Главная Программы Офис и продуктивность Mistral OCR 4.1: инструкция от гика, распознавание документов, таблиц и структурированных данных

Mistral OCR 4.1: инструкция от гика, распознавание документов, таблиц и структурированных данных

Mistral OCR — облачный сервис распознавания и разбора документов от Mistral AI. В сентябре 2026 года под этим названием нужно понимать не первый релиз 2025 года, а актуальный стек Document AI с моделью OCR 4.1: алиас mistral-ocr-latest указывает именно на неё. Сервис принимает документы и изображения, возвращает текст по страницам, Markdown, таблицы, изображения, координаты блоков, типы структурных элементов и оценки уверенности, а поверх OCR позволяет получать структурированный JSON. Работать можно через веб-интерфейс Document AI в Mistral Studio, REST API, официальные SDK и пакетные задания.

Что такое Mistral OCR и какой продукт актуален сейчас

Mistral OCR относится к классу Document AI, а не к обычным настольным программам-сканерам. Пользователь не устанавливает отдельный OCR-клиент на Windows или macOS: основная работа выполняется в облачном сервисе Mistral Studio либо через endpoint /v1/ocr. Для организаций с требованиями к локализации данных Mistral также предлагает корпоративный вариант self-hosted deployment; это отдельный enterprise-сценарий, а не бесплатная локальная сборка для домашнего компьютера.

Первый публичный Mistral OCR с идентификатором mistral-ocr-2503 появился в марте 2025 года и уже помечен как deprecated. OCR 2 с идентификатором mistral-ocr-2505 также снят с актуальной линии. OCR 3, mistral-ocr-2512, остаётся доступен для существующих интеграций, а для новых интеграций его заменяет OCR 4.1. OCR 4.1 имеет идентификатор mistral-ocr-4-1; с 16 июля 2026 года алиасы mistral-ocr-latest и mistral-ocr-4 указывают на эту модель, а 31 августа 2026 года версия 4.1 получила статус GA.

Разница поколений важна практически. Старые обзоры Mistral OCR часто описывают только извлечение Markdown, встроенных изображений и таблиц. В актуальной ветке OCR 4.x появились paragraph-level bounding boxes, структурные метки блоков и оценки уверенности. OCR 4.1 добавляет оценки уверенности на уровне блоков. Поэтому инструкции и интеграции, которые ориентируются только на OCR 2503 или OCR 2512, не отражают текущий набор данных, возвращаемых endpoint.

Параметр	Актуальное состояние
Разработчик	Mistral AI
Тип	Облачный OCR и Document AI; API и веб-интерфейс Studio
Актуальная модель	OCR 4.1, mistral-ocr-4-1
Алиас для новых интеграций	mistral-ocr-latest
Основной endpoint	/v1/ocr
Вход	PDF и изображения; через document_url также поддерживаются офисные документы, включая DOCX и PPTX
Выход	Страницы с Markdown, изображениями, таблицами, гиперссылками, размерами страницы, блоками и оценками уверенности; опционально структурированная аннотация
Таблицы	Встроенный Markdown либо отдельные Markdown/HTML-представления
Автоматизация	REST API, Python/TypeScript SDK, cURL, Batch API
Платформы и интерфейс	Document AI Playground в веб-среде Mistral Studio, REST API, официальные SDK и enterprise self-hosted; актуальная линейка распространяется как сервис и серверная технология, а не как установочный desktop OCR
Системные требования	Для hosted-режима достаточно браузера или HTTP-клиента и доступа в интернет; отдельные требования к домашнему CPU/GPU не задаются, self-hosted относится к enterprise-развёртыванию
Цена OCR 4.1	4 доллара за 1000 страниц в стандартном API; Document AI/annotated path — 5 долларов за 1000 страниц
Batch	Асинхронная обработка больших очередей; пакетный режим тарифицируется со скидкой 50% относительно стандартной цены
Бесплатный режим	Free mode даёт API-доступ без банковской карты; действуют включённый месячный объём и скоростные лимиты организации
Размещение данных	По умолчанию данные размещаются в ЕС; доступен отдельный US API endpoint
Шифрование	AES-256 для данных at rest и TLS 1.2+ при передаче
ZDR	Доступен по запросу для pay-as-you-go и stateless endpoint /v1/ocr; не распространяется на Files, Batch, Libraries и другие stateful-функции

Для каких задач нужен Mistral OCR

Главная задача Mistral OCR — превратить документ, который неудобно обрабатывать программно, в структурированное представление. Это относится не только к сканам. На вход можно подавать обычные PDF, фотографии страниц, презентации и офисные документы, а на выходе получать чтение по страницам с сохранением логики заголовков, списков, таблиц, формул, подписей и иллюстраций.

Для архивов и поиска ценность заключается в том, что OCR 4.1 возвращает не одну сплошную строку. Каждый блок может иметь тип и координаты. В актуальном API предусмотрены метки text, title, list, table, image, equation, caption, code, references, aside_text, header, footer и signature. Для RAG-систем это позволяет строить чанки не по фиксированному количеству символов, а по реальной структуре документа.

Для бухгалтерских, договорных и операционных документов полезен второй слой — Document Annotations. OCR сначала извлекает содержание, после чего сервис может сформировать JSON по заданной схеме. Это не то же самое, что простое распознавание: схема задаёт поля результата, а Document AI сопоставляет с ними информацию из распознанного документа. В результате одну и ту же основу можно применять для счетов, форм, реестров или внутренних карточек данных, не разбирая Markdown регулярными выражениями.

Для научных и технических PDF важны таблицы, математические выражения и изображения. Mistral OCR умеет возвращать таблицы отдельно в Markdown или HTML, а изображения — как отдельные элементы с координатами. При этом в основном Markdown появляются ссылки-заполнители на извлечённые изображения и таблицы, которые затем сопоставляются с массивами images и tables в ответе.

Обычная задача «сделать PDF редактируемым» не всегда требует API. Для разового переноса текста в документ подойдёт и более простой путь, например конвертация PDF в Google Документ. Mistral OCR становится оправданным, когда нужно сохранить структуру сложных страниц, обрабатывать много документов программно, получать координаты и confidence scores либо строить JSON по собственной схеме.

