Mistral OCR 4.1

Artículo original ↗ Discusión en Hacker News ↗

El nuevo modelo OCR 4.1 de Mistral suscita reacciones encontradas: algunos usuarios elogian su velocidad, comprensión del diseño y buen rendimiento en documentos comunes y escritura manuscrita, mientras que otros lo consideran decepcionante en material complejo y caro frente a herramientas como Tesseract, Google Document AI o soluciones locales basadas en Baidu. Un tema recurrente es la compensación entre precisión, coste, velocidad y soberanía de los datos, y varios comentaristas valoran los modelos alojados en la UE o ejecutados localmente pese a precios más altos. La conversación también se amplía al escepticismo sobre el papel más amplio de Europa en la “carrera” de la IA, el impacto de la regulación y los guardrails (especialmente en torno al copyright) y si los modelos OCR especializados pueden superar a los VLM de propósito general.

Papel de Mistral y Europa en el panorama de la IA

  • Algunos ven a Mistral sostenida por la regulación de la UE y las necesidades de soberanía de datos, ocupando un nicho garantizado al servicio de empresas e instituciones europeas.
  • Otros sostienen que tiene menos que ver con la regulación y más con que los clientes europeos evitan a proveedores estadounidenses/chinos por motivos de soberanía.
  • Hay pesimismo sobre que Europa “desempeñe un papel significativo” en la carrera de la IA, contrarrestado por afirmaciones de que:
    • La IA se está comoditizando rápidamente.
    • Los pesos abiertos y la difusión del conocimiento permitirán a Europa “alcanzar” sin quemar capital al estilo estadounidense.
  • Debate sobre si existe una “carrera de la IA”:
    • Un lado enfatiza la ventaja del que llega primero, la seguridad nacional y el control de AGI/ASI.
    • El otro señala ventanas cortas de exclusividad, ejemplos en los que los primeros perdieron y el alto riesgo sistémico de la dinámica de carrera.
    • Algunos son escépticos de que la AGI a través de los LLM actuales llegue siquiera a materializarse y consideran racional el menor gasto de la UE como gestión del riesgo.

Precios, valor y alojamiento

  • Mistral OCR 4.1 cuesta ~3.5€/1000 páginas. Muchos lo llaman “caro”, especialmente frente a AWS Textract, Azure, Google Document AI, NuExtract y pipelines autoalojados que afirman 0.05–0.10 USD/1000 páginas.
  • Contraargumento: para uso empresarial, la precisión, la regulación y el alojamiento en la UE/la capacidad de funcionamiento en air-gap pueden justificar un precio más alto.
  • Algunos sostienen que el OCR tradicional (p. ej., Tesseract) es drásticamente más barato, pero a menudo insuficiente para diseños complejos, tablas, escritura manuscrita o alta fiabilidad.

Precisión, alucinaciones y comparaciones

  • Las experiencias son mixtas y dependen mucho de la tarea:
    • Algunos informan que Mistral OCR es excelente en documentos tipografiados estándar, formularios y PDFs simples, y elogian su velocidad y manejo del diseño.
    • Otros consideran que los modelos “pro” de OpenAI, Sonnet de Anthropic o Gemini son sustancialmente mejores, especialmente para textos históricos, escritura manuscrita y tipografía intrincada.
    • Una queja recurrente es que Mistral OCR alucina frases completas, lo que lleva a algunos a posprocesar con otro modelo como corrector.
  • El OCR tradicional + lógica de diseño se percibe como frágil y complejo; se prefieren el OCR de deep learning y los VLM para documentos multicolumna, tabulares o de contenido mixto.
  • Las afirmaciones específicas de “mejor de su clase” varían según el nicho (escritura manuscrita, diseño, idioma), y no se cita ningún benchmark consensuado; el rendimiento en escrituras no latinas se pregunta, pero sigue sin estar claro.

Guardrails, copyright y censura

  • Varios informan que los modelos de Anthropic se niegan a hacer OCR o traducción que parezca reproducción literal, incluso para textos propios o de dominio público, o para contenido con temas “sensibles”.
  • Esto conduce a soluciones alternativas (OCR en dos pasos, prompts creativos) y frustración por guardrails de seguridad/copyright demasiado restrictivos, vistos por algunos como rozando el control del pensamiento y motivados por temores legales.