Il modello OCR di Mistral (OCR 4)
In questa pagina
Aggiornato il 2 novembre 2026 — OCR. OCR 4.0 (
mistral-ocr-4-0) è stato ritirato il 30 settembre 2026. Utilizza OCR 4.1 (mistral-ocr-4-1), disponibile in versione generale dal 31 agosto allo stesso prezzo, oppure l’aliasmistral-ocr-latest, che punta a questa versione dal 16 luglio. OCR 4.1 aggiunge punteggi di confidenza a livello di blocco.
Un VLM specializzato nell’estrazione di documenti
Quando scrivi mistral-ocr-latest nel tuo codice, punti all’ultima generazione OCR di Mistral: OCR 4, il successore di OCR 3. Si tratta di un modello linguistico visivo (VLM) ottimizzato esclusivamente per l’estrazione di testo dai documenti. Questa specializzazione incide direttamente sulla fatturazione e sui risultati: a differenza di un modello generico che cerca di fare tutto, OCR 4 è ottimizzato per un singolo compito, offrendo una precisione superiore a un costo inferiore.
Due avanzamenti strutturali definiscono questa nuova generazione rispetto a OCR 3. I riquadri di delimitazione a livello di paragrafo individuano con precisione ogni blocco riconosciuto sulla pagina: sai non solo cosa è scritto, ma anche dove. Inoltre, i blocchi strutturali ricostruiscono il documento come una struttura tipizzata anziché come testo semplice, risparmiandoti la necessità di reinventare un parser per recuperare la gerarchia di un rapporto.
Sotto il cofano
L’architettura si basa su una tokenizzazione intercalata: il modello elabora simultaneamente token di testo e token visivi. Concretamente, non legge caratteri isolati per poi tentare di indovinarne la disposizione; vede l’intera pagina e ragiona su di essa. Questo gli permette di capire che un documento è organizzato su due colonne, che un sottotitolo governa i paragrafi che lo seguono o che una didascalia si riferisce all’immagine soprastante.
OCR 4 appartiene al livello Premier di Mistral AI. Per il deployment aziendale, questo si traduce in un’elevata disponibilità tramite l’API La Plateforme, aggiornamenti regolari applicati senza interruzioni del servizio e la possibilità di sottoscrivere un SLA aziendale quando l’elaborazione dei documenti è critica per il tuo business.
Il supporto linguistico supera le cinquanta lingue. Copre le scritture latine (francese, inglese, spagnolo, tedesco, italiano, portoghese), le lingue asiatiche come cinese, giapponese e coreano, le scritture da destra a sinistra come arabo ed ebraico e il cirillico per russo e ucraino. Un punto spesso decisivo nella pratica: la calligrafia manuale è riconosciuta in tutte queste lingue, aprendo la strada all’elaborazione di moduli compilati a mano.
Output, pagina per pagina
Per ogni pagina elaborata, OCR 4 restituisce un oggetto JSON in cui utilizzerai principalmente due o tre campi nelle operazioni quotidiane:
{
"index": 0, # Page number (0-indexed)
"markdown": "## Title\n\nContent...", # Text in Markdown
"images": [...], # Extracted images (base64 optional)
"tables": [...], # Detected tables
"hyperlinks": [...], # Preserved hyperlinks
"header": "Header", # Page header (optional)
"footer": "Footer", # Page footer (optional)
"dimensions": { # Page dimensions
"width": 612,
"height": 792
}
}
Il campo markdown trasporta la maggior parte del contenuto. Il rendering delle tabelle all’interno di questo Markdown è controllato dal parametro table_format, che accetta tre valori:
null(predefinito): tabelle inline nel Markdown"markdown": tabelle nel formato Markdown standard con pipe|"html": tabelle in HTML completo con tag<table>,<tr>,<td>
Le immagini vengono segmentate automaticamente. Abilitando l’opzione include_image_base64=True, recuperi ogni illustrazione codificata in base64, pronta per essere salvata su disco o reiniettata in un documento ricostruito. Senza questa opzione, ottieni solo i riferimenti, alleggerendo significativamente la risposta quando elabori solo testo.
Confronto con le alternative
Rispetto a Tesseract, la differenza è visibile già dal primo documento non banale. Tesseract esegue un lavoro decente su testo stampato semplice, ma manca di qualsiasi comprensione della struttura tabellare, vacilla sulla calligrafia, confonde l’ordine di lettura nei layout a più colonne e degrada nettamente su scansioni di scarsa qualità. OCR 4, poiché vede la pagina, ne ricostruisce la struttura semantica.
Il confronto con i modelli generici (Pixtral, GPT, Gemini) si gioca su un altro terreno. Questi modelli possono elaborare un documento, ma le immagini consumano un numero enorme di token, il che pesa notevolmente all’aumentare dei volumi. Non sono ottimizzati per la fedeltà dell’estrazione e allucinano più facilmente su numeri e tabelle, proprio lì dove gli errori costano di più: un importo di fattura inventato non verrà rilevato durante la revisione. OCR 4 è ottimizzato per la fedeltà, non per la generazione.
Nei benchmark, OCR 4 si posiziona come il modello OCR più preciso disponibile tramite API, con una precisione quasi perfetta nell’estrazione di testo stampato, una ricostruzione fedele delle strutture tabellari, un riconoscimento multilingue di alta qualità della calligrafia manuale e risultati solidi su layout complessi che mescolano colonne, barre laterali e grafiche incorporate.
Un identificatore da ricordare
In tutte le tue chiamate API, utilizzerai questo identificatore:
model = "mistral-ocr-latest"
Punta sempre all’ultima versione stabile del modello e gli aggiornamenti sono trasparenti e retrocompatibili. Resisti alla tentazione di fissare una versione datata nel tuo codice: ti priverebbe dei miglioramenti senza guadagnare stabilità.
Punti chiave
- OCR 4 è un VLM ottimizzato, non un OCR classico basato sul riconoscimento di pattern
- Produce Markdown strutturato pagina per pagina con immagini, tabelle e metadati
- Il supporto multilingue copre oltre 50 lingue, inclusa la calligrafia manuale
- Supera gli OCR classici e i modelli generici in termini di precisione di estrazione
- L’identificatore
mistral-ocr-latestgarantisce l’accesso all’ultima versione