Интерфейс Mistral Studio и рабочие зоны

Веб-часть продукта представлена Document AI Playground в Mistral Studio. Это no-code поверхность для работы с тем же OCR-движком, который доступен через API. Она ориентирована на загрузку документов, просмотр распознанного содержания и получение структурированных данных без предварительной разработки собственного интерфейса. Для production-интеграций основной контракт задаёт endpoint /v1/ocr, поэтому названия API-параметров важнее внешнего расположения элементов в браузере.

Document AI Playground

Playground нужен для разовой обработки и прототипирования. Актуальный стек Document AI использует алиас mistral-ocr-latest, который ведёт на OCR 4.1. Веб-среда подходит для проверки того, как сервис разбирает PDF или изображение, но результат всё равно следует оценивать как OCR-данные: исходный документ остаётся эталоном, а таблицы, числа, подписи и сложная верстка требуют сверки.

REST API и SDK

Программная рабочая поверхность — endpoint /v1/ocr и метод client.ocr.process в SDK. Через параметры model, pages, table_format, include_image_base64, include_blocks, confidence_scores_granularity, extract_header и extract_footer задаётся объём и детализация результата. Такой интерфейс предсказуем для автоматизации: параметры можно хранить в конфигурации приложения, версионировать и повторять на больших наборах документов.

Annotations: структурированный слой поверх OCR

Document AI использует тот же OCR endpoint и добавляет structured extraction. document_annotation_format задаёт формат аннотации всего документа, document_annotation_prompt направляет извлечение при наличии формата, а bbox_annotation_format задаёт структуру аннотаций для найденных областей и изображений. Это отдельный слой над базовым OCR: Markdown, страницы и структура документа остаются доступны, а прикладные поля появляются дополнительно.

API Keys, Limits и Batch

Административная часть Studio включает API Keys для секретов доступа, страницу лимитов организации и Batch API для асинхронных очередей. Free mode даёт API-доступ с ограничениями, pay-as-you-go расширяет доступный объём, а лимиты OCR могут учитывать pages per minute. Batch выполняется отдельно от realtime-вызовов и предназначен для больших потоков, где ответ не требуется синхронно.

Основные функции OCR 4.1

Распознавание с сохранением порядка чтения

Базовый ответ разделён на страницы. У каждой страницы есть индекс и поле Markdown с основным содержимым. Это позволяет сохранять порядок чтения и обрабатывать длинный документ частями, не превращая все страницы в единую неструктурированную строку. Параметр pages выбирает только нужные страницы: можно передать список индексов или строку с числами и диапазонами, например 0-5 или 0,2-4. Нумерация в API начинается с нуля.

Таблицы в Markdown и HTML

Параметр table_format управляет тем, как возвращаются таблицы. При обычном режиме таблица остаётся внутри общего Markdown; при значениях markdown или html она появляется отдельным объектом в массиве tables, а в тексте страницы остаётся ссылка на соответствующий ресурс. HTML-представление лучше подходит для объединённых ячеек и сложной геометрии, потому что структура может передаваться через HTML-таблицу, а Markdown удобнее для простых табличных данных и последующей обработки текстовыми средствами.

Если конечная задача — не распознавание, а редактирование уже готового PDF, полезнее сравнить OCR с редакторами PDF. Mistral OCR извлекает содержание и структуру, но не является полноценным визуальным редактором PDF со слоями, комментариями и ручной версткой страниц.

Изображения и их координаты

Ответ OCR содержит массив images. При включении include_image_base64 извлечённые изображения можно получить вместе с ответом в Base64. Для контроля количества доступны image_limit и image_min_size. В Markdown ссылки на изображения используют имена ресурсов, а сами объекты содержат данные и координаты. Такой формат пригоден для документов, где иллюстрации нужно индексировать отдельно от текста.

Блоки, bounding boxes и структурные роли

В OCR 4.x параметр include_blocks возвращает массив blocks в каждой странице. Блок содержит границы области, роль и распознанное содержание. Это отличает Document AI от простого OCR: приложение получает сведения не только о том, что написано, но и о том, где находится фрагмент и какую функцию он выполняет в макете. Заголовок, таблица, формула, подпись и колонтитул могут обрабатываться разными правилами на следующем этапе.

Confidence scores

Параметр confidence_scores_granularity поддерживает значения page, block и word. В режиме page возвращаются агрегированные оценки по странице. Block добавляет оценку к каждому структурному блоку при включённом include_blocks. Word возвращает массив оценок для отдельных слов, включая содержимое таблиц. Это важный механизм контроля качества: вместо слепого принятия всего результата можно отправлять низкоуверенные фрагменты на ручную проверку.

Заголовки и колонтитулы

Параметры extract_header и extract_footer выделяют содержимое верхних и нижних колонтитулов в отдельные поля. Без этих параметров OCR включает колонтитулы в основной поток. Для книг, отчётов и договоров разделение полезно, потому что повторяющийся номер страницы или название главы не загрязняет основное содержимое.

Гиперссылки и размеры страниц

В объекте страницы предусмотрены hyperlinks и dimensions. Эти данные позволяют сохранить ссылки из цифрового PDF и нормализовать координаты блоков относительно размеров страницы. Для систем цитирования это даёт основу для перехода от найденного фрагмента к визуальному месту в оригинале.

Структурированные аннотации

Document AI добавляет к OCR слой structured extraction. Пользователь задаёт JSON Schema, а результат появляется в document_annotation. Это полезно, когда нужно получить не весь документ, а фиксированные поля: номер договора, дата, стороны, сумма, позиции счёта или реквизиты формы. Схема не отменяет исходный OCR: приложение всё равно может хранить Markdown и координаты как доказательную основу для проверки структурированных полей.

Пакетная обработка

Batch API принимает JSONL-файлы, где каждая строка содержит тело отдельного запроса. Endpoint /v1/ocr поддерживается в Batch API. Максимальный размер batch-файла в текущих ограничениях составляет 512 МБ, в одном задании допускается до 100 000 запросов. Обработка асинхронная; время завершения зависит от очереди и сложности. Результаты batch доступны для загрузки в течение 24 часов после завершения.

