Mistral OCR: подробный обзор облачного распознавания документов от Mistral AI

Mistral OCR — не программа для чтения PDF и не настольный OCR-комбайн, а специализированный сервис распознавания и структурного разбора документов от Mistral AI. На 14 сентября 2026 года актуальная редакция — OCR 4.1: модель общего доступа в статусе General Availability с фиксированным идентификатором mistral-ocr-4-1 и обновляемым алиасом mistral-ocr-latest. Сервис принимает документы и изображения, возвращает текст в Markdown вместе со структурой страницы, координатами блоков и оценками уверенности, а через Document AI может дополнительно формировать данные по заданной JSON-схеме. Поэтому Mistral OCR стоит рассматривать прежде всего как компонент автоматизированного документооборота, RAG, поиска и извлечения данных, а не как замену обычному PDF-просмотрщику.

Скачать Mistral OCR

Отдельного установщика Mistral OCR для Windows, macOS или Linux нет. Безопасный путь получения — создать учётную запись Mistral, открыть Studio и использовать OCR через официальный интерфейс разработчика либо через API. Для программной интеграции Mistral рекомендует собственные SDK; для Python официально документирована установка пакета mistralai командой pip install mistralai. Это клиентская библиотека, а не локальная копия OCR-модели: само распознавание в стандартном сценарии выполняется сервисом Mistral.

Публичные веса OCR 4.1 для самостоятельной загрузки в документации не предлагаются. В материалах Mistral для OCR 4 заявлена возможность развёртывания в одном контейнере на собственной инфраструктуре, но self-hosting адресован корпоративным заказчикам и оформляется через Mistral. Поэтому сайты с «Mistral OCR for Windows», не связанные с официальной платформой, не следует воспринимать как штатный дистрибутив продукта. Для обычного пользователя скачивать нужно только официальный SDK, если он вообще нужен для выбранного сценария.

Тем, кому нужен именно локальный графический OCR с установщиком, ручной проверкой областей и экспортом в офисные форматы, практичнее смотреть в сторону ABBYY FineReader. Mistral OCR решает похожую задачу распознавания, но организационно устроен иначе: он рассчитан на API, автоматизацию и обработку результата кодом.

Что такое Mistral OCR

Mistral OCR — специализированная модель документного распознавания в экосистеме Mistral AI. Текущая ветка OCR 4 появилась 23 июня 2026 года. OCR 4.1 вышел 16 июля 2026 года, а в журнале изменений отмечен как Generally Available с 31 августа. Актуальный алиас mistral-ocr-latest указывает на OCR 4.1. Это важное уточнение: название Mistral OCR относится к семейству сервиса, а конкретные возможности зависят от поколения модели.

В OCR 4 акцент сместился с простого «картинка в текст» на представление структуры документа. Система определяет блоки, их координаты и типы, сохраняет порядок чтения и может возвращать оценки уверенности. В списке типов блоков присутствуют обычный текст, заголовок, список, таблица, изображение, формула, подпись к объекту, код, список литературы, боковой текст, колонтитулы и подпись. Для поисковых и агентных систем это полезнее плоского текста: приложение знает не только содержание, но и место элемента на странице и его роль.

Есть два близких уровня использования. Первый — собственно OCR Processor: извлечь содержимое и структуру, а дальше обрабатывать их самостоятельно. Второй — Document AI: поверх OCR добавляются аннотации и структурированное извлечение в JSON по схеме пользователя. В текущей архитектуре это один API-контур с дополнительными параметрами, а не отдельный настольный продукт. В Studio разработчик также получает консоль для ключей, тестирования моделей и контроля использования.

Основные функции Mistral OCR

Распознавание текста с сохранением структуры

Базовый ответ содержит массив страниц, а для каждой страницы — Markdown с распознанным содержимым. Иерархия заголовков, абзацев, списков и таблиц сохраняется настолько, насколько её определила модель. Такой результат удобно индексировать, делить на смысловые фрагменты, хранить в базе знаний или передавать следующему этапу обработки. При этом Mistral OCR не обещает восстановление исходного файла «пиксель в пиксель»: цель — машинно-читаемая структура, а не верстка настольного издательского редактора.

