OCR 4: Inteligencia documentálna novej generácie
Na tejto strane
Aktualizované 2. novembra 2026 — OCR. Verzia OCR 4.0 (
mistral-ocr-4-0) bola vyradená 30. septembra 2026. Používaj OCR 4.1 (mistral-ocr-4-1), ktorá je všeobecne dostupná od 31. augusta za rovnakú cenu, alebo aliasmistral-ocr-latest, ktorý na ňu odkazuje od 16. júla. OCR 4.1 pridáva hodnoty spoľahlivosti na úrovni blokov.
Dňa 23. júna 2026 bola oznámená verzia Mistral OCR 4 (v4.0), ktorá nahrádza OCR 3 ako služba Mistralu pre inteligenciu dokumentov – v oblasti, kde vydavateľ tvrdí, že dosahuje špičkový výkon. Za týmto číslom verzie sa skrýva zmena, ktorá priamo ovplyvňuje každého, kto buduje pipeline pre spracovanie dokumentov: výstup modelu už nie je len text, je to text lokalizovaný a štruktúrovaný.
Čo OCR 4 skutočne prináša
Oficiálny popis OCR 4 zdôrazňuje dve schopnosti štruktúrovania a stojí za to pochopiť, čo konkrétne každá z nich mení.
Prvou sú ohraničujúce rámce na úrovni odsekov. Každý rozpoznaný textový blok je teraz presne lokalizovaný na stránke: model ti už nehovorí len „tu je napísané toto“, ale hovorí ti „tu je napísané toto a tu je presne kde“. Táto informácia o polohe sa môže zdať anekdotická, kým nemusíš odpovedať na otázku audítora alebo klienta: „odkiaľ pochádzajú tieto údaje?“ Vďaka súradniciam na úrovni odsekov môžeš zvýrazniť presnú oblasť v zdrojovom dokumente, z ktorej odpoveď pochádza – to je vysledovateľnosť a pre prípady použitia týkajúce sa compliance je to často funkcia, ktorá rozhodne o nákupe.
Druhou schopnosťou sú štrukturálne bloky: dokument nie je vrátený ako plochý text, ale ako štruktúra – nadpisy, odseky, tabuľky, zóny. Tento nuans je rozhodujúci. Klasické OCR vracia nepretržitý prúd znakov, kde sa nadpis sekcie, poznámka pod čiarou a bunka tabuľky skončia spojené v poradí, v akom ich engine stretol. OCR 4 vracia typovaný dokument, kde každý blok vie, čím je.
Prečo je štruktúra rovnako dôležitá ako text
Zoberme si najbežnejší prípad v roku 2026: systém RAG postavený na interných PDF súboroch. Kvalita odpovedí priamo závisí od kvality chunkingu (rozdelenia na časti). Pri plochom texte sa tento chunking stáva náchylným na chyby: fragment môže rozpoliť tabuľku, prilepiť koniec odseku k nadpisu ďalšej sekcie alebo zakopať poznámku pod čiarou uprostred reťazca úvah. Jazykový model nižšie v pipeline potom dostane nesúrodé fragmenty a žiadne inžinierstvo promptov neopraví zle rozsekaný kontext.
Pri typovaných a lokalizovaných blokoch sa situácia obráti. Dokument rozdelíš pozdĺž jeho prirodzených hraníc – odsek zostane odsekom, tabuľka sa zrekonštruuje ako tabuľka – a každý fragment nesie svoje súradnice v zdrojovej stránke. To isté platí pre extrakciu údajov z faktúr alebo digitalizáciu archívov: nie je to rozpoznávanie znakov, čo robí rozdiel medzi spoľahlivým a krehkým pipeline, je to vernosť vrátenej štruktúry. Presne tu sa OCR 4 odlišuje od svojho predchodcu.
Dopad na naše kurzy Document AI
Náš kurz „Document AI & OCR“ bol napísaný okolo OCR 3 a musíme si jasne uvedomiť, čo zastaráva a čo nie. Učený prístup – príprava dokumentov, kvalita skenovania, postprocessing výstupu – zostáva úplne platný: toto sú základy práce s dokumentmi, nezávislé od verzie modelu. Lekcia venovaná „modelu OCR 3“ však teraz opisuje predchádzajúcu generáciu. Maj na pamäti toto pravidlo čítania: OCR 4 patrí do rovnakej rodiny API, ale s bohatšou štruktúrou výstupu.
Jeden praktický detail si zaslúži zopakovanie, pretože prežíva všetky aktualizácie verzií: kvalita vstupu zostáva rozhodujúca. Dokument naskenovaný v nízkom rozlíšení, so škvrnami alebo zlým kontrastom, zostane ťažko spracovateľný bez ohľadu na vyspelosť modelu. Skôr než obviníš OCR 4 zo sklamaného výsledku, pozri sa najprv na to, čo si mu dal prečítať – to je prvý inštinkt praktika a vyhneš sa mnohým chybným diagnózam.
Oficiálny zdroj: mistral.ai/news – oznámenie z 23. júna 2026 a docs.mistral.ai
Kľúčové poznatky
- OCR 4 (v4.0) nahrádza OCR 3 ako referenčný model pre dokumenty
- Inovácie v štruktúrovaní: ohraničujúce rámce na úrovni odsekov a štrukturálne bloky
- Štruktúra zlepšuje RAG, extrakciu a vysledovateľnosť odpovedí
- Kvalita vstupného skenu zostáva hlavným faktorom úspechu