Пакетный режим нужен для архивов и регулярного импорта, но он отличается по приватности от прямого stateless OCR: Zero Data Retention не распространяется на batch processing files. Если документы содержат особо чувствительные данные, это различие нужно учитывать до выбора архитектуры.

Задача → инструмент → результат → что проверить

Задача	Инструмент	Результат	Что проверить
Оцифровать обычный PDF	OCR Processor, response Markdown	Текст по страницам	Порядок чтения, пропуски, повторяющиеся колонтитулы
Извлечь сложные таблицы	table_format=html	Отдельные HTML-таблицы и ссылки из Markdown	Объединённые ячейки, заголовки колонок, соответствие строк
Построить RAG по документам	include_blocks и bounding boxes	Типизированные блоки в порядке чтения	Границы блоков, роль таблиц и заголовков, качество чанкинга
Найти сомнительные места	confidence_scores_granularity	Оценки по страницам, блокам или словам	Порог ручной проверки и соответствие низких оценок оригиналу
Извлечь поля счёта или формы	document_annotation_format	JSON по заданной схеме	Типы полей, обязательность, полнота, сверка с OCR
Разобрать иллюстрации	include_image_base64 и image metadata	Изображения с координатами	Соответствие ссылок в Markdown объектам images
Обработать архив	Batch API	Асинхронный набор OCR-ответов	Статус job, полнота output, срок доступности результатов
Прототип без кода	Document AI Playground	Визуальный результат и экспорт конфигурации	Настройки модели, страниц, таблиц и формата ответа

Карта форматов и совместимости

Форматы у Mistral OCR зависят от способа подачи документа. Для прямой загрузки Files в текущих ограничениях перечислены PDF, PNG, JPG, JPEG, TIFF, BMP, GIF и WEBP; максимальный размер загружаемого файла — 512 МБ. Через image_url обрабатываются PNG, JPEG/JPG, AVIF и другие поддерживаемые изображения. Через document_url доступны PDF, PPTX, DOCX и другие документы; ветка OCR 4 также работает с PDF, DOC, PPT и OpenDocument. Поэтому безопаснее разделять «формат поддерживается сервисом Document AI» и «формат разрешён конкретным способом загрузки».

Тип	Как подать	Что возвращается	Редактируемость	Риск потерь
PDF	Публичный URL, Base64 или загрузка файла	Markdown, tables, images, blocks, metadata	Результат редактируем как текст/JSON, но исходная PDF-вёрстка не становится редактируемым макетом	Нужно проверять сложные таблицы, формулы и низкоуверенные слова
PNG/JPEG и другие изображения	URL или Base64; часть форматов также через Files	OCR-страница с распознанным содержимым и метаданными	Редактируется распознанный текст, не само изображение	Качество зависит от читаемости, размера текста и искажений
DOCX/PPTX	document_url и Document AI	Структурированный текст документа	Возвращается представление содержимого, а не исходный редактируемый Office-файл	Сложные элементы следует сверять с оригиналом
Таблица внутри документа	table_format markdown или html	Отдельный объект tables	Markdown проще править вручную; HTML лучше хранит сложную структуру	Нужно сверять rowspan/colspan и порядок колонок
Извлечённое изображение	include_image_base64	Объект images и ссылка из Markdown	Изображение остаётся графикой	Нужно сохранять связь image id с местом в тексте
Структурированный результат	JSON Schema annotation	document_annotation	Разбирается стандартными JSON-инструментами по заданной схеме	Схема может быть формально валидной, но значения всё равно требуют проверки по исходнику

После OCR результат можно использовать в другом редакторе или вернуть в PDF отдельным инструментом. Для обратного направления пригодится материал о конвертации Google Документа в PDF. Сам Mistral OCR ориентирован на извлечение и структуру, а не на финальную верстку печатного файла.

Как пользоваться программой — советы гика

Ниже собраны рабочие последовательности только для подтверждённых функций. Веб-интерфейс и API решают одну задачу разными путями: Studio подходит для проверки параметров и разовой обработки, а API — для автоматизации. Исходный документ при OCR не редактируется, поэтому безопасный откат почти всегда сводится к сохранению оригинала, отмене выбранной конфигурации и повторной обработке.

Создать и безопасно хранить API-ключ

Цель. Подготовить доступ к OCR API без хранения секрета в исходном коде.

Подготовка. Нужен аккаунт Mistral Studio. В Free mode API-доступ включён без банковской карты, но действуют usage и rate limits.

Откройте консоль Mistral Studio.
В левой панели выберите API Keys.
Нажмите Create new key.
Задайте Name и Expiration; при необходимости настройте Connector access scope.
Скопируйте созданный секрет в переменную окружения MISTRAL_API_KEY или менеджер секретов приложения.

Проверка. Приложение должно читать MISTRAL_API_KEY из окружения и выполнять авторизованный вызов API. Типичная ошибка. Секрет вставляют непосредственно в репозиторий. Откат: отзовите такой ключ в API Keys, создайте новый через Create new key и замените секрет в окружении.

Обработать только нужные страницы

Цель. Не тратить лимит и время на ненужные страницы большого PDF.

В запросе к /v1/ocr используйте параметр pages. Допустим список индексов либо строка с диапазонами, например 0-5 или 0,2-4.
Учитывайте, что API считает страницы с нуля: первая страница имеет индекс 0.
Запустите OCR и проверьте массив pages в ответе.

Проверка. Индексы возвращённых страниц должны совпадать с выбранным набором. Типичная ошибка. Пользователь передаёт человеческую нумерацию с единицы и получает соседние страницы. Откат: исправьте диапазон и повторите запрос; исходный файл не меняется.

Извлечь таблицы в Markdown или HTML

Цель. Получить таблицу отдельно от основного текста и сохранить её структуру.

В запросе к /v1/ocr задайте table_format=»markdown» для отдельной Markdown-таблицы или table_format=»html» для HTML-представления.
Для inline-таблиц оставьте table_format без значения: тогда таблица входит в основной Markdown страницы.
Запустите обработку.
В ответе сопоставьте ссылку на таблицу в Markdown с соответствующим объектом массива tables.

