Mistral OCR 4: Sənəd məlumatlarının çıxarılmasını tam korporativ süni intellekt platformasına çevirən yeni model

Mistral AI şirkəti, sənəd məlumatlarının çıxarılması üçün nəzərdə tutulmuş dördüncü nəsil OCR (Optik Xarakter Tanıma) texnologiyasını – OCR 4 modelini təqdim etdi. Bu model, sadəcə mətn çıxarmaqdan kənara çıxaraq, sənədlərin tam strukturlaşdırılmış təsvirini təqdim edir. Mistral OCR 4, təxminən 15 ay ərzində şirkətin dördüncü nəsil texnologiyasıdır və Avropa süni intellekt suverenliyi mövzusunda kommersiya baxımından ən aktual dövrdə təqdim olunur. Model 10 dil qrupu üzrə 170 dili dəstəkləyir və PDF, DOC, PPT və OpenDocument formatlarını qəbul edir. OCR 4, təşkilatın öz infrastrukturunda tək konteyner şəklində quraşdırıla bilər ki, bu da tənzimlənən sənayelərdə fəaliyyət göstərən müəssisələr üçün böyük əhəmiyyət kəsb edir. Çünki bu qurumlar həssas sənədlərini ABŞ yurisdiksiyasındakı bulud API-ləri vasitəsilə ötürə bilmirlər. OCR 4-ün əsas texnoloji yeniliyi onun struktur yanaşmasındadır. Onilliklər boyu OCR sistemləri sənədlərdən yalnız düz mətn çıxararkən, bu model hər bir bloku sərhəd qutusu ilə lokallaşdırır, blok tipini (başlıq, cədvəl, tənlik, imza və s.) təsnif edir və həm səhifə, həm də söz səviyyəsində etibarlılıq balı təyin edir. Bu, hər bir sənədi mətn divarı deyil, semantik xəritə kimi qəbul etmək deməkdir. Mistral şirkəti bildirir ki, sərhəd qutuları onların ən çox tələb olunan xüsusiyyəti olub. Bunun səbəbi sadədir: yer məlumatı olmadan, aşağı axın sistemləri sənədin strukturunu düzgün şəkildə başa düşə və emal edə bilməz. Model hazırda Mistral API, Mistral Studio-da Document AI, Amazon SageMaker və Microsoft Foundry vasitəsilə əlçatandır. Qiymətləndirmə 1000 səhifə üçün 4 dollardan başlayır və toplu API endirimi ilə 1000 səhifə üçün 2 dollara qədər düşür.