Mistral OCR 4は信頼度も返し、料金は千ページあたり4ドル

OCR 4は表・数式を読み取り、位置と信頼度も出力可能

Mistral OCR 4は文字を取り出すだけでなく、表・数式・タイトル・署名といったブロックの種類とページ上の位置と信頼度スコアを出力します。OCR（光学文字認識）は画像やPDFの中の文字をコンピューターが処理できるテキストに変換する技術を指し、ブロックは段落や表のように文書を意味のまとまりで区切った単位、位置は各ブロックを囲む長方形（バウンディングボックス）で表されます。

Mistral AIは2026年6月23日に公開したOCR 4の発表で、前世代の中心はページをきれいなテキストと表に変換することだったとしています。OCR 4では文書の構造そのものも出力に含まれます。出力の中身は次のとおりです。

各ブロックに位置が付くので出力を原本の該当箇所と結び付けられます。Mistral AIはブロックの種類と信頼度が、次の3つの処理を支えるとしています。

• 出典つきの引用（AIの回答根拠を原本の該当箇所で見せる）
• 伏せ字処理（見せてはいけない箇所を隠す）
• 人による目視（あやしい箇所だけを人が見る）

入力できるのは、PDF・DOC・PPT・OpenDocumentなどの業務文書です。このほかMistral AIは、出力の利用目的を検索用の分割・エージェントの部品・取り込み用コネクタとしています。

多言語の精度は公式の内部比較でトップ、日本語単独の点数は無い

Mistral OCR 4は公式の内部評価で8つの言語グループすべてでトップですが、日本語だけの点数は公式の発表にありません。評価の言語グループは英語・西欧・東欧・中東・中国語・東アジア・東南アジア・専門言語の8つで、日本語は専門言語のグループに入っています。

他社システムとの差は、学習用の文書が少ない低リソース言語と専門言語で最も大きく開いています。対応する言語は170言語・10グループで、内部評価の8グループとは別の分け方です。

公式の人手評価では第三者ベンダー由来の600件超・12言語超の文書を使い、独立した評価者が他社の出力とOCR 4の出力を盲検で1件ずつ順位づけしました。盲検とはどのシステムの出力かを伏せて評価する方法です。

テストした全システムに対して大半の文書でOCR 4が他社の出力より上に選ばれ、その割合を表す勝率は平均72%でした。ベンチマークは同じ問題セットで複数のモデルを採点する共通の試験で、下のベンチマーク結果の数値は採点の方法が指標ごとに異なるため、指標同士で大小を比較できません。

Mistral OCR 4のベンチマーク結果

ただしMistral AIは点数が方向性の目安にとどまるとしています。両ベンチマークの採点の偏りは5種類に整理され、数式・科学文書・複数段組に集中し、誤った出力に加点するより正しい出力を減点する場合のほうが多いとのこと。他社の点数はすべてMistral AIが社内で再現した値で、ご自身の文書で評価することを勧めるとのこと。

APIの料金は1,000ページ4ドル、Document AIは5ドル

2026年9月30日時点の公式ニュースでは、Mistral OCR 4のAPI料金は1,000ページあたり4ドル（約647円）（バッチAPIは2ドル（約323円））、Document AIは5ドル（約808円）です。また、バッチAPIは急ぎでない大量の文書をまとめて処理する呼び出し方で標準の半額になり、Document AIは同じ呼び出しに引数を追加して構造化した結果や注釈まで受け取る機能です。

Mistral OCR 4の料金（1,000ページあたり・ドル）

バッチAPIは標準の半額。Document AIの5ドル（約808円）は、注釈付きの1,000ページあたりの単価とモデルカードに書かれている。

$024

$2バッチAPI

$4標準のAPI

$5Document AI

1万ページを処理したときの費用は単価を10倍した値で次のとおりです。Document AIの50ドル（約8,084円）は、注釈を追加するページが1万ページの場合の値です。