Проверка. Сравните число колонок, заголовки и объединённые ячейки с оригиналом. Типичная ошибка. HTML-таблица сохраняется как обычный текст и теряет структуру. Откат: не заменяйте исходные данные распознанной версией до сверки; повторите OCR с другим table_format.

Получить извлечённые изображения

Цель. Сохранить иллюстрации документа отдельно от текста.

В запросе к /v1/ocr включите include_image_base64=true.
При необходимости ограничьте количество через image_limit и отфильтруйте слишком мелкие изображения через image_min_size.
После обработки сохраните объекты из массива images и связь с именами, указанными в Markdown.

Проверка. Каждая ссылка вида изображения в Markdown должна иметь соответствующий объект images. Типичная ошибка. Разработчик сохраняет только Markdown и теряет Base64-ресурсы. Откат: повторите запрос с include_image_base64 и храните текст и ресурсы как единый пакет.

Включить блоки, координаты и confidence scores через API

Цель. Получить данные для подсветки, RAG и ручной верификации.

В запросе к /v1/ocr используйте модель mistral-ocr-latest.
Установите include_blocks=true.
Задайте confidence_scores_granularity=»block», если нужен контроль каждого блока, либо «word» для слов.
Отправьте документ как document_url, image_url или через поддерживаемую загрузку.
Прочитайте blocks в каждой странице и confidence_scores на выбранном уровне.

Проверка. У блока должен быть тип, содержимое и координаты; при block granularity — собственная оценка уверенности. Типичная ошибка. include_blocks передают старой модели и получают пустой массив. Откат: переключитесь на OCR 4.1 через mistral-ocr-latest и повторите запрос.

Выделить header и footer

Цель. Отделить повторяющиеся колонтитулы от основного содержания.

В API включите extract_header=true и/или extract_footer=true.
Запустите OCR.
Получите значения header и footer в каждой странице.
При построении индекса храните их отдельно либо исключайте из основного поискового текста по правилам вашего приложения.

Проверка. Убедитесь, что повторяющееся название документа или номер страницы не дублируется в основном тексте. Типичная ошибка. Приложение продолжает индексировать и markdown, и header/footer, создавая повторения. Откат: измените постобработку, а не исходный OCR-файл.

Получить структурированный JSON по собственной схеме

Цель. Превратить распознанный документ в набор заранее определённых полей.

Опишите структуру результата как JSON Schema, Pydantic-модель или Zod-схему в зависимости от выбранного SDK.
Передайте схему в document_annotation_format с режимом json_schema.
Укажите model=»mistral-ocr-latest» и исходный document.
Отправьте вызов через /v1/ocr или client.ocr.process.
Прочитайте структурированный результат в document_annotation и одновременно сохраните обычный OCR-ответ для проверки.

Проверка. Сверяйте валидность JSON и каждое значимое поле с оригиналом и Markdown. Типичная ошибка. Схема делает обязательным поле, которого нет в части документов, и перестаёт соответствовать реальному набору исходников. Откат: исправьте схему, обязательность или тип поля и повторите вызов; исходный документ не меняется.

Аннотировать изображения и области через bbox_annotation_format

Цель. Получить для извлечённых областей структурированные описания, пригодные для последующей обработки.

Опишите требуемые поля для области в Pydantic, Zod или JSON Schema.
Передайте эту структуру в bbox_annotation_format.
Для доступа к извлечённым изображениям включите include_image_base64=true.
Отправьте документ в /v1/ocr с моделью mistral-ocr-latest.
Сопоставьте bbox annotations с соответствующими изображениями или областями исходной страницы.

Проверка. Для каждой используемой аннотации должна сохраняться связь с областью и исходной страницей. Типичная ошибка. Прикладное описание сохраняют отдельно от координат, после чего его нельзя доказательно связать с оригиналом. Откат: повторите обработку и храните аннотацию вместе с идентификатором страницы, bbox и исходным ресурсом.

Запустить OCR по публичному URL, Base64 или загруженному PDF

Цель. Выбрать безопасный способ передачи документа в приложение.

Для публичного PDF передайте объект document типа document_url и URL, доступный серверам Mistral без авторизации.
Для локального PDF закодируйте содержимое в Base64 и передайте как document_url с data URI либо загрузите файл через поддерживаемый файловый механизм.
Для изображения используйте тип image_url и прямой URL или Base64.
Укажите model=»mistral-ocr-latest» и нужные параметры.
Отправьте запрос на /v1/ocr.

Проверка. Успешный ответ содержит model, pages и usage_info. Типичная ошибка. document_url закрыт авторизацией или возвращает HTML вместо файла. Откат: не делайте документ публичным без необходимости; используйте Base64 или контролируемую загрузку.

Обработать большой массив через Batch API

Цель. Перенести массовое распознавание из синхронного цикла в управляемое асинхронное задание.

Подготовьте JSONL, где каждая строка содержит custom_id и body с параметрами отдельного OCR-запроса.
Загрузите JSONL как input file для Batch.
Создайте batch job с endpoint /v1/ocr.
Отслеживайте состояние задания до завершения.
Скачайте результат и сопоставьте ответы с исходными custom_id.
Сохраните итог до истечения 24-часового окна доступности batch results.

Проверка. Количество завершённых ответов должно соответствовать числу ожидаемых custom_id, а ошибки следует обрабатывать отдельно. Типичная ошибка. Batch выбирают для данных, где обязателен ZDR. Откат: для таких документов используйте stateless /v1/ocr с активированным ZDR либо согласованный self-hosted вариант.

Сквозной сценарий: PDF → Markdown → таблицы → проверка → сохранение

Цель. Получить переносимый результат сложного отчёта и не потерять связь с исходником.