Блоки, координаты и порядок чтения

Начиная с OCR 4 параметр include_blocks возвращает блоки на уровне абзацев. Для каждого указываются тип, содержимое и прямоугольные координаты. Блоки приходят в порядке чтения, что особенно важно для многоколоночных отчётов, научных публикаций и форм. Координаты позволяют подсветить источник на странице, связать извлечённый факт с конкретным местом документа или организовать ручную верификацию спорных фрагментов.

Confidence scores

OCR 4.1 добавляет оценки уверенности на уровне блоков; API также поддерживает гранулярность page и word. Для страницы возвращаются средняя и минимальная оценки, для слова — отдельные значения, а при block-гранулярности блок получает среднюю, минимальную и оценку уверенности в определении его структурного типа. Это не заменяет проверку критичных данных, но даёт формальный сигнал для маршрутизации: например, отправлять строки с низкой уверенностью оператору вместо безусловной записи в учётную систему.

Таблицы, колонтитулы и изображения

Таблицы можно оставить встроенными в Markdown либо получить отдельно в Markdown- или HTML-представлении. Заголовки и нижние колонтитулы могут извлекаться в отдельные поля вместо смешивания с основным текстом. Изображения и таблицы связываются с плейсхолдерами в Markdown и отдельными объектами ответа. Для приложений это снимает часть рутинного парсинга: таблицу можно обрабатывать как таблицу, а не искать её границы регулярными выражениями в сплошном тексте.

Структурированное извлечение через Document AI

Annotations позволяют задать JSON-схему и получить документные поля в заранее ожидаемой структуре. Отдельно поддерживаются аннотации всего документа и визуальных областей. Это подходит для счетов, чеков, договоров и форм, где итогом должен быть не Markdown, а, например, объект с поставщиком, датой, валютой и суммой. Текущая документация указывает, что при document annotation в модель интерпретации передаётся OCR-текст и первые восемь извлечённых областей изображений, поэтому сложные графические документы нужно проектировать с учётом этого ограничения.

Выбор страниц и пакетная обработка

OCR API позволяет выбрать страницы списком индексов или диапазонами. Для массовых очередей есть Batch API; текущий прайс Mistral показывает для OCR 4.1 цену 0,40 доллара за 1000 страниц в Batch против 4 долларов в стандартном режиме. Перед крупным заданием следует сверить тариф и лимиты организации.

Многоязычность

Русский присутствует в официальном перечне OCR-языков вместе с английским, основными европейскими, ближневосточными, южно- и восточноазиатскими языками. Анонс OCR 4 говорит о поддержке 170 языков в десяти группах, тогда как справочная страница перечисляет набор языков с ожидаемо сильной производительностью и отдельно отмечает дополнительные. Практический вывод простой: для русского и других явно перечисленных языков поддержка подтверждена, а для редкого языка лучше провести контрольную выборку на собственных документах.

Интерфейс и удобство использования

У Mistral OCR нет привычного интерфейса PDF-редактора с лентой инструментов, миниатюрами страниц и кнопкой «Распознать». Основная рабочая среда — Mistral Studio: консоль разработчика, где создаются API-ключи, тестируются модели и параметры, отслеживается использование. Для экспериментов с моделями в Studio есть Playground, а Document AI даёт no-code путь к обработке документов; для программной интеграции используется OCR API или официальный SDK.

Порог входа поэтому зависит от роли. Разработчик, знакомый с REST и JSON, получает довольно прямую модель работы: передать файл, URL или Base64, выбрать параметры, разобрать ответ. Сотруднику, которому нужен только «открыть скан и сохранить Word», Mistral OCR покажется сложнее настольного OCR. Document AI снижает порог за счёт структурированных схем и сценариев без отдельного постпарсинга, но всё равно остаётся частью платформы, а не офисным приложением для ручного редактирования каждой страницы.

