Mistral AI が文書読み取りモデル「OCR 4」を公開し、抽出テキストに加えて各要素の位置を示す枠・種別分類・確信度を返すようにした。170言語に対応し、1つのコンテナで自社環境内に完結して運用できる。
Mistral AI が2026年6月23日、文書読み取りモデル「OCR 4」を公開した。抽出した文字に加え、各要素の位置を示す枠(バウンディングボックス)、見出し・表・数式・署名などの種別分類、ページ単位・単語単位の確信度を併せて返す。170言語・10言語グループに対応し、低リソース言語でも性能が出るとされる。
位置情報は最も要望が多かった機能で、墨消し(マスキング)・引用元の明示・人手による確認を組み合わせた業務に直結する。1つのコンテナで自社環境内に完結して運用でき、企業向けに自己管理型導入を提供するため、文書を社外に出さずデータ主権・規制対応を満たしつつ大量処理できる。検索/RAG基盤「Search Toolkit」の取り込み部品として統合される。
公開ベンチマーク OlmOCRBench で総合85.20、独立評価者の選好で平均勝率72%。API料金は1,000ページあたり4ドル(一括処理割引で2ドル)で、比較対象の Document AI の5ドルより低い水準が示され、精度とコストの両面で比較材料がそろった。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
従来世代は文書ページを整ったテキストや表に変換することを主眼としていた。OCR 4 はそこから一歩進み、文書を構造化された表現として返す方向に踏み込んでいる。各ブロックは位置情報付きで切り出され、見出し・表・数式・署名といった種別に分類され、ページ単位・単語単位の確信度が付与される。これにより下流のシステムは「何が書かれているか」だけでなく「どこにあり、どんな役割で、どの程度確からしいか」まで扱えるようになる。Mistral は同社の検索基盤「Search Toolkit」と連携させ、引用元をたどれる入力として使う設計を取っている。
枠による位置情報は要望が最も多かった機能であり、引用元の明示、墨消し（マスキング）、人手による確認を組み合わせた業務に直結する。1コンテナで完結できるため、文書データを社外に出さずデータ主権・規制対応を満たしつつ大量処理できる点が企業導入の判断材料になる。料金は1,000ページあたり4ドル（一括処理割引で2ドル）と提示されており、コスト面の比較もしやすい。
Mistral AI は2026年6月23日、文書読み取りモデル「OCR 4」を公開した。従来世代は文書ページを整ったテキストや表に変換することが主眼だったが、OCR 4 はそこから一歩進み、各要素の位置を示す枠(バウンディングボックス＝抽出した文字や図がページ上のどこにあるかを示す矩形)、見出し・表・数式・署名といった種別分類、そしてページ単位・単語単位の確信度を併せて返す。
Mistral OCR 4 delivers enterprise document AI with 170-language support, bounding boxes, and self-hosted deployment.
上の引用は、170言語対応・位置を示す枠・自社環境内で完結する導入の3点を企業向け文書AIの軸として示している。位置情報は同社が最も要望の多かった機能と位置づけており、下流のシステムは「何が書かれているか」だけでなく「どこにあり、どんな役割で、どの程度確からしいか」まで扱えるようになる。対応は170言語・10言語グループに及び、低リソース言語でも性能が出るとされる。
枠による位置情報が効くのは、抽出結果を業務でそのまま使う場面である。要素ごとに位置が分かれば、個人情報を塗りつぶす墨消し(マスキング)を該当箇所だけ正確にかけられる。回答の引用元をページ上の位置まで指し示せるため、人手による確認も「どこを見ればよいか」が明確になる。
さらに各要素には確信度が付く。確信度が低い箇所だけを人手レビューに回す、といった運用ができるため、全件を目視する負荷を減らせる。種別分類で表や数式・署名を切り分けられる点も、契約書や請求書のような定型文書の処理で効いてくる。Mistral はこのモデルを検索/RAG基盤「Search Toolkit」の取り込み部品として統合し、引用元をたどれる入力として使う設計を取っている。
enterprise search, RAG, and domain-specific retrieval pipelines
RAG(社内文書を検索して回答に使う仕組み)の取り込み段で OCR 4 を使えば、検索でヒットした根拠を文書のどの位置から取ったかまで保持できる。
OCR 4 は1つのコンテナで自社環境内に完結して運用できる。企業向けに自己管理型の導入を提供するため、契約書や本人確認書類のような社外に出したくない文書を、外部APIに送らずに処理できる。データ主権や規制対応が求められる国内企業の文書処理担当にとっては、この点が導入の判断材料になる。
一方、コスト面も比較しやすい形で示された。API料金は1,000ページあたり4ドル、一括処理割引で2ドルで、比較対象とされる Document AI の5ドルより低い。クラウドAPI前提のOCRベンダーは、価格と運用形態(自己管理型かどうか)の両面で比較対象に並べられることになる。
RAGや社内検索を構築する開発者にとっては、位置情報と確信度が付くことで回答の根拠をページ上の位置までたどれる入力を作れる点が大きい。Search Toolkit の取り込み部品として統合されているため、検索基盤への組み込みも想定された設計になっている。
立場別、明日から動ける一手。
OlmOCRBench 総合85.20・勝率72%という公開数値と、自社文書での実際の抽出精度を比較する。
1,000ページ4ドル(一括処理割引で2ドル)と現行OCRの単価を、自社の月間処理ページ数に当てはめて比較する。
自己管理型のコンテナ導入で、文書を社外に出さない要件と処理量を切り分ける。
「枠による位置情報(バウンディングボックス)」が最も要望の多かった機能として加わった点に、墨消しや引用元の明示を扱う実務者から関心が集まっている。1コンテナで自社環境内に完結する自己管理型導入について、文書を社外に出さずに処理できる点を評価する声がある一方、1,000ページ4ドル(一括処理割引で2ドル)とDocument AIの5ドルを並べた価格比較や、OlmOCRBench総合85.20・勝率72%という数値が自社文書で再現するかを確かめたいという慎重な見方も見られる。
※トレンド検出時刻付近の人気投稿を表示