Сохраните оригинальный PDF отдельно и подготовьте API-ключ в MISTRAL_API_KEY.
Отправьте PDF в /v1/ocr с model=»mistral-ocr-latest».
Для отчёта со сложными таблицами задайте table_format=»html», а для извлечения ресурсов — include_image_base64=true.
Включите include_blocks=true и confidence_scores_granularity=»block», чтобы сохранить структуру и признаки для ручной проверки.
Получите pages, markdown, tables, images, blocks и confidence_scores; свяжите каждый элемент с индексом страницы.
Сверьте заголовки, числовые значения, подписи и сложные таблицы с оригинальным PDF; низкоуверенные блоки отправьте на ручную проверку.
Сохраните Markdown, таблицы, изображения и метаданные как единый пакет, не заменяя им оригинал документа.

Проверка. Финальный пакет должен содержать ресурсы, на которые ссылается Markdown, и однозначно связывать их с исходными страницами. Типичная ошибка. Сохраняется только текст без таблиц, изображений и координат. Откат: повторно сформируйте полный пакет из неизменённого оригинального PDF.

Чек-лист перед сохранением, экспортом или публикацией

Сохранён оригинал документа, а OCR-результат не заменяет его без проверки.
Выбрана актуальная модель mistral-ocr-latest, а не deprecated OCR 2503/2505.
Проверены нужные страницы и их нулевая нумерация в API.
Числа, даты, имена и юридически значимые фразы сверены с оригиналом.
Сложные таблицы проверены по строкам и объединённым ячейкам.
Ссылки на изображения и таблицы в Markdown имеют соответствующие ресурсы.
Низкие confidence scores попадают в ручную проверку, а не принимаются автоматически.
JSON Schema не требует отсутствующих полей и не меняет смысл исходных данных.
API-ключ не хранится внутри экспортированного исходного кода.
Для чувствительных документов выбран подходящий режим хранения: stateless OCR с ZDR, корпоративный self-hosted или другая согласованная схема.

Что перестанет работать первым

У Mistral OCR нет локального исполняемого файла, который продолжит работать без сервера. В облачном сценарии критичны аккаунт, доступ к API и сеть. Если интернет недоступен, Studio и hosted endpoint не выполняют OCR. Если исчерпаны месячные ограничения Free mode или установленный spending limit, новые обращения останавливаются до восстановления лимита, следующего расчётного периода или изменения настроек администратора.

Следующая зависимость — API key. Ключ привязан к Workspace и использует его квоты и ресурсы. После удаления, истечения срока или ротации старый ключ перестаёт авторизовывать запросы. Для production-системы это означает, что секрет должен меняться без изменения бизнес-логики и без хранения в клиентском приложении.

Публичный document_url — ещё одна точка отказа. Mistral должен иметь возможность получить файл по указанному URL. Истёкшая временная ссылка, запрет внешнего доступа или сервер, который вместо документа возвращает страницу входа, приводят к ошибке загрузки ещё до распознавания.

Batch зависит от файлового и асинхронного слоя. Он не относится к stateless ZDR и хранит результаты ограниченное время после завершения. Поэтому массовый конвейер должен забирать output автоматически, а не рассчитывать на постоянное хранение результата внутри Mistral.

Self-hosted deployment снимает зависимость от публичного OCR endpoint, но переносит ответственность на инфраструктуру организации. Универсальной конфигурации домашнего ПК для OCR 4.1 нет: self-hosted поставляется enterprise-клиентам и рассчитан на согласованное серверное развёртывание.

Цена, бесплатный режим и ограничения

OCR 4.1 тарифицируется по страницам, а не по текстовым токенам. Стандартная цена актуальной модели — 4 доллара за 1000 страниц. Document AI с аннотированным/структурированным слоем стоит 5 долларов за 1000 страниц. Batch предназначен для высокообъёмной обработки и получает скидку 50%, поэтому стандартный OCR в пакетном режиме обходится в 2 доллара за 1000 страниц. Перед массовым импортом итоговую стоимость стоит сопоставить с Billing организации и выбранным региональным режимом.

Free mode даёт API access без банковской карты. В нём действуют включённый месячный объём и rate limits; для Document OCR лимиты могут учитывать pages per minute, а текущие значения показываются в Admin Panel → API → Limits. Единого фиксированного числа бесплатных OCR-страниц для всех организаций нет: доступный объём определяется текущими лимитами аккаунта.

Pay-as-you-go не является отдельной моделью OCR: это режим биллинга, который расширяет доступное API-использование за пределы включённого объёма. Для Organization и отдельных Workspaces можно задавать месячные spending limits. При достижении месячного лимита API-доступ может быть приостановлен до начала следующего месяца либо до увеличения лимита администратором.

Для обычной загрузки файлов текущий общий предел Files составляет 512 МБ. Загруженные файлы хранятся 30 дней, если их не удалить раньше. Это принципиально отличается от прямого stateless вызова OCR: использование Files создаёт состояние на стороне сервиса и меняет требования к хранению.

Если задача сводится к сканированию бумажных страниц, до выбора облачного OCR стоит проверить качество источника. Подбор устройств для оцифровки есть в материале про сканеры. Хороший исходник не отменяет OCR-проверку, но уменьшает количество мест, где приходится вручную сверять символы.

Приватность и безопасность

По умолчанию данные Mistral размещаются в Европейском союзе. При явном использовании US API endpoint данные размещаются в США. Отдельные функции могут временно привлекать субпроцессоров в других локациях; для enterprise-организаций часть таких возможностей можно отключать на уровне организации.

Данные at rest шифруются AES-256, передача защищается TLS 1.2 или новее. Эти меры защищают транспорт и хранение, но не заменяют архитектурного решения о том, нужно ли вообще отправлять конкретный документ в облако. Паспортные данные, медицинские документы, коммерческие тайны и другие чувствительные категории следует обрабатывать в соответствии с политикой организации и применимыми требованиями.

В Free mode Mistral может использовать input и output для улучшения моделей; для Studio/API доступен opt-out через Admin → Privacy → Anonymous improvement data. Pay-as-you-go также даёт пользователю контроль над этим параметром. Отдельная настройка Vibe не заменяет настройку Studio/API: эти переключатели независимы.