Результат оценивают по тексту, порядку чтения, таблицам, блокам и координатам, а не по визуальному сходству с исходной страницей. Русский подтверждён как язык OCR; это не равнозначно заявлению о полной русской локализации Studio.

Поддерживаемые форматы и совместимость

Текущая документация прямо показывает работу с PDF, PPTX и DOCX как документными входами, а для изображений называет PNG, JPEG/JPG и AVIF, отмечая и другие поддерживаемые типы. Материалы запуска OCR 4 дополнительно называют распространённые корпоративные форматы PDF, DOC, PPT и OpenDocument. Изображение можно передать прямым публичным URL или Base64; PDF — публичным URL, Base64 либо через загруженный файл. Если используется URL, он должен быть доступен сервису Mistral без авторизации.

Выходной формат не является одним «экспортом». API возвращает JSON-контейнер, внутри которого основной текст страницы хранится как Markdown. Таблицы можно получать отдельно как Markdown или HTML, изображения — как объекты, гиперссылки — отдельным массивом; дополнительно доступны размеры страницы, заголовки, нижние колонтитулы, блоки и confidence scores. Document AI может добавить структурированный JSON, соответствующий заданной схеме.

Это означает хорошую совместимость с серверными конвейерами, поисковыми индексами, RAG и системами извлечения данных, но не автоматическую совместимость с редакторами Word или Excel как с конечным результатом. Если нужен DOCX, XLSX или новый searchable PDF, потребуется следующий инструмент в цепочке. Для локальной сборки PDF после распознавания можно рассматривать специализированные PDF-программы, например PDF24 Creator, но это уже отдельная операция вне Mistral OCR.

API не привязан к настольной ОС: достаточно HTTPS-клиента. Официальные SDK есть для Python и TypeScript; OCR 4 и Document AI также заявлены через Microsoft Foundry и Amazon SageMaker. Self-hosted-вариант существует для корпоративных заказчиков, но не является публичной локальной редакцией.

Производительность и стабильность

В анонсе OCR 4 Mistral приводит оценку предпочтений независимых аннотаторов на 600+ документах и результаты 85,20 на OlmOCRBench и 93,07 на OmniDocBench. Сам разработчик называет такие бенчмарки направляющими: эталонная разметка, формулы и многоколоночный порядок чтения могут искажать баллы. Для внедрения важнее контрольная выборка собственных документов.

Стабильность в производственной интеграции во многом определяется выбором идентификатора модели. OCR 4.1 находится в GA; политика Mistral для GA исключает скрытую замену содержимого фиксированной версии. Алиас mistral-ocr-latest, напротив, автоматически переключается на новый GA-релиз. Для прототипа это удобно, а для регламентированного процесса лучше закреплять mistral-ocr-4-1 и отдельно тестировать переход на следующее поколение.

Для больших объёмов есть Batch API, а лимиты API зависят от режима и организации. Free mode рассчитан на оценку и прототипирование; превышение доступного лимита даёт 429. Mistral прямо не относит OCR 4 к системам реального времени и критичным по безопасности сценариям, поэтому решения с жёсткими требованиями к задержке — не его целевая область.

Ресурсоёмкость локального компьютера в облачном режиме невелика: тяжёлая модель не запускается на рабочей станции. Реальные ограничения лежат в сети, размере входов, квотах, биллинге и последующей обработке JSON. Для self-hosted-варианта Mistral сообщает, что OCR 4 помещается в один контейнер, но публичных универсальных требований к CPU, GPU и памяти для самостоятельной установки не приводит; аппаратную конфигурацию нужно согласовывать как часть корпоративного развёртывания.

Лицензирование и версии

OCR 4.1 — коммерчески обслуживаемая модель категории Premier, а не свободно скачиваемые веса. Текущий стандартный тариф — 4 доллара за 1000 страниц OCR и 5 долларов за 1000 аннотированных страниц Document AI. В актуальной таблице цен Batch для OCR 4.1 указан как 0,40 доллара за 1000 страниц. Перед массовым запуском цену всё равно следует сверять: это изменяемый параметр облачного сервиса.

