Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Modelo OCR da Mistral (OCR 4)

Aula 2 de 16 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. Um VLM Especializado na Extração de Documentos
  2. Por Debaixo do Capô
  3. Saída, Página por Página
  4. Face às Alternativas
  5. Um Identificador para Memorizar
  6. Pontos-chave

Atualizado em 2 de novembro de 2026 — OCR. O OCR 4.0 (mistral-ocr-4-0) foi desativado a 30 de setembro de 2026. Utilize o OCR 4.1 (mistral-ocr-4-1), disponível para uso geral desde 31 de agosto pelo mesmo preço, ou o alias mistral-ocr-latest, que aponta para esta versão desde 16 de julho. O OCR 4.1 adiciona pontuações de confiança ao nível do bloco.

Um VLM Especializado na Extração de Documentos

Quando escreve mistral-ocr-latest no seu código, está a direcionar-se para a mais recente geração de OCR da Mistral: o OCR 4, sucessor do OCR 3. Trata-se de um modelo de linguagem visual (VLM) afinado exclusivamente para extrair texto de documentos. Esta especialização impacta diretamente a sua fatura e os seus resultados: ao contrário de um modelo de uso geral que tenta fazer tudo, o OCR 4 está otimizado para uma única tarefa, oferecendo maior precisão a um custo inferior.

Dois avanços estruturais definem esta nova geração em comparação com o OCR 3. As caixas delimitadoras ao nível do parágrafo localizam com precisão cada bloco reconhecido na página: sabe não apenas o que está escrito, mas também onde. E os blocos estruturais reconstroem o documento como uma estrutura tipada em vez de texto simples, poupando-o a reinventar um analisador para recuperar a hierarquia de um relatório.

Por Debaixo do Capô

A arquitetura baseia-se numa tokenização intercalada: o modelo processa tokens de texto e tokens visuais simultaneamente. Concretamente, não lê caracteres isolados para depois tentar adivinhar a sua disposição; vê a página inteira e raciocina sobre ela. Isto permite-lhe compreender que um documento está organizado em duas colunas, que um subtítulo governa os parágrafos que se lhe seguem ou que uma legenda se relaciona com a imagem acima dela.

O OCR 4 pertence ao nível Premier da Mistral AI. Para implementação empresarial, isto traduz-se em alta disponibilidade através da API La Plateforme, atualizações regulares aplicadas sem interrupção de serviço e a opção de subscrever um SLA empresarial quando o processamento de documentos é crítico para o seu negócio.

O suporte linguístico abrange mais de cinquenta idiomas. Cobre scripts latinos — francês, inglês, espanhol, alemão, italiano, português —, línguas asiáticas como chinês, japonês e coreano, scripts da direita para a esquerda como árabe e hebraico, e cirílico para russo e ucraniano. Um ponto frequentemente decisivo na prática: a escrita à mão é reconhecida em todas estas línguas, abrindo portas ao processamento de formulários preenchidos manualmente.

Saída, Página por Página

Para cada página processada, o OCR 4 devolve um objeto JSON onde utilizará principalmente dois ou três campos nas operações diárias:

{
    "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
    }
}

O campo markdown transporta a maior parte do conteúdo. A renderização de tabelas neste Markdown é controlada pelo parâmetro table_format, que aceita três valores:

  • null (padrão): tabelas inline no Markdown
  • "markdown": tabelas no formato Markdown padrão com pipes |
  • "html": tabelas em HTML completo com tags <table>, <tr>, <td>

As imagens são segmentadas automaticamente. Ao ativar a opção include_image_base64=True, recupera cada ilustração codificada em base64, pronta para ser guardada no disco ou reinjetada num documento reconstruído. Sem esta opção, obtém apenas referências, o que aligeira significativamente a resposta quando processa apenas texto.

Face às Alternativas

Em comparação com o Tesseract, a diferença é visível desde o primeiro documento não trivial. O Tesseract desempenha-se decentemente em texto impresso simples, mas carece de qualquer compreensão da estrutura tabular, vacila perante a escrita à mão, confunde a ordem de leitura em layouts de múltiplas colunas e degrada-se acentuadamente em digitalizações de baixa qualidade. O OCR 4, porque vê a página, reconstroi a sua estrutura semântica.

A comparação com modelos de uso geral — Pixtral, GPT, Gemini — joga-se noutro campo. Estes modelos podem processar um documento, mas as imagens consomem um número enorme de tokens, o que pesa fortemente à medida que o volume escala. Não estão otimizados para a fidelidade da extração e alucinam mais facilmente com números e tabelas, precisamente onde os erros custam mais: um valor de fatura inventado não será detetado durante a revisão. O OCR 4 é afinado para a fidelidade, não para a geração.

Nos benchmarks, o OCR 4 posiciona-se como o modelo OCR mais preciso disponível via API, com precisão quase perfeita na extração de texto impresso, reconstrução fiel de estruturas de tabelas, reconhecimento de escrita à mão multilingue de alta qualidade e resultados sólidos em layouts complexos que misturam colunas, barras laterais e gráficos incorporados.

Um Identificador para Memorizar

Em todas as suas chamadas à API, utilizará este identificador:

model = "mistral-ocr-latest"

Aponta sempre para a versão estável mais recente do modelo e as atualizações são transparentes e retrocompatíveis. Resista à tentação de fixar uma versão datada no seu código: privar-se-ia de melhorias sem ganhar estabilidade.

Pontos-chave

  • O OCR 4 é um VLM afinado, não um OCR clássico de reconhecimento de padrões
  • Produz Markdown estruturado página a página com imagens, tabelas e metadados
  • O suporte multilingue abrange mais de 50 idiomas, incluindo escrita à mão
  • Supera os OCRs clássicos e os modelos de uso geral na precisão da extração
  • O identificador mistral-ocr-latest garante acesso à versão mais recente