近期，欧洲科技界再度迎来了一股新鲜力量。法国初创企业Mistral AI，这家曾因开源首个MoE模型而声名鹊起的公司，在沉寂一段时间后，携其最新力作——Mistral OCR重返舞台。
Mistral OCR自问世以来，便以“全球顶尖OCR产品”自居，旨在攻克AI在识别粗糙复杂文件时的难关，让AI操作识别更加顺畅。消息一出，社交媒体上瞬间好评如潮，但其中也不乏一些理性声音。
有用户表示，尽管对Mistral OCR的能力颇为认可，但其定价策略却让人望而却步，并呼吁中国AI企业能够尽快推出类似开源版本，以打破价格壁垒。
更有用户亲自上阵测试，上传了手写板内容的扫描件，但识别结果却不尽如人意，文字正确率偏低。
还有被Mistral OCR所宣传的“多语言识别能力”所吸引的用户，在实际使用后却发现该产品无法识别自己所使用的语言。
尽管Mistral OCR目前还存在一些局限性，但其问世无疑标志着从字符识别向场景智能的一次跨越。与传统OCR API不同，Mistral OCR是一款多模态API，不仅能够识别文本中的插图或照片，还能为这些图形元素创建边界框，并将其包含在输出中。
从Mistral AI团队发布的Demo视频中可以看到，Mistral OCR能够将图文混排的PDF文件轻松转换为结构清晰的Markdown格式文件，无论是表格与数字的组合、数学公式的转换，还是宣传图片中的印地语识别，甚至是拍得并不方正的论文照片，甚至是带有水印的文字，都能得到准确识别。
除了直观的Demo展示外，Mistral AI团队还列举了Mistral OCR的六大优势：卓越的复杂文档解析能力、原生支持多语言与多模态、行业领先的基准测试表现、同类产品中处理速度最快、创新性的“文档即提示”结构化输出，以及可选的自托管部署方案。
团队还将Mistral OCR与Google document AI、Azure OCR、Gemini系列模型以及GPT-4o等产品进行了性能对比，结果显示，Mistral OCR在总体准确率、数学公式识别等方面表现尤为突出，特别是在2503版本中，各项指标均实现了大幅提升。
在多语言处理方面，Mistral OCR的数据更是远超Google document AI和Azure OCR。
作为法国科技界的佼佼者，Mistral AI凭借其AI助手Le Chat和多个基础模型，已被官方视为最具潜力的科技公司之一，甚至被认为是有望与OpenAI一较高下的欧洲企业。Mistral AI的三位创始人拥有丰富的AI研究经验，曾在谷歌DeepMind和meta等全球顶级科技公司任职。自成立以来，Mistral AI在资金筹集方面取得了显著成绩，致力于将前沿AI技术普及给每个人。
