OCR 4, Moderation 2 ja Leanstral
Tällä sivulla
Kapeat erikoismallit
Koodin ja äänen lisäksi Mistral ylläpitää malleja, jotka on rakennettu kapeisiin tehtäviin: asiakirjojen sisällön poimiminen, tuotetun sisällön turvaaminen ja muodollisten todistusten kirjoittaminen. Jokainen niistä täydentää yleismalleja kilpailematta niiden kanssa. Tässä oppitunnissa selvennetään myös Magistral-malliperheen status, jonka nimen saatat vielä kohdata vanhemmissa oppaissa.
OCR 4 – Asiakirjojen sisällön poiminta
OCR 4, joka julkaistiin 23. kesäkuuta 2026 versiona 4.0 Premier-tasolla, on Mistralin optisen merkkien tunnistuksen (OCR) palvelu, ja se korvaa OCR 3:n: n kutsuminen “kuvissa olevaksi tekstilukijaksi” olisi liian pelkistävää: sen tuottama tulos ei ole pelkkä merkkijono, vaan asiakirjan esitys.
Se ymmärtää ensin rakenteen: otsikot, kappaleet, luettelot ja taulukot tyypitetään erillisiksi elementeiksi, jotka ovat suoraan käytettävissä jatkokäsittelyssä. Se tarjoaa sitten rajauslaatikot kappale tasolla – eli jokaisen lohkon tarkat koordinaatit sivulla – mikä mahdollistaa lausekkeen korostamisen näytöllä, asiakirjan annotoinnin tai operaattorin visuaalisen varmennuksen poiminnasta sen sijaan, että hänen pitäisi luottaa tulokseen sokeasti. Se poimii taulukot säilyttäen rivi- ja sarakejärjestelyn, käsittelee monisivuisia asiakirjoja ilman sivutusrajoituksia ja prosessoi lomakkeita palauttamalla kentät arvoineen.
Syötteen osalta OCR 4 hyväksyy laajan valikoiman formaatteja: PDF-, PNG-, JPEG- ja TIFF-kuvat, skannatut asiakirjat ja älypuhelimella otetut valokuvat. Poiminnan laatu pysyy hyvänä myös heikkolaatuisilla lähteillä, vinoutuneilla skannauksilla tai matalalla resoluutiolla; digitointihankkeissa käsiteltävät asiakirjat ovat harvoin erän parhaiten skannattuja.
Yleiset käyttötapaukset seuraavat tätä logiikkaa. Digitointi hoitaa laskut, sopimukset ja tilaukset. Sääntelyvaatimusten noudattaminen perustuu juridisten asiakirjojen automaattiseen datan poimintaan. Älykäs arkistointi tekee historiallisesta asiakirjakokoelmasta indeksoitavan. Lopuksi dataputki voi täyttää tietokannan paperiasiakirjoista ilman manuaalista uudelleensyöttöä.
OCR 4:ää integroidaan harvoin yksinään. Yleisin yhdistelmä ketjuttaa kolme mallia:
- OCR 4 poimii jäsennellyn sisällön PDF-sopimuksesta
- Mistral Small 4 analysoi tämän sisällön ja tuottaa jäsennellyn yhteenvedon
- Mistral Embed tuottaa vektoreita indeksointia varten vektoritietokantaan
Magistral – Vanhentunut malliperhe
Mallit poistettu
Magistral-malliperhe (Medium ja Small), joka oli omistettu päättelylle, on vanhentunut: kaikki sen variantit poistettiin vähitellen vuoden 2025 lopun ja vuoden 2026 puolivälin välillä. Päättely on nyt integroitu yleismalleihin: Mistral Small 4 yhdistää ohjeistuksen, päättelyn ja koodin; Mistral Medium 3.5 vastaa vaativimmasta päättelystä. Lisätietoja tästä konvergenssista löydät Uudet ominaisuudet -kurssista.
Jos jatkat olemassa olevaa projektia tai seuraat opasta, jossa käytetään edelleen nimeä Magistral, migraatio riippuu tehtävän vaatimuksista. Rutiininomaiseen päättelyyn – logiikka, standardi matematiikka, analyysi – siirry Mistral Small 4:ään ja sen integroituun päättelytilaan. Vaativaan päättelyyn, monimutkaisiin demonstraatioihin tai monivaiheiseen suunnitteluun siirry Mistral Medium 3.5:een. Molemmissa tapauksissa suunnittele testijoukkojesi uudelleenajo: tulosteet muuttavat muotoaan, vaikka johtopäätökset pysyisivätkin samoina.
Mistral Moderation 2 – Sisällön turvallisuus
Mistral Moderation 2, joka julkaistiin maaliskuussa 2026 versiona 26.03 Premier-tasolla, keskittyy ongelmallisen sisällön havaitsemiseen ja tekoälysovellusten turvaamiseen. Se luokittelee sisällön tunnistamalla vihapuhetta, väkivaltaa, seksuaalista materiaalia tai vaaraa, ja se havaitsee jailbreak-yritykset – eli viestejä, jotka on rakennettu saamaan malli ohittamaan omat turvallisuusohjeistuksensa. Se toimii monilla kielillä, mikä välttää kääntämisen tarpeen ennen moderointia. Se hyväksyy myös mukautetut suojakaiteet: määrittelet omat sääntösi agenteillesi ja keskusteluillesi oletusarvoisten kategorioiden lisäksi.
Sen tyypillinen käyttö sisältää sen asentamisen yleismallin ympärille eikä sen sisään. Ennen käsittelyä (upstream) se suodattaa käyttäjän pyynnöt ennen kuin ne saavuttavat päämallin. Jälkeen käsittelyn (downstream) se tarkistaa vastaukset ennen kuin ne palautetaan käyttäjälle. Lopuksi valvontaan käytettynä se analysoi menneitä keskusteluja väärinkäytösten havaitsemiseksi. Yleisölle avoimessa palvelussa kaikki kolme asemaa yhdistyvät: ensimmäinen suojaa malliasi, toinen käyttäjiäsi ja kolmas sinua.
Leanstral 1.5 – Muodolliset todistukset
Leanstral 1.5, joka julkaistiin 2. heinäkuuta 2026, on koko ekosysteemin erikoistunein malli. Se on avoimen lähdekoodin perusmalli, joka on suunniteltu Lean 4:lle, muodollisten matemaattisten todistusten kielelle.
Sen kohdeyleisö on kapea ja täysin identifioitu: matematiikan tutkijat, kriittisten ohjelmistojen muodolliset varmennustiimit ja todistuskirjastojen kehittäjät. Sen julkaisu avoimena lähdekoodina on heille tärkeää, koska se mahdollistaa laboratorioiden isännöidä sitä ja mukauttaa sitä omiin formalismeihinsa.
Keskeiset asiat
- OCR 4 (kesäkuu 2026) on kattava asiakirjojen ymmärtämispalvelu: teksti, rakenne, rajauslaatikot kappaleittain ja tyypitetyt rakenteelliset lohkot
- Magistral on vanhentunut: päättely kulkee nyt Small 4:n (rutiini) ja Medium 3.5:n (vaativa) kautta
- Moderation 2 varmistaa tekoälysovellusten turvallisuuden jailbreak-tunnistuksella ja mukautetuilla suojakaiteilla
- Leanstral 1.5 (heinäkuu 2026) on avoimen lähdekoodin perusmalli muodollisiin todistuksiin Lean 4:ssä
- Nämä erikoismallit yhdistyvät keskenään ja yleismallien kanssa monimalliputkissa