Modelo OCR da Mistral (OCR 4)
Nesta página
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 aliasmistral-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-latestgarante acesso à versão mais recente