Zero Data Retention доступен по запросу только для pay-as-you-go. При включённом ZDR вход и выход stateless вызова /v1/ocr не сохраняются дольше времени, необходимого для ответа. Однако ZDR не распространяется на Batch, Files API, Libraries, conversations и другие stateful-продукты. Это один из главных архитектурных критериев выбора между прямым OCR, загрузкой файла и массовым Batch.

Пользователь сохраняет права на свои input и output; Mistral не заявляет авторские права на созданный для пользователя output. Это не гарантирует юридическую корректность распознанного текста: OCR может ошибиться, поэтому для договоров, финансовых документов и иных данных с высокой ценой ошибки финальный контроль должен выполняться по оригиналу.

Производительность и зависимость от интернета

Hosted Mistral OCR требует сети при каждой обработке. Для интерактивных вызовов действуют account-specific limits, в том числе pages per minute; актуальные значения видны в Admin Panel. Batch не расходует real-time rate limits так же, как синхронные запросы, но выполняется асинхронно и может ждать очередь.

Указывать универсальное время обработки одного PDF некорректно: оно зависит от числа страниц, сложности, размера, загруженности и режима. Для пользователя важнее контролировать три вещи: реальный pages-per-minute limit аккаунта, долю документов, отправляемых в ручную проверку по confidence scores, и время ожидания batch job. Эти показатели можно измерить на собственном наборе без переноса маркетинговых бенчмарков в производственные ожидания.

При self-hosted deployment интернет для обращения к публичному endpoint не нужен, но локальная инфраструктура становится частью системы. OCR 4 рассчитан на развёртывание в одном контейнере; при этом универсальные потребительские требования к CPU, GPU и памяти для self-hosted OCR 4.1 не заданы. Оборудование для такого варианта следует подбирать по спецификации конкретного enterprise-развёртывания.

Плюсы и минусы

Плюсы

Актуальный OCR 4.1 возвращает не только текст, но и paragraph-level bounding boxes, структурные типы блоков и confidence scores.
Один endpoint покрывает обычное распознавание и структурированные аннотации, поэтому можно хранить исходный Markdown рядом с JSON.
Таблицы возвращаются как Markdown или HTML, что позволяет выбирать простоту либо сохранение сложной структуры.
Веб-интерфейс Document AI позволяет прототипировать обработку без кода и экспортировать конфигурацию в Python, TypeScript или cURL.
Поддерживаются массовые задания через Batch API и до 100 000 запросов в одном batch job.
Для чувствительных сценариев есть ZDR на stateless /v1/ocr и отдельный enterprise-вариант self-hosted.
Алиас mistral-ocr-latest упрощает переход на текущую модель, а фиксированный mistral-ocr-4-1 позволяет закрепить версию в production.

Минусы

Облачный режим не работает без подключения к интернету и зависит от квот, API key и доступности сервиса.
Free mode имеет ограниченный объём и rate limits; доступные квоты зависят от аккаунта и отображаются в Admin Panel.
ZDR не применяется к Batch и Files, поэтому приватность зависит от выбранного пути загрузки, а не только от модели.
Результат OCR не является визуально редактируемой копией PDF: для правки верстки нужен отдельный PDF-редактор.
Структурированный JSON остаётся результатом модели и требует сверки с исходником, особенно для сумм, дат, реквизитов и юридически значимых полей.
Self-hosted доступен как enterprise-вариант; публичной бесплатной локальной сборки OCR 4.1 с готовым desktop UI нет.

Кому подойдёт

Разработчикам RAG и enterprise search. Blocks, bounding boxes, типы структурных элементов и confidence scores дают больше контроля, чем простой текстовый OCR.
Командам, которые разбирают счета, формы и договоры. JSON Schema позволяет получить фиксированные поля и хранить рядом исходный OCR для проверки.
Архивам и исследовательским проектам. Batch API подходит для больших массивов PDF и сканов, когда результат не нужен мгновенно.
Системам с мультиязычными документами. OCR 4 заявлен для широкого набора языков и разных типов документов; при production-внедрении всё равно нужен собственный контрольный набор.
Командам без готового OCR-приложения. Document AI Playground позволяет начать с визуального интерфейса, а затем перенести рабочую конфигурацию в API.

Кому не подойдёт

Тем, кому нужен полностью офлайн-инструмент без enterprise-контракта. Hosted OCR зависит от облака, а self-hosted не является обычной бесплатной desktop-версией.
Пользователям, которым надо редактировать PDF как макет. Mistral OCR извлекает содержание, но не заменяет Acrobat-подобный редактор.
Разовой домашней задаче с простым PDF. Когда нужно лишь скопировать несколько абзацев, настройка Studio/API может быть избыточной.
Процессам, где распознанный результат нельзя проверять человеком или правилом. OCR и структурированные поля не должны становиться единственным источником истины при высокой цене ошибки.
Сценариям с обязательным ZDR и одновременно Batch. Эти требования конфликтуют: ZDR не покрывает batch processing files.

Сравнение с другими аналогами

Сравнение ниже использует одинаковые критерии: задача, платформа, порог освоения, форматы, автоматизация, модель оплаты, ограничения и наиболее подходящий сценарий. Это не рейтинг: продукты решают близкие задачи, но по-разному балансируют облако, локальный контроль, специализированные парсеры и стоимость.

