mistral ai 近日正式推出其全新一代文档识别引擎 —— mistral ocr3，此举被视为文档智能处理领域的一次关键跃升。该模型在多种文档解析任务中展现出前所未有的精度与速度，尤其在表格识别、扫描件还原、嵌套结构化表格以及手写体文字提取等难点场景下，相较上一代 mistral ocr2，综合性能提升达74%。
Mistral OCR3 的核心目标是从多样化文档（包括PDF、图像扫描件、拍照文档等）中高保真地抽取文本内容及内嵌图像，并兼顾语义结构还原。它原生支持 Markdown 输出格式，同时可依据 HTML 语义重建表格布局，显著增强下游应用对文档逻辑结构的理解能力。相比当前主流OCR解决方案，Mistral OCR3 具备轻量化部署优势与极具竞争力的定价策略：标准API调用费用为每千页2美元；若采用批量处理模式，还可额外享受50%优惠，折后低至每千页仅1美元。
为更真实反映实际业务需求，Mistral OCR3 构建了一套更具实战导向的内部评估基准，重点覆盖金融单据、行政表单、老旧档案扫描件及多语言混合文档等复杂用例。相较于早期版本，其在手写识别鲁棒性、表单字段定位准确性、低质量扫描图像适应性以及跨版式文档泛化能力等方面均实现质的突破。
实现 Markdown↔ HTML 互转，支持导出 PDF，用于用户请求的文档格式转换。
该技术特别适用于大规模企业级自动化流程，也高度适配交互式文档分析场景。开发者可便捷集成 Mistral OCR3，将发票、合同、合规申报表等结构化/半结构化文档一键转为结构化 Markdown 数据，并高效完成手写批注、历史纸质档案数字化、技术白皮书内容抽取等任务。已有先行客户在财务票据自动化审核、企业知识库迁移、科研文献信息提取等项目中验证了其稳定性和实用性。
IDC 研究总监蒂姆・劳强调，高质量OCR能力是构建生成式AI与智能体AI生态的关键基石。那些能够持续获取高精度文本与上下文关联图像数据的组织，将在数据驱动决策、知识资产沉淀与业务敏捷响应方面构筑显著领先优势。
源码地址：点击下载
