De fleste OCR-systemer hiver tekst ud af et dokument og leverer en streng. Resten - layoutet, tabellerne, hierarkiet, den rumlige placering af hvert element - er noget udviklerne selv må rekonstruere bagefter. Mistral OCR 4 vender den logik om: modellen returnerer et fuldt struktureret objekt med bounding boxes, tabelindhold, overskriftsniveauer og sidelayout intakt. Det sparer et helt trin i dokumentpipelines, og det er den ændring der gør modellen interessant for enterprise.
Struktureret output
Bounding boxes og dokumentgeometri: hvad modellen faktisk afleverer
Klassisk OCR - også de bedste cloud-baserede varianter - leverer tekst med positionskoordinater. Det er nyttigt, men koordinaterne fortæller ikke om et felt er en tabelcelle, en sidefod, en overskrift eller løbende brødtekst. Den semantiske forståelse kræver et efterfølgende rekonstruktionslag, typisk bygget med heuristik, regex og en del vedligeholdelse.
Mistral OCR 4 er trænet til at forstå dokumentlayout som en del af selve inferensopgaven. Output-objektet skelner mellem bloktyper: overskrifter, afsnit, tabeller, lister og billedtekster. Tabelceller leveres med rækker og kolonner kortlagt. Bounding box-koordinaterne er ikke bare til visuel reference - de er bundet til den semantiske klassificering, så et downstream-system kan adressere den anden celle i tredje række i tabel 2 på side 4 direkte, uden at bygge en parser.
For enterprise-dokumenter - herunder automatisk fakturaudtræk, kontrakter, lægejournaler og tekniske specifikationer - er det præcis den strukturerede adressering der har værdi. Et system der bare returnerer tekst kræver yderligere annotation; et system der returnerer et dokument-objekt med layout er klar til direkte integration med et RAG-pipeline, et ERP eller et workflow-system. Antallet af fejlkilder falder, og integrationslaget bliver slankere.
Antallet af fejlkilder falder, og integrationslaget bliver slankere.
Compliance
On-premise deployment og GDPR-kravet i regulerede brancher
Det andet ben i Mistral OCR 4 er deployment-modellen. Mistral udbyder modellen via to kanaler: API-adgang på pixtral-ocr-2503 og selvhostet AI-infrastruktur der kan køre bag virksomhedens egen firewall.
For regulerede brancher i Europa - finans, sundhed, jura, offentlig forvaltning - er selvhostet deployment ikke en nice-to-have. En cloud-baseret OCR-løsning, selv en europæisk, kræver løbende risikovurdering af underbehandlere. En on-premise model eliminerer det spørgsmål helt.
Mistral er et europæisk selskab med servere i EU, og det er relevant for compliance-dokumentation. Men for virksomheder der behandler særlige kategorier af personoplysninger - patientjournaler, lønsager, juridiske sagsakter - er den lokale model den eneste reelle mulighed. Det giver de brancher adgang til state-of-the-art dokumentstrukturering uden at sende data ud af eget datacenter.
Pris og benchmarks
Prisen og hvad uafhængige tests viser
API-adgang er prissat til 1 USD per 1.000 sider. Det er markant lavere end de dominerende cloud-OCR-løsninger fra Google og AWS, der typisk ligger på 1,50-3,50 USD per 1.000 sider afhængig af features og volume. For en virksomhed der behandler 500.000 dokumentsider om måneden, er prisforskellen alene et argument for at vurdere cloud-baseret AI-prissætning mere grundigt.
Uafhængige benchmark-tests fra Hugging Face og andre forskergrupper placerer Mistral OCR 4 i toppen af feltet på DocVQA og andre dokumentforståelsesbenchmarks, på linje med Googles Document AI og Microsofts Azure AI Document Intelligence. På komplekse layouts - flerspaltet indhold, indlejrede tabeller, blandede sprog og håndskrevet tekst blandet med maskinskrift - performer Mistral OCR 4 konsistent i toppen.
Det er kombinationen af pris og præstation der gør det til en reel konkurrent til de etablerede cloud-udbydere, ikke bare et billigt alternativ med tilsvarende kvalitetskompromis. Virksomheder der allerede betaler cloud-priser for dokumentbehandling, har et konkret sammenligningsgrundlag.
Arkitektur
Tre arkitektoniske forandringer for en dokumentpipeline
Den praktiske konsekvens for udviklere og arkitekter falder i tre dele.
Rekonstruktionslaget kan fjernes. Det lag af kode der tager rå OCR-output og forsøger at inferere struktur - via layoutalgoritmer, tabeldetektorer, heading-klassifikatorer - er nu unødvendigt for mange use cases. Mistral OCR 4 leverer det som del af grundoutputtet. Det reducerer kodebasen og fjerner en klasse af fejl der typisk er svær at reproducere og debugge.
RAG-integrationen bliver mere præcis. Et retrieval-augmented generation-system der henter fra dokumenter performer bedre når chunks er baseret på semantisk afgrænset indhold - afsnit, tabelceller, overskriftshierarkier - frem for vilkårlige tekstblokke. Strukturen fra Mistral OCR 4 giver præcisere chunking uden manuelt annotationsarbejde.
On-premise deployment åbner for use cases der hidtil var udelukkede. Virksomheder i regulerede brancher der har afholdt sig fra AI-drevet dokumentbehandling på grund af datakrav, kan nu bygge interne pipelines der aldrig sender data eksternt. Sygehuse der automatiserer journalgennemgang, advokatfirmaer der indekserer kontrakter, banker der behandler KYC-dokumentation - alle tre scenarier er realiserbare uden kompromis på datalokalitet.
Mistral OCR 4 er ikke interessant fordi den er ny. Den er interessant fordi den løser tre enterprise-problemer på én gang: struktur uden rekonstruktion, compliance-kompatibel deployment og konkurrencedygtig pris. For danske virksomheder der investerer i AI-drevet dokumenthåndtering, er det en model der fortjener en plads i evalueringen.