Mistral lança OCR 4: bounding boxes, 170 idiomas e deploy self-hosted

A Mistral AI lançou o OCR 4, motor de processamento inteligente de documentos corporativos. Ao contrário das versões anteriores, o modelo vai além do texto extraído e entrega um mapa estruturado completo do documento: coordenadas dos blocos, o tipo de cada um e níveis de confiança para cada palavra.

O que mudou na quarta versão

A novidade mais aguardada são os bounding boxes: cada bloco de texto agora recebe coordenadas precisas na página. Com isso, sistemas downstream conseguem destacar a fonte citada diretamente na interface, montar pipelines de dados confiáveis e adotar revisão human-in-the-loop para documentos sensíveis. Até então, a maioria das soluções de OCR entregava texto "plano", sem vínculo com a posição na página.

Além das coordenadas, o OCR 4 classifica cada bloco por tipo: título, subtítulo, parágrafo, tabela, equação e legenda de imagem. Somados aos níveis de confiança inline — por página e por palavra —, esses recursos abrem cenários totalmente novos: citações vinculadas com precisão à fonte, remoção automática de dados confidenciais e verificação de resultados controlada por um operador.

Os pipelines de RAG são os que mais ganham: os blocos classificados viram unidades de retrieval de alta qualidade, e os agentes passam a agir com base nos documentos, e não só a lê-los — preenchendo formulários, processando faturas e executando verificações de compliance.

Especificações técnicas e preços

O OCR 4 aceita os formatos corporativos padrão — PDF, DOC, PPT e OpenDocument — e suporta 170 idiomas em 10 grupos linguísticos. A Mistral destaca o ganho de qualidade em idiomas raros e de poucos recursos, nos quais a maioria dos sistemas concorrentes perde desempenho de forma perceptível.

Principais recursos:

• Bounding boxes — localização precisa de cada bloco na página
• Tipificação de blocos — títulos, tabelas, equações, legendas e imagens
• Níveis de confiança — por página e por palavra
• 170 idiomas em 10 grupos linguísticos, incluindo idiomas de poucos recursos
• Deploy em contêiner único — o modelo inteiro cabe em um só contêiner

Preço via API: $4 por mil páginas. No processamento em lote pela Batch API, há desconto de 50%, o que resulta em $2 por mil páginas. O Document AI no Mistral Studio (interface no-code) custa $5 por mil páginas.

O deploy self-hosted em contêiner único está disponível para clientes corporativos que precisam de soberania de dados, conformidade regulatória e processamento em lote de alto desempenho. O tamanho compacto do modelo o torna adequado tanto para cenários com orçamento limitado quanto para processamento em larga escala.

Benchmarks e integrações

Anotadores independentes preferiram o OCR 4 a todos os sistemas de OCR e Document AI testados, com win rate médio de 72%. No benchmark público OlmOCRBench, o modelo marcou 85.20 — o melhor resultado entre as soluções testadas no momento da publicação.

"Os sistemas downstream passam a ter acesso não só ao que está escrito

no documento, mas também a onde cada elemento está, qual papel ele cumpre e o quanto o modelo confia em cada área da página", é assim que a Mistral descreve a filosofia do lançamento.

O OCR 4 está integrado ao Mistral Search Toolkit, framework aberto para busca corporativa anunciado no AI Now Summit. Ele atua como componente de ingestão para pipelines de RAG e enterprise search: a saída estruturada do modelo vira uma entrada pronta para citação (citation-ready) para sistemas de retrieval, avaliação e reranqueamento de resultados.

O que isso significa

A Mistral transforma o reconhecimento de documentos de utilitário auxiliar em primitiva de infraestrutura para sistemas corporativos de AI. Uma saída estruturada com coordenadas, tipos de bloco e níveis de confiança oferece exatamente o nível de detalhe de que sistemas agênticos precisam para trabalhar de forma confiável com documentos reais. Quem desenvolve plataformas de RAG e soluções de document intelligence ganha um componente pronto, sem precisar de pós-processamento adicional.