OCR 4: Inteligint Dhoiciméad na Chéad Ghlúine Eile
Ar an leathanach seo
Nuashonraithe an 2 Samhain, 2026 — OCR. Cuireadh deireadh le hOCR 4.0 (
mistral-ocr-4-0) an 30 Meán Fómhair, 2026. Bain úsáid as OCR 4.1 (mistral-ocr-4-1), atá ar fáil go ginearálta ón 31 Lúnasa ar an bpraghas céanna, nó an t-ailiasmistral-ocr-latest, a dhíríonn air ón 16 Iúil. Cuirtear scóir muiníne ar leibhéal na mbloc leis in OCR 4.1.
Fógraíodh an 23 Meitheamh, 2026, go dtiocfadh Mistral OCR 4 (v4.0) in ionad OCR 3 mar sheirbhís inteliginse doiciméad Mistral—réimse ina maíonn an foilsitheoir go bhfuil feidhmíocht ar an mbarr teicneolaíochta ann. Taobh thiar den uimhir leagan seo, tá athrú a imríonn tionchar díreach ar dhuine ar bith atá ag tógáil píblínte doiciméad: ní téacs amháin atá san aschur ón tsamhail a thuilleadh, is téacs suíomhaithe agus struchtúrtha é.
Cad a Sholáthraíonn OCR 4 i ndáiríre
Cuireann an cur síos oifigiúil ar OCR 4 béim ar dhá chumas struchtúraithe, agus fiú tuiscint a fháil ar an méid a athraíonn gach ceann acu go concreideach.
Is é an chéad cheann ná boscaí teorann ar leibhéal na míre. Tá gach bloc téacs a aithníodh suite go beacht anois ar an leathanach: ní insíonn an tsamhail duit “seo é an rud atá scríofa” amháin a thuilleadh, insíonn sí duit “seo é an rud atá scríofa, agus seo díreach cá bhfuil sé”. Is cosúil go bhfuil an fhaisnéis suímh seo gan tábhacht go dtí go gcaithfidh tú freagra a thabhairt ar cheist ó iniúchóir nó ó chliaint: “cá dtagann an sonra seo?” Le comhordanáidí ar leibhéal na míre, is féidir leat an limistéar beacht sa doiciméad foinseach a aibhsiú ónar tháinig freagra—is é sin inrianaitheacht, agus i gcásanna úsáide comhlíontachta, is minic gurb é seo an ghné a chlaonann cinneadh ceannaigh.
Is é an dara cumas ná bloic struchtúracha: ní thugtar an doiciméad ar ais mar théacs cothrom, ach mar struchtúr—teidil, míreanna, táblaí, criosanna. Is cinntitheach an difríocht bheag seo. Tugann OCR clasaiceach sruth leanúnach carachtar ina gcríochnaíonn teideal na rannóige, an nóta bunleathanaigh, agus cill an tábla measctha le chéile san ord ar bhuail an t-inneall leo. Tugann OCR 4 doiciméad de chineál sonraithe ar ais, áit a bhfuil a fhios ag gach bloc cad é féin.
Cén fáth a bhfuil an struchtúr chomh tábhachtach leis an téacs
Tóg an cás is coitianta in 2026: córas RAG tógtha ar PDFanna inmheánacha. Braitheann cáilíocht na freagartha go díreach ar cháilíocht an deighilte (chunking). Le téacs cothrom, éiríonn an deighilt seo líonmhar earráidí: is féidir le blúire tábla a ghearradh ina dhá leath, deireadh míre a ghreamú le teideal na chéad rannóige eile, nó nóta bunleathanaigh a chur i lathair slabhra réasúnaíochta. Faigheann an tsamhail teanga síos an sruth ansin blúirí neamh-chomhleanúnacha, agus ní shocróidh aon innealtóireacht leid comhthéacs a gearradh go dona.
Le bloic chlóscríofa agus logánaithe, casann an scéal bun os cionn. Deighleann tú an doiciméad feadh a theorainneacha nádúrtha—fanann mír ina mír, athchruthaítear tábla mar thábla—agus iompraíonn gach blúire a chomhordanáidí sa leathanach foinseach. Baineann an réasúnaíocht chéanna le heastóscadh sonraí ó shocruithe nó le digitithe cartlainne: ní aitheantas carachtar a dhéanann an difríocht idir píblíne iontaofa agus ceann leochaileach, is é dílseacht an struchtúir a thugtar ar ais a dhéanann. Is é seo go díreach an áit a ndéanann OCR 4 idirdhealú óna réamhtheachtaí.
Tionchar ar ár gcúrsaí AI Doiciméad
Scríobhadh ár gcúrsa “Document AI & OCR” timpeall ar OCR 3, agus ní mór dúinn a bheith soiléir faoin méid a théann in aois agus an méid nach dtéann. Fanann an cur chuige a mhúintear—ullmhú doiciméad, cáilíocht scanadh, iar-phróiseáil aschuir—bailí go hiomlán: is bunghnéithe iad seo d’obair le doiciméid, neamhspleách ar leagan na samhla. Mar sin féin, déanann an ceacht tiomnaithe don “tsamhail OCR 3” cur síos anois ar an nglúin roimhe seo. Coinnigh an riail léitheoireachta seo i gcuimhne: baineann OCR 4 leis an teideal API céanna, le struchtúr aschuir níos saibhre.
Is fiú athrá a dhéanamh ar mhionsonra praiticiúil amháin, toisc go maireann sé thar gach uasghrádú leagan: fanann cáilíocht an ionchuir cinntitheach. Fanfaidh doiciméad a scanadh ag taifeach íseal, le smálacha nó le codarsnacht lag, deacair le próiseáil, beag beann ar chastaacht na samhla. Sula gcuireann tú an locht ar OCR 4 as toradh díomách, féach ar dtús ar an méid a thug tú le léamh dó—is é sin an chéad öösint ag an gcleachtóir, agus seachnaíonn sé go leor mí-thuiscintí.
Foinse oifigiúil: mistral.ai/news — fógra an 23 Meitheamh, 2026, agus docs.mistral.ai
Príomhphointí
- Tagann OCR 4 (v4.0) in ionad OCR 3 mar shamhail thagartha doiciméad
- Nuálaíochtaí struchtúraithe: boscaí teorann ar leibhéal na míre agus bloic struchtúracha
- Feabhsaíonn an struchtúr RAG, eastóscadh, agus inrianaitheacht na bhfreagraí
- Fanann cáilíocht scanadh an ionchuir mar an príomhfhachtóir ratha