Mistral OCR 4

Artigo original ↗ Discussão no Hacker News ↗

Impressões gerais sobre o Mistral OCR 4

  • Muitos comentadores relatam desempenho forte no mundo real, especialmente em documentos degradados ou antigos, comparando-o favoravelmente a ferramentas clássicas como o ABBYY FineReader e alguns VLMs modernos.
  • Outros estão céticos devido a versões anteriores do Mistral OCR terem ficado abaixo das alegações de marketing; alguns dizem que o OCR 4 parece melhor, mas querem primeiro benchmarks independentes.
  • Alguns utilizadores elogiam o Mistral especificamente para OCR, enquanto criticam os seus modelos de programação/gerais por serem mais fracos do que o SOTA dos EUA/China.

Benchmarks, precisão e avaliação

  • As pessoas questionam a forte dependência de benchmarks internos e de métricas públicas limitadas; há preocupações com o passado de “98% accurate on tiny internal sets”.
  • São referidos benchmarks externos como OlmOCRBench, OmniDocBench, ParseBench e os rankings do Arbitr; um link sugere que o OCR anterior do Mistral não estava no topo.
  • Vários queixam-se de “chart crimes”: eixos y truncados e uma apresentação que pode exagerar os ganhos.
  • Há interesse em comparações com o Unlimited-OCR da Baidu, Llama Parse, modelos locais da Apple, a visão do Claude, Gemini e Google Vision / Document AI, mas os dados são incompletos ou inexistentes.

Preços e concorrência

  • $4 por 1.000 páginas é visto por alguns como muito barato, mas outros observam que o Google Vision OCR é mais barato para texto simples ($1.50/1k) e que as ofertas com awareness de layout da Google/ Azure estão mais próximas em preço.
  • Alguns perguntam-se como os fornecedores tradicionais de OCR podem competir com estes preços.

Casos de uso, limitações e riscos

  • São relatados bons resultados em documentos empresariais complexos, tabelas, formulários e revistas; uma menção ao markdown automático + recorte de imagens é particularmente útil.
  • Também são assinaladas algumas falhas no mundo real (por exemplo, datas mal reconhecidas em recibos, alterações no estilo das aspas), destacando o risco para fluxos de trabalho de alto risco ou sensíveis à formatação.
  • Discute-se o uso dos resultados de OCR em sistemas de decisão subsequentes; há preocupação de que erros silenciosos de OCR afetem decisões financeiras ou outras decisões críticas.

Caligrafia, idiomas e casos extremos

  • Vários comentários confirmam bom reconhecimento de caligrafia na prática (incluindo documentos históricos), embora sempre com uma cauda de revisão humana.
  • Outras ferramentas como Transkribus, Sarvam, Gemini Pro e modelos Qwen são citadas como fortes para caligrafia ou idiomas Indic.
  • Um utilizador relata classificação incorreta de idioma (malayalam como kannada); outro nota que a rotulagem de idiomas “rare/specialized languages” (anteriormente “minor”) revela as prioridades de treino.
  • Alguns pedem benchmarks por idioma e em dados manuscritos; os benchmarks públicos atuais são vistos como enviesados para texto impresso.