Решение	Задача и платформа	Порог освоения	Форматы	Автоматизация	Оплата и ограничения	Подходящий сценарий
Mistral OCR 4.1	Document AI в Studio, API, enterprise self-hosted	Низкий в Playground, средний в API	PDF, изображения, офисные документы через Document AI	REST, SDK, Batch, JSON Schema	4 доллара/1000 страниц OCR, 5 долларов/1000 страниц Document AI; Free mode с лимитами	Структурированный OCR, RAG, таблицы, формы и массовая обработка
Google Cloud Document AI	Облачные OCR и специализированные processors	Средний: нужен Google Cloud project и processor	PDF и распространённые документы/изображения в зависимости от processor	API, batch, специализированные extractors	Enterprise Document OCR: первые 1000 страниц в ценовой таблице идут по нулевой ставке, затем 1,50 доллара/1000 страниц до 5 млн страниц; дополнительные processors стоят отдельно	Команды, уже работающие в Google Cloud и нуждающиеся в специализированных processors
Azure AI Document Intelligence	Foundry/Document Intelligence Studio и API	Средний: нужен Azure resource, key и endpoint	Read/Layout поддерживают PDF, JPEG/JPG, PNG, BMP, TIFF, HEIF, а также DOCX, XLSX, PPTX и HTML через API	REST, C#, Python, Java, JavaScript	Есть бесплатный F0 и платный S0; у F0 обрабатываются только первые две страницы PDF/TIFF, размер файла 4 МБ, у S0 — до 500 МБ	Экосистема Azure, Office-документы и преднастроенные модели Document Intelligence
Amazon Textract	AWS API, Console и CLI	Средний: нужны AWS account, IAM и обычно S3	PNG, JPEG, TIFF, PDF	Синхронные и асинхронные API	Оплата по страницам; у новых AWS-клиентов Free Tier на три месяца, Detect Document Text — до 1000 страниц/месяц в бесплатном объёме. Для async PDF/TIFF — до 500 МБ и 3000 страниц	AWS-конвейеры с S3, формами, таблицами и стандартным OCR
PaddleOCR	Open-source toolkit для локального, серверного и облачного запуска	Выше: Python, зависимости и выбор inference backend	Изображения и документы; PP-StructureV3/PaddleOCR-VL преобразуют сложные документы в Markdown/JSON	Python, CLI, API, локальный inference, serving	Локальный запуск без обязательной платы за каждую страницу; стоимость переносится на собственное оборудование и эксплуатацию	Офлайн/локальные проекты, где важен контроль инфраструктуры и допустима более сложная настройка

Google Cloud Document AI дешевле по базовой цене Enterprise Document OCR, но структурированный парсинг и специализированные processors оплачиваются отдельно. Azure сильнее интегрирован с Office-форматами и экосистемой Microsoft. Textract логично выбирать внутри AWS, особенно когда источники уже находятся в S3. PaddleOCR отличается принципиально: это локально разворачиваемый open-source стек, поэтому он требует больше инженерной работы, но не привязывает каждый локальный OCR-вызов к облачной цене за страницу.

Для простых потребительских сценариев можно сравнить и обычные сервисы распознавания и перевода текста по фото. Они проще, но обычно не дают того набора блоков, координат, batch-процессинга и JSON Schema, ради которого выбирают Mistral OCR.

Типичные проблемы и диагностика

1. OCR не может получить документ по URL

Симптом: запрос завершается до нормального OCR-ответа или документ не загружается. Возможная причина: document_url недоступен без авторизации, истёк, возвращает redirect на login или HTML вместо документа. Диагностика: откройте URL в приватном окне без активной сессии и убедитесь, что возвращается сам файл. Исправление: используйте корректный публичный URL либо передайте Base64/загрузку файла. Проверка: ответ /v1/ocr содержит model, pages и usage_info.

2. Получены не те страницы PDF

Симптом: OCR обработал соседнюю страницу или пропустил первую. Возможная причина: API использует нулевую нумерацию. Диагностика: сравните pages в запросе и index в ответе. Исправление: пересчитайте диапазон с первой страницей как 0. Проверка: индексы в ответе точно соответствуют требуемым страницам.

3. Массив blocks пустой

Симптом: include_blocks включён, но структурных блоков нет. Возможная причина: запрос отправлен на модель до OCR 4. Диагностика: проверьте поле model в ответе. Исправление: используйте mistral-ocr-latest или mistral-ocr-4-1. Проверка: каждая обработанная страница содержит blocks с типами и координатами.

4. Таблица выглядит как сломанный текст

Симптом: объединённые ячейки и многоуровневые заголовки потеряли структуру. Возможная причина: сложную таблицу оставили во встроенном Markdown. Диагностика: сравните визуальную таблицу с массивом tables. Исправление: повторите OCR с table_format=html и проверяйте HTML-структуру. Проверка: заголовки, colspan/rowspan и порядок строк совпадают с оригиналом.

5. Markdown ссылается на изображения, которых нет в сохранённом результате

Симптом: в тексте присутствуют ссылки img-*.jpeg, но файлы отсутствуют. Возможная причина: приложение сохранило только page.markdown и проигнорировало images. Диагностика: проверьте массив images в ответе и настройку include_image_base64. Исправление: сохраняйте ресурсы вместе с Markdown. Проверка: каждая ссылка из текста разрешается в сохранённое изображение.

6. Confidence scores отсутствуют

Симптом: поле confidence_scores равно null. Возможная причина: confidence_scores_granularity не задан. Диагностика: проверьте тело запроса. Исправление: задайте page, block или word; для block дополнительно включите include_blocks. Проверка: страница содержит агрегированную оценку, а выбранный детальный уровень — дополнительные значения.

7. JSON формально правильный, но поле содержит неверное значение

Симптом: structured output проходит проверку схемы, но сумма, дата или реквизит не совпадают с документом. Возможная причина: JSON Schema гарантирует форму результата, а не фактическую истинность каждого значения. Диагностика: сопоставьте поле с исходным Markdown, bounding box и оригинальной страницей. Исправление: уточните description поля, добавьте контрольные правила и ручную проверку критичных значений. Проверка: структурированные данные подтверждаются исходным документом.

8. Запросы внезапно получают 429

Симптом: ранее рабочая интеграция возвращает Too Many Requests. Возможная причина: достигнут rate limit или pages-per-minute limit. Диагностика: откройте Admin Panel → API → Limits и проверьте X-RateLimit-Remaining, если заголовок возвращается. Исправление: снизьте параллелизм, перенесите массовую очередь в Batch либо согласуйте повышение rate limit. Проверка: запросы снова выполняются без 429 и не превышают настроенный бюджет.

9. ZDR включён, но файл всё равно хранится

Симптом: ожидалось отсутствие хранения, но документ виден в Files или участвует в Batch. Возможная причина: ZDR покрывает stateless /v1/ocr, но не Files, Batch, Libraries и другие stateful-функции. Диагностика: определите фактический путь передачи документа. Исправление: для ZDR-сценария используйте прямой stateless OCR без stateful upload либо согласованный self-hosted deployment. Проверка: архитектура не создаёт ресурсов в исключённых из ZDR продуктах.

