OCR 4, Moderation 2 e Leanstral
Nesta página
Especialistas de Nicho
Para além do código e do áudio, a Mistral mantém modelos concebidos para tarefas específicas: extração de conteúdo de documentos, segurança de conteúdos gerados e redação de provas formais. Cada um complementa os modelos generalistas em vez de competir com eles. Esta lição esclarece também o estatuto da família Magistral, cujo nome poderá ainda encontrar em tutoriais mais antigos.
OCR 4 — Extração de Documentos
O OCR 4, lançado a 23 de junho de 2026 como versão 4.0 no nível Premier, é o serviço de reconhecimento ótico de carateres da Mistral e substitui o OCR 3. Chamar-lhe um «leitor de texto em imagens» seria redutor: o que produz não é uma cadeia de palavras, mas uma representação do documento.
Primeiro, compreende a estrutura: títulos, parágrafos, listas e tabelas são tipados como elementos distintos, diretamente utilizáveis para processamento subsequente. Fornece depois caixas delimitadoras ao nível do parágrafo, ou seja, as coordenadas exatas de cada bloco na página, o que lhe permite destacar uma cláusula no ecrã, anotar um documento ou solicitar a um operador que verifique visualmente uma extração, em vez de lhe pedir que aceite o resultado cegamente. Extrai tabelas preservando a organização de linhas e colunas, gere documentos de várias páginas sem limites de paginação e processa formulários restaurando os campos com os respetivos valores.
No lado da entrada, o OCR 4 aceita uma vasta gama de formatos: imagens PDF, PNG, JPEG e TIFF, documentos digitalizados e fotografias de smartphones. A qualidade da extração mantém-se mesmo com fontes degradadas, digitalizações inclinadas ou baixa resolução; em projetos de digitalização, os documentos a processar raramente são os melhor digitalizados do lote.
Os casos de uso comuns seguem esta lógica. A digitalização trata faturas, contratos e ordens de compra. A conformidade regulatória baseia-se na extração automática de dados de documentos jurídicos. O arquivamento inteligente torna indexável uma coleção de documentos históricos. Por fim, um pipeline de dados pode povoar uma base de dados a partir de documentos em papel sem reintrodução manual.
O OCR 4 raramente é integrado isoladamente. A combinação mais comum encadeia três modelos:
- O OCR 4 extrai conteúdo estruturado de um contrato em PDF
- O Mistral Small 4 analisa este conteúdo e produz um resumo estruturado
- O Mistral Embed gera vetores para indexação numa base de dados vetorial
Magistral — Família Obsoleta
Modelos Removidos
A família Magistral (Medium e Small), dedicada ao raciocínio, está obsoleta: todas as suas variantes foram gradualmente removidas entre o final de 2025 e meados de 2026. O raciocínio está agora integrado nos generalistas: o Mistral Small 4 unifica instruções, raciocínio e código; o Mistral Medium 3.5 assume as tarefas de raciocínio mais exigentes. Para detalhes sobre esta convergência, consulte o curso Novas Funcionalidades.
Se retomar um projeto existente ou seguir um tutorial que ainda mencione o Magistral, a migração depende das exigências da tarefa. Para raciocínio de rotina — lógica, matemática padrão, análise — mude para o Mistral Small 4 e o seu modo de raciocínio integrado. Para raciocínio exigente, demonstrações complexas ou planeamento em várias etapas, migre para o Mistral Medium 3.5. Em ambos os casos, planeie voltar a executar os seus conjuntos de teste: as saídas mudam de forma mesmo quando as conclusões permanecem idênticas.
Mistral Moderation 2 — Segurança de Conteúdos
O Mistral Moderation 2, lançado em março de 2026 como versão 26.03 no nível Premier, foca-se na deteção de conteúdos problemáticos e na segurança de aplicações de IA. Classifica conteúdos identificando ódio, violência, material sexual ou perigo, e deteta tentativas de jailbreak, ou seja, mensagens construídas para fazer um modelo contornar as suas próprias diretrizes de segurança. Funciona em muitos idiomas, o que evita a necessidade de traduzir antes de moderar. Aceita também barreiras de proteção personalizadas: define as suas próprias regras para os seus agentes e conversas, para além das categorias fornecidas por defeito.
O seu uso típico envolve instalá-lo em torno de um modelo generalista, em vez de dentro dele. A montante, filtra os pedidos dos utilizadores antes de chegarem ao modelo principal. A jusante, verifica as respostas antes de serem devolvidas ao utilizador. Utilizado finalmente para monitorização, analisa conversas passadas para detetar abusos. Num serviço aberto ao público, combinam-se as três posições: a primeira protege o seu modelo, a segunda protege os seus utilizadores e a terceira protege-o a si.
Leanstral 1.5 — Provas Formais
O Leanstral 1.5, lançado a 2 de julho de 2026, é o modelo mais especializado de todo o ecossistema. É um modelo de base de código aberto concebido para Lean 4, a linguagem de provas matemáticas formais.
O seu público-alvo é restrito e perfeitamente identificado: investigadores em matemática, equipas de verificação formal de software crítico e desenvolvedores de bibliotecas de provas. O seu lançamento em código aberto é importante para estes grupos porque permite aos laboratórios alojá-lo e adaptá-lo aos seus próprios formalismos.
Pontos-chave
- OCR 4 (junho de 2026) é um serviço completo de compreensão de documentos: texto, estrutura, caixas delimitadoras por parágrafo e blocos estruturais tipados
- Magistral está obsoleto: o raciocínio passa agora pelo Small 4 (rotina) e pelo Medium 3.5 (exigente)
- Moderation 2 garante a segurança das aplicações de IA com deteção de jailbreak e barreiras de proteção personalizadas
- Leanstral 1.5 (julho de 2026) é um modelo de base de código aberto para provas formais em Lean 4
- Estes especialistas combinam-se entre si e com os generalistas em pipelines multimodelo