituse, haldab mitmeleheküljelisi dokumente ilma leheküljestamise piiranguteta ja töötleb vorme, taastades väljad koos nende väärtustega.

Sisendi poolelt aktsepteerib OCR 4 laia valikut formaate: PDF, PNG, JPEG ja TIFF pilte, skannitud dokumente ning nutitelefoniga tehtud fotosid. Ekstraheerimise kvaliteet püsib kõrge ka halvenenud allikate, kaldus skannide või madala eraldusvõime korral; digitaliseerimisprojektides pole töödeldavad dokumendid harva partiis kõige paremini skannitud.

Levinud kasutusjuhtumid järgivad seda loogikat. Digitaliseerimine hõlmab arveid, lepinguid ja ostutellimusi. Regulatiivne vastavus tugineb õigusdokumentidest automaatsele andmete ekstraheerimisele. Intelligentsne arhiveerimine muudab ajalooliste dokumentide kogu indekseeritavaks. Lõpuks saab andmetöötlustoru täita andmebaasi paberdokumentidest ilma käsitsi uuesti sisestamata.

OCR 4-d integreeritakse harva üksi. Kõige levinum kombinatsioon aheldab kolm mudelit:

  1. OCR 4 ekstraheerib struktureeritud sisu PDF-lepingust
  2. Mistral Small 4 analüüsib seda sisu ja koostab struktureeritud kokkuvõtte
  3. Mistral Embed genereerib vektorid indekseerimiseks vektorandmebaasi

Magistral — aegunud perekond

Mudelid eemaldatud

Perekond Magistral (Medium ja Small), mis oli pühendatud arutlusele, on aegunud: kõik selle variandid eemaldati järk-järgult 2025. aasta lõpu ja 2026. aasta keskpaiga vahel. Arutlus on nüüd integreeritud üldmudelitesse: Mistral Small 4 ühendab juhendamise, arutluse ja koodi; Mistral Medium 3.5 võtab üle kõige nõudlikuma arutluse. Selle koondumise üksikasjade kohta vaata kursust „Uued funktsioonid“.

Kui jätkad olemasolevat projekti või järgid õpetust, mis kasutab endiselt nime Magistral, sõltub migratsioon ülesande nõudlikkusest. Rutiinse arutluse jaoks – loogika, standardne matemaatika, analüüs – lülitu mudelile Mistral Small 4 ja selle integreeritud arutlusrežiimile. Nõudliku arutluse, keerukate demonstratsioonide või mitmeastmelise planeerimise korral mine üle mudelile Mistral Medium 3.5. Mõlemal juhul planeeri oma testkomplektide uuesti läbiviimist: väljundid muudavad vormi, isegi kui järeldused jäävad samaks.

Mistral Moderation 2 — sisu turvalisus

Mistral Moderation 2, mis avaldati märtsis 2026 versioonina 26.03 tasemel Premier, keskendub problemaatilise sisu tuvastamisele ja tehisintellekti rakenduste turvamisele. See liigitab sisu, tuvastades vihakõne, vägivalla, seksuaalmaterjali või ohu, ning tuvastab „vanglast vabastamise“ (jailbreak) katsed – ehk sõnumeid, mis on konstrueeritud nii, et panna mudel oma ohutusjuhiseid eirama. See töötab paljudes keeltes, mis välistab vajaduse enne modereerimist tõlkida. Samuti aktsepteerib see kohandatud kaitsepiiranguid: saad defineerida oma reeglid oma agentidele ja vestlustele, lisaks vaikimisi pakutavatele kategooriatele.

Selle tüüpiline kasutamine hõlmab selle paigaldamist üldmudeli ümber, mitte selle sisse. Ülesvoolu filtreerib see kasutaja päringuid enne, kui need jõuavad peamise mudelini. Allavoolu kontrollib see vastuseid enne, kui need kasutajale tagasi saadetakse. Lõpuks kasutatakse seda jälgimiseks, analüüsides varasemaid vestlusi kuritarvituste tuvastamiseks. Avalikkusele avatud teenuses kombineeritakse kõiki kolme positsiooni: esimene kaitseb sinu mudelit, teine kaitseb sinu kasutajaid ja kolmas kaitseb sind ennast.

Leanstral 1.5 — formaalsed tõestused

Leanstral 1.5, mis avaldati 2. juulil 2026, on kogu ökosüsteemi spetsialiseerituim mudel. See on avatud lähtekoodiga baasmudel, mis on loodud Lean 4 jaoks – formaalsete matemaatiliste tõestuste keele jaoks.

Selle sihtgrupp on kitsas ja täpselt määratletud: matemaatikateadlased, kriitilise tarkvara formaalse verifitseerimise meeskonnad ja tõestuste teekide arendajad. Selle avaldamine avatud lähtekoodina on nende jaoks oluline, kuna see võimaldab laboritel seda majutada ja kohandada omaenda formalismidega.

Peamised punktid

  • OCR 4 (juuni 2026) on terviklik dokumendi mõistmise teenus: tekst, struktuur, lõigupõhised piiravad kastid ja tüübitud struktuuriplokid
  • Magistral on aegunud: arutlus kulgeb nüüd läbi Small 4 (rutiinne) ja Medium 3.5 (nõudlik)
  • Moderation 2 tagab tehisintellekti rakenduste turvalisuse, tuvastades „vanglast vabastamise“ katsed ja pakkudes kohandatud kaitsepiiranguid
  • Leanstral 1.5 (juuli 2026) on avatud lähtekoodiga baasmudel formaalseteks tõestusteks keeles Lean 4
  • Need spetsialistid kombineeruvad nii omavahel kui ka üldmudelitega mitme mudeliga töötorudes