Mistral lanza OCR 4: bounding boxes, 170 idiomas y despliegue self-hosted

Mistral AI ha lanzado OCR 4, un motor para el procesamiento inteligente de documentos corporativos. A diferencia de sus predecesores, el modelo no se limita a devolver el texto extraído: entrega un mapa estructurado completo del documento, con las coordenadas de los bloques, sus tipos y puntuaciones de confianza para cada palabra.

Qué cambia en la cuarta versión

La novedad más demandada son los bounding boxes: cada bloque de texto recibe ahora coordenadas precisas dentro de la página. Así, los sistemas downstream pueden resaltar la fuente citada directamente en la interfaz, construir pipelines de datos fiables e incorporar revisión human-in-the-loop para documentos sensibles. Hasta ahora, la mayoría de las soluciones de OCR entregaban texto «plano», sin referencia a su posición en la página.

Además de las coordenadas, OCR 4 clasifica cada bloque por tipo: título, subtítulo, párrafo, tabla, ecuación o pie de imagen. Junto con las puntuaciones de confianza inline, tanto a nivel de página como de cada palabra, esto abre escenarios completamente nuevos: citas vinculadas con precisión a la fuente, redacción automática de datos confidenciales y verificación de resultados supervisada por un operador.

Los pipelines RAG son los que más ganan: los bloques clasificados se convierten en unidades de retrieval de calidad, y los agentes pasan de leer documentos a poder actuar sobre ellos: rellenar formularios, procesar facturas o ejecutar comprobaciones de compliance.

Especificaciones técnicas y precios

OCR 4 acepta los formatos corporativos habituales (PDF, DOC, PPT, OpenDocument) y admite 170 idiomas en 10 grupos lingüísticos. Mistral destaca especialmente la mejora de calidad en idiomas minoritarios y de pocos recursos, donde la mayoría de los sistemas competidores se degradan de forma notable.

Capacidades clave:

• Bounding boxes: localización precisa de cada bloque en la página
• Tipificación de bloques: títulos, tablas, ecuaciones, pies de imagen, imágenes
• Puntuaciones de confianza: a nivel de página y de cada palabra
• 170 idiomas en 10 grupos lingüísticos, incluidos los de pocos recursos
• Despliegue single-container: todo el modelo cabe en un solo contenedor

Precio en la API: $4 por cada mil páginas. El procesamiento por lotes a través de la Batch API tiene un descuento del 50%, lo que lo deja en $2 por cada mil páginas. Document AI en Mistral Studio (interfaz no-code) cuesta $5 por cada mil páginas.

El despliegue self-hosted en un solo contenedor está disponible para clientes corporativos que priorizan la soberanía de los datos, el cumplimiento normativo y el procesamiento por lotes de alto rendimiento. Su tamaño compacto hace que el modelo encaje tanto en escenarios con presupuesto ajustado como en procesamiento de alta carga.

Benchmarks e integraciones

Anotadores independientes prefirieron OCR 4 frente a todos los sistemas de OCR y Document AI evaluados, con un win rate medio del 72%. En el benchmark público OlmOCRBench, el modelo obtuvo 85.20, el mejor resultado entre las soluciones evaluadas en el momento de la publicación.

«Los sistemas downstream acceden tanto a lo que dice el documento como

a dónde se encuentra cada elemento, qué papel desempeña y qué grado de confianza tiene el modelo en cada zona de la página», así describe Mistral la filosofía del lanzamiento.

OCR 4 está integrado en Mistral Search Toolkit, un framework abierto de búsqueda empresarial anunciado en el AI Now Summit. Actúa como componente de ingestion para pipelines RAG y enterprise search: la salida estructurada del modelo se convierte en una entrada citation-ready para los sistemas de retrieval, evaluación y reordenación de resultados.

Qué significa

Mistral convierte el reconocimiento de documentos, hasta ahora una utilidad auxiliar, en una primitiva de infraestructura para los sistemas de AI corporativos. Una salida estructurada con coordenadas, tipos de bloque y puntuaciones de confianza ofrece justo el nivel de detalle que necesitan los sistemas agénticos para trabajar de forma fiable con documentos reales. Quienes construyen plataformas RAG y soluciones de document intelligence obtienen un componente listo para usar, sin necesidad de posprocesamiento adicional.