Free mode в Studio включается по умолчанию и имеет ограниченные квоты для тестирования и прототипов. При этом официальная страница цены OCR не обещает постоянный фиксированный пакет бесплатных OCR-страниц, поэтому корректнее считать бесплатный режим средой оценки, а не гарантированным бесплатным OCR-тарифом. Для API нужен аккаунт и ключ. Pay-as-you-go отделён от подписок Vibe; это важно, если пользователь ошибочно предполагает, что чат-подписка автоматически оплачивает API.

OCR 4.1 — актуальный GA; OCR 3 (mistral-ocr-2512) остаётся доступен для существующих интеграций, но OCR 4 обозначен как более новое поколение. Ранние OCR 2503 и 2505 помечены deprecated. Новые проекты разумно начинать с 4.1, если нет конкретной зависимости от старого поведения.

Политика жизненного цикла Mistral предусматривает для GA-моделей отдельную стадию deprecation и шестимесячный срок уведомления до retirement. Это не отменяет необходимость мониторинга changelog: если интеграция использует фиксированную модель, разработчик должен заранее спланировать миграцию; если используется latest, обновление произойдёт автоматически после появления нового GA-релиза.

Системные требования

Облачный API и Studio

Mistral не публикует требования вроде «8 ГБ ОЗУ и Windows 11», потому что OCR 4.1 в штатном режиме не является настольной программой. Нужны активная учётная запись Studio, сетевой доступ к сервису и API-ключ для программных запросов. Для работы через браузер используется Studio; для прямого API достаточно среды, способной выполнять HTTPS-запросы и обрабатывать JSON. Конкретная настольная ОС не является ограничением API.

SDK

Официальные клиенты доступны для Python и TypeScript. Актуальный quickstart Mistral указывает Python 3.9+ или Node.js 18+ как предварительные требования, показывает pip install mistralai и переменную окружения MISTRAL_API_KEY. Для серверного развёртывания дополнительно действуют требования выбранной ОС, контейнера и собственного приложения.

Self-hosted

OCR 4 заявлен как компактный для развёртывания в одном контейнере, однако self-hosting доступен корпоративным заказчикам и не сопровождается публичной таблицей универсальных аппаратных требований. Следовательно, нельзя честно назвать минимальную видеокарту или объём VRAM для «домашней установки». Если локальность обязательна, аппаратные и лицензионные параметры должны подтверждаться коммерческой документацией Mistral для конкретного договора.

Карта критических зависимостей

Для конфиденциальных документов различайте opt-out обучения и Zero Data Retention. ZDR можно запросить на pay-as-you-go для stateless /v1/ocr; он не охватывает Files API, batch-файлы и другие stateful-функции. По умолчанию Mistral размещает данные в ЕС, если явно не выбран американский API endpoint; для отдельных функций возможны временные трансграничные передачи через указанных субпроцессоров.

Паспорт обратимости операций

OCR-вызов не требует изменять исходный файл: результат приходит отдельным JSON. Безопасная схема — хранить оригинал неизменным, а Markdown, структуры и model ID версионировать отдельно. Тогда повторный запуск новой моделью можно сравнить с предыдущим.

Если следующий этап создаёт PDF, DOCX или запись в ERP, обратимость зависит уже от него. Для значимых документов сохраняйте цепочку «оригинал → model ID → сырой OCR-ответ → преобразованный результат».

Преимущества и недостатки Mistral OCR

Плюсы и минусы

Сравнение с аналогами

ABBYY FineReader PDF ближе к настольному OCR: графический интерфейс, ручная работа с PDF и конвертация. Mistral OCR ориентирован на программируемое извлечение. Для ручной проверки и готового офисного файла FineReader удобнее; для потокового JSON/Markdown и серверной автоматизации естественнее Mistral.

