OCR 4, Moderation 2 és Leanstral
Ezen az oldalon
Résszakértők
A kódgenerálás és a hangfeldolgozás mellett a Mistral szűkebb feladatkörre specializálódott modelleket is fejleszt: dokumentumtartalom kinyerésére, generált tartalom biztonságossá tételére, valamint formális matematikai bizonyítások írására. Ezek a modellek nem versenytársai, hanem kiegészítői az általános célú modelleknek. Ebben a leckében tisztázzuk a Magistral család státuszát is, amelynek nevével még mindig találkozhatsz régebbi oktatóanyagokban.
OCR 4 – Dokumentumkinyerés
Az OCR 4, amelyet 2026. június 23-án adtak ki 4.0-s verzióként a Premier szinten, a Mistral optikai karakterfelismerő (OCR) szolgáltatása, és leváltja az OCR 3-at. Ha csupán „szövegolvasónak“ neveznénk a képeken, az leegyszerűsítés lenne: a kimenete nem csupán szavak sorozata, hanem a dokumentum strukturált reprezentációja.
Először megérti a szerkezetet: a címeket, bekezdéseket, listákat és táblázatokat külön elemként típusosítja, így azok közvetlenül felhasználhatók a további feldolgozáshoz. Ezt követően bekezdés szintű határoló dobozokat (bounding boxes) biztosít – vagyis minden blokk pontos koordinátáit az oldalon –, ami lehetővé teszi, hogy kiemelj egy záradékot a képernyőn, annotáld a dokumentumot, vagy hogy egy operátor vizuálisan ellenőrizze a kinyert adatokat ahelyett, hogy vakon kellene megbíznia az eredményben. Az OCR 4 kinyeri a táblázatokat a sor- és oszlopszerkezet megőrzésével, kezeli a többoldalas dokumentumokat oldalszám-korlátozás nélkül, és feldolgozza az űrlapokat a mezők és értékeik helyreállításával.
Bemeneti oldalon az OCR 4 széles formátumkínálatot fogad el: PDF, PNG, JPEG és TIFF képeket, szkennelt dokumentumokat és okostelefonnal készült fotókat. A kinyerés minősége romlott források, ferden szkennelt vagy alacsony felbontású anyagok esetén is megbízható marad; a digitalizálási projektekben a feldolgozandó dokumentumok ritkán a köteg legjobb minőségű szkennelvényei.
A gyakori használati esetek ezt a logikát követik. A digitalizálás során számlákat, szerződéseket és beszerzési megrendeléseket dolgoznak fel. A szabályozói megfelelés jogi dokumentumokból történő automatikus adatkinyerésre épül. Az intelligens archiválás lehetővé teszi a történelmi dokumentumgyűjtemények indexelhetőségét. Végül egy adatfolyamat (data pipeline) papíralapú dokumentumokból tölthet fel adatbázist manuális újrabevitel nélkül.
Az OCR 4-et ritkán integrálják önmagában. A leggyakoribb kombináció három modellt láncol össze:
- Az OCR 4 strukturált tartalmat nyer ki egy PDF szerződésből
- A Mistral Small 4 elemzi ezt a tartalmat, és strukturált összefoglalót készít
- A Mistral Embed vektorokat generál egy vektoradatbázisban történő indexeléshez
Magistral – Elavult család
Eltávolított modellek
A következtetésre specializálódott Magistral család (Medium és Small) elavulttá vált: minden variánsát fokozatosan kivonták 2025 vége és 2026 közepe között. A következtetési képességek most az általános modellekbe integrálódtak: a Mistral Small 4 egyesíti az utasításkövetést, a következtetést és a kódgenerálást; a legigényesebb következtetési feladatokra pedig a Mistral Medium 3.5 vált. Ezen konvergencia részleteiről az Új funkciók című tanfolyamban olvashatsz.
Ha egy meglévő projektet folytatsz, vagy olyan oktatóanyagot követsz, amely még a Magistralra hivatkozik, a migráció a feladat igényeitől függ. Rutinszerű következtetéshez – logika, szabványos matematika, elemzés – válts a Mistral Small 4-re és annak integrált következtetési módjára. Igényes következtetéshez, komplex demonstrációkhoz vagy több lépésből álló tervezéshez térj át a Mistral Medium 3.5-re. Mindkét esetben számíts arra, hogy újra le kell futtatnod a teszt készleteidet: a kimenetek formája megváltozik, még akkor is, ha a következtetések azonosak maradnak.
Mistral Moderation 2 – Tartalombiztonság
A Mistral Moderation 2, amelyet 2026 márciusában adtak ki 26.03-as verzióként a Premier szinten, a problémás tartalmak észlelésére és az AI alkalmazások biztonságára fókuszál. Osztályozza a tartalmakat gyűlöletbeszéd, erőszak, szexuális anyag vagy veszély azonosításával, és észleli a „jailbreak“ kísérleteket – azaz olyan üzeneteket, amelyeket arra terveztek, hogy kijátsszák a modell saját biztonsági irányelveit. Számos nyelven működik, így elkerülhető a moderálás előtti fordítás. Emellett támogat egyéni védőkorlátokat (custom guardrails) is: saját szabályokat definiálhatsz az ügynökeidhez és beszélgetéseidhez a alapértelmezett kategóriákon túl.
Tipikus használata során egy általános célú modell köré telepítik, nem pedig annak belsejébe. A bemeneti oldalon (upstream) szűri a felhasználói kéréseket, mielőtt azok elérnék a fő modellt. A kimeneti oldalon (downstream) ellenőrzi a válaszokat, mielőtt azok visszakerülnének a felhasználóhoz. Végül monitorozási céllal is használható: elemzi a múltbeli beszélgetéseket visszaélések észlelésére. Egy nyilvános szolgáltatás esetén mindhárom pozíció kombinálódik: az első védi a modelledet, a második a felhasználóidat, a harmadik pedig téged.
Leanstral 1.5 – Formális bizonyítások
A Leanstral 1.5, amelyet 2026. július 2-án adtak ki, az egész ökoszisztéma legspecializáltabb modellje. Ez egy nyílt forráskódú alapmodell, amelyet a Lean 4-hez terveztek, a formális matematikai bizonyítások nyelvéhez.
Célközönsége szűk és pontosan meghatározott: matematikai kutatók, kritikus szoftverek formális ellenőrzésével foglalkozó csapatok és bizonyítási könyvtárak fejlesztői. Számukra kiemelt jelentőségű a nyílt forráskódú kiadás, mivel lehetővé teszi a laboratóriumok számára, hogy saját szervereiken hosztolják a modellt, és hozzáigazítsák saját formalizmusaikhoz.
Főbb megállapítások
- Az OCR 4 (2026. június) teljes körű dokumentumértelmező szolgáltatás: szöveg, szerkezet, bekezdés szintű határoló dobozok és típusosított strukturális blokkok
- A Magistral elavult: a következtetés most a Small 4-en (rutinfeladatok) és a Medium 3.5-ön (igényes feladatok) keresztül történik
- A Moderation 2 biztosítja az AI alkalmazások biztonságát jailbreak-észleléssel és egyéni védőkorlátokkal
- A Leanstral 1.5 (2026. július) egy nyílt forráskódú alapmodell formális bizonyításokhoz a Lean 4 nyelvben
- Ezek a specializált modellek egymással és az általános modellekkel is kombinálódnak többmodells pipelinékben