Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

OCR 4: Inteligencija dokumenata nove generacije

Lekcija 5 od 12 Ažurirano 2. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Što OCR 4 zapravo isporučuje
  2. Zašto je struktura jednako važna kao i tekst
  3. Utjecaj na naše tečajeve o AI-ju za dokumente
  4. Ključne točke

Ažurirano 2. studenoga 2026. — OCR. Verzija OCR 4.0 (mistral-ocr-4-0) povučena je 30. rujna 2026. Koristi OCR 4.1 (mistral-ocr-4-1), koji je općenito dostupan od 31. kolovoza po istoj cijeni, ili alias mistral-ocr-latest, koji na njega pokazuje od 16. srpnja. OCR 4.1 dodaje ocjene pouzdanosti na razini blokova.

Najavljen 23. lipnja 2026., Mistral OCR 4 (v4.0) zamjenjuje OCR 3 kao Mistralova usluga za inteligenciju dokumenata—područje u kojem izdavač tvrdi da postiže vrhunske rezultate. Iza ovog broja verzije krije se promjena koja izravno utječe na sve koji grade cjevovode za obradu dokumenata: izlaz modela više nije samo tekst, već je to locirani i strukturirani tekst.

Što OCR 4 zapravo isporučuje

Službeni opis OCR-a 4 naglašava dvije mogućnosti strukturiranja, a vrijedi razumjeti što svaka od njih konkretno mijenja.

Prva su okvirni okviri na razini odlomaka. Svaki prepoznati blok teksta sada je precizno lociran na stranici: model vam više ne govori samo „evo što je napisano“, već vam kaže „evo što je napisano, a evo i gdje se to točno nalazi“. Ova informacija o položaju može djelovati anegdotski dok ne morate odgovoriti na pitanje revizora ili klijenta: „odakle potječu ovi podaci?“ S koordinatama na razini odlomaka možete istaknuti točno područje u izvornom dokumentu iz kojeg proizlazi odgovor—to je sljedivost, a za slučajeve uporabe vezane uz usklađenost, to je često značajka koja prevagne u odluci o kupnji.

Druga mogućnost su strukturni blokovi: dokument se ne vraća kao ravni tekst, već kao struktura—naslovi, odlomci, tablice, zone. Nijansa je presudna. Klasični OCR vraća neprekidni niz znakova gdje naslov odjeljka, fusnota i ćelija tablice završavaju spojeni redoslijedom kojim ih je mehanizam naišao. OCR 4 vraća tipizirani dokument, gdje svaki blok „zna“ što jest.

Zašto je struktura jednako važna kao i tekst

Uzmimo najčešći slučaj u 2026.: RAG sustav izgrađen na internim PDF-ovima. Kvaliteta odgovora izravno ovisi o kvaliteti fragmentiranja (chunking). S ravnim tekstom, ovo fragmentiranje postaje podložno pogreškama: fragment može prerežiti tablicu na pola, zalijepiti kraj odlomka uz naslov sljedećeg odjeljka ili zakopati fusnotu usred lanca zaključivanja. Jezični model nizvodno tada prima nekoherentne fragmente, a nikakvo inženjerstvo upita (prompt engineering) neće popraviti loše isjeckan kontekst.

S tipiziranim i lociranim blokovima situacija se preokreće. Dokument fragmentirate duž njegovih prirodnih granica—odlomak ostaje odlomak, tablica se rekonstruira kao tablica—i svaki fragment nosi svoje koordinate u izvornoj stranici. Isto razmišljanje vrijedi i za ekstrakciju podataka s računa ili digitalizaciju arhiva: nije prepoznavanje znakova ono što čini razliku između pouzdanog i krhkog cjevovoda, već vjernost vraćene strukture. Upravo se tu OCR 4 razlikuje od svog prethodnika.

Utjecaj na naše tečajeve o AI-ju za dokumente

Naš tečaj „Document AI & OCR“ napisan je oko OCR-a 3, pa moramo biti jasni oko toga što zastarijeva, a što ne. Pristup koji se podučava—priprema dokumenata, kvaliteta skeniranja, post-obrada izlaza—ostaje u potpunosti valjan: to su temelji rada s dokumentima, neovisno o verziji modela. Međutim, lekcija posvećena „modelu OCR 3“ sada opisuje prethodnu generaciju. Imaj na umu ovo pravilo čitanja: OCR 4 pripada istoj obitelji API-ja, ali s bogatijom strukturom izlaza.

Jedna praktična pojedinost zaslužuje ponavljanje jer preživljava sva ažuriranja verzija: kvaliteta ulaza ostaje presudna. Dokument skeniran u niskoj rezoluciji, s mrljama ili lošim kontrastom, ostat će težak za obradu, bez obzira na sofisticiranost modela. Prije nego što okrivite OCR 4 za razočaravajući rezultat, prvo pogledajte što ste mu dali za čitanje—to je prvi instinkt praktičara i time se izbjegavaju mnoge pogrešne dijagnoze.

Službeni izvor: mistral.ai/news — najava od 23. lipnja 2026. i docs.mistral.ai

Ključne točke

  • OCR 4 (v4.0) zamjenjuje OCR 3 kao referentni model za dokumente
  • Inovacije u strukturiranju: okvirni okviri na razini odlomaka i strukturni blokovi
  • Struktura poboljšava RAG, ekstrakciju i sljedivost odgovora
  • Kvaliteta ulaznog skeniranja ostaje primarni faktor uspjeha