Azure AI Document Intelligence и Google Document AI — прямые облачные конкуренты. Azure Read возвращает строки, слова, координаты и confidence; Google Enterprise OCR — текст и layout, включая анализ качества. Выбор обычно определяется облачной платформой, регионом данных, SDK, схемой ответа и стоимостью всего конвейера, а не одной цифрой точности.

Sumatra PDF не конкурент по OCR: это локальный просмотрщик. Он уместен до или после распознавания, когда нужно открыть исходный или итоговый документ. Для редактирования результата потребуется отдельный инструмент, например Adobe Acrobat Pro или PDF-XChange Editor.

Инструкция по установке

Вариант без локальной установки

1. Создайте или используйте активную учётную запись Mistral Studio. Free mode включается по умолчанию, но имеет ограниченные квоты.
2. Для программного доступа создайте API-ключ в консоли или разделе API keys в Admin. Не передавайте ключ в документ, чат, репозиторий или клиентский JavaScript.
3. Для первого теста откройте Studio и используйте доступные инструменты Document AI/Playground. Цель теста — убедиться, что нужная модель доступна аккаунту и формат документа принимается.
4. Для рабочего контура выберите стратегию версии: mistral-ocr-latest для автоматического перехода на новое GA-поколение либо mistral-ocr-4-1 для воспроизводимости.
5. До загрузки конфиденциального файла проверьте Privacy-настройки организации, opt-out для улучшения моделей и требования к региону обработки.

Python SDK

1. Подготовьте рабочее Python-окружение и установите официальный клиент командой pip install mistralai.
2. Сохраните API-ключ в переменной окружения MISTRAL_API_KEY, а не в исходном коде.
3. Создайте клиент Mistral и отправьте запрос client.ocr.process с model=mistral-ocr-4-1 или model=mistral-ocr-latest.
4. Для PDF используйте document_url, Base64 или загруженный файл; для изображения — image_url или Base64.
5. На первом запуске выведите pages[0].markdown и usage_info. Это одновременно проверяет аутентификацию, распознавание и учёт страниц.
6. После удачного теста добавьте обработку ошибок 401, 429 и сетевых сбоев, а также логирование model ID и версии схемы результата.

Удалять сам OCR в облачном режиме не нужно: модели на ПК нет. При прекращении работы отзовите ненужные API-ключи и проверьте billing организации. Удаление локального SDK, облачных файлов и аккаунта — разные операции и не должны считаться взаимозаменяемыми.

Практические кейсы

PDF-архив в Markdown для поиска

Цель: превратить отчёты и сканы в материал для полнотекстового поиска или RAG. Подготовка: взять контрольный набор PDF, где есть обычный текст, таблицы и несколько сложных страниц. Шаги: отправить документ в OCR 4.1, сохранить page.markdown, blocks и model ID; затем индексировать Markdown, сохранив ссылку на исходный файл и номер страницы. Проверка: для десяти-пятнадцати запросов сравнить найденный фрагмент с оригинальной страницей и убедиться, что порядок колонок и заголовков не исказил смысл. Ограничение: OCR не заменяет поисковый движок и не решает сам по себе задачу ранжирования.

Счёт или чек в структурированный JSON

Цель: получить поля для бухгалтерского процесса. Подготовка: заранее определить JSON-схему: номер документа, дата, поставщик, валюта, итог, налоги, позиции. Шаги: запустить OCR с document annotation, передать схему и при необходимости короткий annotation prompt; сохранить как сырой OCR-ответ, так и структурированный объект. Проверка: сверить суммы и даты с визуальным оригиналом, а не только с распознанным Markdown. Ограничение: структурированный ответ остаётся результатом модели; финансово значимые поля нельзя записывать без правил валидации и контроля аномалий.