• 標準のAPI: 40ドル（約6,467円）
• バッチAPI: 20ドル（約3,234円）
• Document AI: 50ドル（約8,084円）

Mistral OCR 4の入口は1つのAPIで、どの要求でも抽出したテキスト・位置・種類・信頼度が必ず出力されます。同じ呼び出しに引数を追加してDocument AIを有効にすると、次の3つを利用することができます。

• JSONスキーマ（取り出したい内容の設計図）を与えて行う構造化。OCRの出力はmistral-small-2603に与えられて指定したJSONスキーマの構造に整えられる
• 画像ごとの注釈。画像1つにつき視覚言語モデルの呼び出しが1回増える
• 独自プロンプトによる文書全体の解釈や要約

生の抽出結果で十分なら追加の引数は不要で、構造化や注釈が必要なときだけ同じ呼び出しに引数を加えます。モデルIDはmistral-ocr-4-0です。

提供先は、Mistral Studio・Amazon SageMaker・Microsoft Foundryの3つです。2026年6月23日の公式ニュースによると、Snowflake Parse Documentは近日提供とのこと。

またMistral StudioのDocument AIを使うと、APIと同じエンジンをコードなしで使うことができます。公式ニュースの末尾には、2026年9月30日時点で後継のOCR 4.1の告知が出ています。

OCR 4は1つのコンテナで動作する小型のモデルなので、自社運用（自社の環境にモデルを置いて動作させること）なら文書データを外に出さずに処理できます。ただし自社運用の提供先はエンタープライズ顧客で、導入を考えるときは公式に問い合わせます。

読み取りの信頼度による人の目視とRAGのチャンク分割

RAG（自社の文書を検索してAIの回答根拠にする仕組み）に取り込むときは、ブロックの種類で検索の単位（チャンク）を切り分け、信頼度の低い箇所を人が確認する運用を組めます。ブロックには種類と位置が含まれるので、検索の単位を意味のまとまりでそろえられ、AIの回答根拠を原本の該当箇所で見せられます。

OCR 4はMistralのSearch Toolkit（公開プレビュー中のオープンソース検索フレームワーク）の取り込み部品でもあります。Search Toolkitは、OCR 4の出力を出典の情報ごと取り込み、検索と評価に使います。

信頼度の低い箇所を人が確認する運用は、Mistral AIが信頼度スコアの用途として書いているものです。例えばフォームや請求書の抽出・伏せ字処理・コンプライアンス点検といった作業で、全件を目で見る代わりに確認する箇所を限定できます。

OCR 4は文書を理解するモデルであり、判断を下すものではないというのが公式の説明です。読み取り結果を業務の判断にそのまま使わず人の目視を挟む設計にするのが安全で、Mistral AIが対象外とした用途は次の6つです。

• 医療診断
• 法的助言や法的判断
• 重大な金融判断
• 安全が最優先のシステム
• リアルタイムや低遅延の処理
• 音声や動画など文書以外の入力

紙の書類を電子化する手順は書類の電子化をスキャンから電子帳簿保存法の要件まで順を追って解説が詳しいです。PDFをAIに読み込ませる方法と別のOCRモデルの条件は、それぞれChatGPTにPDFを読み込ませる方法、上限は1ファイル512MBまでとPP-OCRv6とは？日本語OCRの認識精度と使い方、商用利用の条件にまとめています。

Mistral OCR 4は目安と割り切り、自分の文書で試す

Mistral OCR 4は位置・ブロックの種類・信頼度まで返し、料金は標準のAPIで1,000ページ4ドル（約647円）です。ただし精度の点数はMistral AIの自社測定で、目安にとどまります。ご自身の文書で試したうえで、信頼度の低い箇所は人が確認する前提で組むのが安全です。まず試すならご自身のPCにある文書から数十ページ分を標準のAPIで通して、信頼度と位置を見る進め方をおすすめします。