Mistral OCR 4

Impresiones generales de Mistral OCR 4

• Muchos comentaristas informan de un sólido rendimiento en el mundo real, especialmente en documentos degradados o antiguos, comparándolo favorablemente con herramientas clásicas como ABBYY FineReader y algunos VLM modernos.
• Otros se muestran escépticos debido a que versiones anteriores de Mistral OCR rindieron por debajo de las afirmaciones de marketing; algunos dicen que OCR 4 parece mejor, pero quieren primero benchmarks independientes.
• Algunos usuarios elogian a Mistral específicamente por OCR mientras critican sus modelos de código/generalistas por ser más débiles que el SOTA de EE. UU./China.

Benchmarks, precisión y evaluación

• La gente cuestiona la fuerte dependencia en benchmarks internos y métricas públicas limitadas; hay preocupación por los anteriores “98% accurate on tiny internal sets”.
• Se mencionan benchmarks externos como OlmOCRBench, OmniDocBench, ParseBench y los rankings de Arbitr; un enlace sugiere que el OCR anterior de Mistral no estaba en la primera línea.
• Varios se quejan de “chart crimes”: ejes y truncados y presentaciones que pueden exagerar las mejoras.
• Hay interés en comparaciones frente a Unlimited-OCR de Baidu, Llama Parse, modelos locales de Apple, la visión de Claude, Gemini y Google Vision / Document AI, pero los datos son incompletos o inexistentes.

Precios y competencia

• Algunos ven $4 por 1.000 páginas como muy barato, pero otros señalan que Google Vision OCR es más barato para texto plano ($1.50/1k) y que las ofertas de Google/Azure con conciencia de la maquetación están más cerca en precio.
• Algunos se preguntan cómo pueden competir los proveedores tradicionales de OCR con esos precios.

Casos de uso, limitaciones y riesgos

• Se reportan buenos resultados en documentos empresariales complejos, tablas, formularios y revistas; se menciona especialmente como útil la generación automática de markdown + recorte de imágenes.
• También se señalan fallos en el mundo real (por ejemplo, fechas mal reconocidas en recibos, cambios en el estilo de las comillas), lo que resalta el riesgo en flujos de trabajo de alto riesgo o sensibles al formato.
• Debate sobre usar salidas de OCR en sistemas de decisión posteriores; preocupación por errores silenciosos de OCR que afecten decisiones financieras u otras críticas.

Caligrafía, idiomas y casos límite

• Varios comentarios confirman un buen reconocimiento de caligrafía en la práctica (incluidos documentos históricos), aunque siempre con un margen final de revisión humana.
• Otras herramientas como Transkribus, Sarvam, Gemini Pro y modelos Qwen se citan como fuertes para caligrafía o idiomas índicos.
• Un usuario informa de una clasificación errónea del idioma (malayalam como kannada); otro señala que la etiqueta de “rare/specialized languages” (antes “minor”) revela prioridades de entrenamiento.
• Algunos piden benchmarks por idioma y sobre datos manuscritos; los benchmarks públicos actuales se ven sesgados hacia texto impreso.