10. API key перестал работать

Симптом: все OCR-запросы из одного приложения получают ошибку авторизации. Возможная причина: ключ истёк, удалён, ротирован или относится к другому Workspace. Диагностика: проверьте ключ в Admin/Studio, его expiration и Workspace. Исправление: создайте новый ключ, обновите секрет в окружении и не меняйте код бизнес-логики. Проверка: тестовый запрос к списку моделей или /v1/ocr проходит с новым ключом.

Практические ограничения качества

OCR 4.1 даёт средства для контроля, но не отменяет сам контроль. Формулы, рукопись, блеклые сканы, сложные таблицы и документы с необычной геометрией требуют выборочной сверки. Встроенные confidence scores полезны именно как сигнал для маршрутизации: низкая оценка — повод показать область человеку или повторить обработку, а не числовая гарантия того, что высокая оценка означает абсолютную правильность.

Для сканов важно качество исходного изображения. Слишком мелкий текст, сильное размытие и обрезанные поля физически уменьшают количество доступной информации. Облачный OCR не восстанавливает символы, которых нет на изображении. Для фотографий документов сначала полезно исправить перспективу и освещение на стороне захвата, а затем сравнить результат с оригиналом.

Если документ предназначен для последующего машинного перевода, сначала нужно убедиться, что OCR не исказил имена, числа и разметку. Ошибка распознавания затем переносится в перевод как исходный факт. Для быстрых бытовых задач можно использовать отдельные сервисы перевода по фото, но при массовой обработке Mistral OCR удобнее тем, что предоставляет структурные данные для собственного конвейера.

FAQ

Mistral OCR — это отдельная программа для Windows?

Нет. Актуальный Mistral OCR — сервис Mistral AI: веб-интерфейс Document AI в Studio и API /v1/ocr. Отдельного потребительского desktop-приложения OCR 4.1 не требуется. Self-hosted deployment предлагается enterprise-клиентам как серверный вариант.

Какую модель указывать в новом проекте?

Для новой интеграции используйте mistral-ocr-latest либо зафиксируйте mistral-ocr-4-1, если важно не менять модель автоматически. На 4 сентября 2026 года latest указывает на OCR 4.1.

Чем OCR отличается от Document AI?

OCR возвращает извлечённое содержание, таблицы, изображения, блоки, координаты и confidence scores. Document AI использует тот же OCR как основу и добавляет структурирование по JSON Schema, аннотации и другие прикладные слои. То есть Document AI не заменяет OCR, а расширяет его.

Можно ли использовать Mistral OCR бесплатно?

Free mode доступен по умолчанию, API-ключ создаётся без банковской карты. Действуют месячные usage limits и rate limits, которые показываются в аккаунте. Фиксированный универсальный бесплатный объём OCR-страниц на общей странице не указан.

Что лучше сохранять после распознавания PDF?

Для воспроизводимости сохраняйте исходный PDF, page index, Markdown, таблицы, изображения и при необходимости blocks/confidence scores. Структурированный JSON полезно хранить рядом, но не вместо исходного OCR, чтобы можно было проверить происхождение каждого важного значения.

Поддерживает ли Mistral OCR рукописный текст?

Сервис рассчитан в том числе на рукописные и смешанные документы. Для production-использования рукописи нужен собственный контрольный набор и визуальная проверка, потому что качество сильно зависит от почерка, изображения и контекста.

Можно ли получить только несколько страниц?

Да. Параметр pages принимает список индексов или строку с диапазонами. Индексация начинается с нуля.

Можно ли вернуть HTML-таблицу?

Да. table_format поддерживает html. Таблица возвращается отдельным объектом, а основной Markdown содержит ссылку на неё. Для простых таблиц можно выбрать markdown.

Подходит ли Mistral OCR для конфиденциальных документов?

Для hosted API есть EU-размещение по умолчанию, шифрование, opt-out для улучшения моделей и ZDR по запросу в pay-as-you-go для stateless /v1/ocr. ZDR не покрывает Files и Batch. Для более строгой изоляции доступен enterprise self-hosted deployment. Выбор зависит от политики организации и категории данных.

Есть ли у Mistral OCR мобильная версия?

Отдельное мобильное приложение именно Mistral OCR не является основным способом доступа к продукту. Рабочие поверхности OCR — Studio/Document AI и API. Для мобильного сценария обычно создают собственное приложение, которое фотографирует документ и отправляет изображение в backend, где вызывается OCR API.

Нужно ли после OCR вручную проверять результат?

Да, когда ошибка может повлиять на решение, деньги, договор или дальнейшую автоматизацию. OCR 4.1 специально возвращает confidence scores и bounding boxes, чтобы строить выборочную проверку, а не считать весь результат безошибочным.

Итог

Mistral OCR 4.1 стоит рассматривать как инфраструктурный компонент Document AI, а не как замену настольному сканеру или PDF-редактору. Для разового копирования текста его возможности избыточны; для архивов, RAG, форм, счетов, технических PDF и API-конвейеров блоки, координаты, таблицы, confidence scores и JSON Schema дают заметно больше контроля над результатом.

Для быстрого прототипа подходит Document AI Playground в Studio: он даёт no-code доступ к тому же OCR-движку. Для регулярного потока лучше использовать /v1/ocr, закрепить модель, хранить исходники и выстроить проверку по confidence scores. Для больших очередей подходит Batch, если требования к хранению допускают stateful processing.

В задачах с чувствительными документами выбор режима важнее самой точности OCR: stateless endpoint с активированным ZDR, обычный Files/Batch и self-hosted deployment имеют разные свойства хранения. Для критичных данных финальная проверка должна опираться на оригинал, а не только на распознанный Markdown или валидный JSON.

Если нужен более общий взгляд на современные ИИ-инструменты, включая сервисы для работы с текстом и изображениями, полезна подборка бесплатных нейросетей. Mistral OCR в этом ряду отличается узкой специализацией: он не пытается заменить универсального ассистента, а превращает документы в данные, пригодные для поиска, проверки и автоматизации.