Human-in-the-loop по confidence scores

Цель: не заставлять оператора перепроверять каждую строку. Подготовка: определить собственный порог и набор критичных полей; универсального порога Mistral не задаёт. Шаги: запросить word- или block-confidence, сохранить координаты и отправлять оператору только фрагменты, попавшие под выбранное правило. Проверка: измерить долю ошибок отдельно в автоматически принятых и вручную проверенных фрагментах. Ограничение: confidence — индикатор модели, а не математическая гарантия истинности; порог нужно калибровать на своих документах.

Контроль перед сохранением и передачей

• сохранён ли неизменный оригинал документа;
• записан ли фактический model ID, а не только имя latest;
• совпадает ли число обработанных страниц с ожидаемым;
• проверены ли таблицы, даты, суммы, номера и собственные имена;
• не перепутаны ли header/footer с основным содержимым;
• используются ли координаты и confidence для сомнительных мест;
• соответствует ли JSON фактической версии схемы;
• не попал ли API-ключ в лог или экспортируемый файл;
• разрешена ли передача документа в выбранный облачный регион;
• можно ли по результату однозначно вернуться к исходной странице.

Реестр проверяемых утверждений

Часто задаваемые вопросы

Можно ли сделать из скана новый searchable PDF одним вызовом?

Штатный OCR endpoint возвращает распознанный текст и структуру, а не готовый пересобранный PDF с невидимым текстовым слоем. Для searchable PDF нужен последующий этап генерации или редактирования PDF. Это принципиальное отличие от настольных OCR-комбайнов.

Работает ли Mistral OCR полностью офлайн?

Обычный доступ через Mistral Studio и API требует сети и серверов Mistral. OCR 4 допускает self-hosted-развёртывание для корпоративных заказчиков, но это не публичный бесплатный установщик и не локальная редакция для домашнего ПК.

Используются ли документы для обучения моделей?

Настройки зависят от продукта и режима. Для Studio/API Mistral предоставляет отдельный opt-out в Admin. Кроме того, для stateless /v1/ocr на pay-as-you-go можно запросить Zero Data Retention. Эти механизмы разные: opt-out регулирует обучение, ZDR — хранение поддерживаемых входов и выходов после обработки.

Заменяет ли Mistral OCR Sumatra PDF?

Нет. Sumatra PDF — локальный просмотрщик документов, Mistral OCR — сервис извлечения машинно-читаемого содержания. Если надо быстро открыть PDF, EPUB, DjVu или XPS, OCR-сервис избыточен. Если надо распознать скан, индексировать архив или вытащить поля, одного просмотрщика недостаточно.

Есть ли гарантированный бесплатный лимит OCR?

Studio имеет Free mode с ограниченными квотами для оценки и прототипирования, но текущая публичная цена OCR задаётся по числу страниц и не обещает постоянный фиксированный бесплатный пакет страниц. Планировать производственную стоимость следует по актуальному тарифу и лимитам организации.

Вывод

Mistral OCR 4.1 подходит разработчикам и командам, которым нужен не просто распознанный текст, а структурное представление документа: Markdown, типизированные блоки, координаты, таблицы, confidence scores и при необходимости JSON по собственной схеме. Особенно естественные сценарии — загрузка документов для RAG, корпоративный поиск, массовая оцифровка, извлечение полей из счетов и договоров, а также процессы с ручной проверкой только сомнительных участков.

Продукт хуже подходит пользователю, который ищет автономную программу «установил и распознал», визуальное исправление областей или готовый экспорт в Word и searchable PDF без дополнительной цепочки. В таких задачах настольный OCR или PDF-редактор проще. Для обычного чтения документов разумнее Sumatra PDF или другой просмотрщик: подключать платный облачный OCR ради открытия PDF бессмысленно.

Главные условия успешного внедрения — закрепить версию модели там, где нужна воспроизводимость, проверить качество на собственном наборе документов, отделить OCR от последующих этапов обработки и заранее настроить политику данных. При таком подходе Mistral OCR выступает не «ещё одним PDF-приложением», а специализированным инфраструктурным слоем, который переводит сложные документы в форму, удобную для поиска, автоматизации и дальнейшей машинной обработки.