Mistral OCR 4.1 ahora puede señalar el párrafo exacto que lee

El OCR 4.1 de Mistral apareció en la portada de Hacker News el jueves, lo cual es inusual para un lector de documentos. OCR significa reconocimiento óptico de caracteres, el viejo y poco glamoroso trabajo de convertir un escaneo o un PDF en texto con el que una computadora pueda trabajar. La nueva versión agrega tres cosas que suenan técnicas y resultan muy importantes: cuadros delimitadores a nivel de párrafo, etiquetas de bloques estructurales y puntuaciones de confianza por bloque.

En términos sencillos: cuando el modelo lee una página, ya no se limita a devolver una pared de texto. Le indica de qué lugar de la página proviene cada párrafo, como coordenadas. Etiqueta qué es cada bloque, en trece categorías que incluyen título, lista, tabla, imagen, ecuación y código. Y adjunta un número que indica qué tan seguro está de cada bloque, a nivel de página, bloque o palabra, según lo que solicite.

Esa combinación es lo que hace que una respuesta sea verificable. Si apunta con una herramienta de inteligencia artificial a un contrato de 200 páginas y pregunta cuál es el período de notificación, la versión útil de esa respuesta no es solo “tres meses”. Son “tres meses”, además de un resaltado en la página 143 que muestra exactamente la frase de la que procede. Los cuadros delimitadores son los que permiten que una herramienta dibuje ese resaltado. Las puntuaciones de confianza son las que permiten que un canal automatizado marque las páginas que un ser humano debería mirar en lugar de adivinar en silencio. OCR 4.1 ha estado en versión preliminar pública desde el 16 de julio y cuesta 3,50 € por 1.000 páginas, o 4,38 € por 1.000 páginas con anotaciones estructuradas, a través del mismo punto final /v1/ocr, con soporte para procesamiento por lotes.

¿Qué está pasando realmente aquí?

La lectura de documentos es donde realmente se realiza gran parte del trabajo real de la IA, muy lejos de los titulares de los chatbots. Facturas, contratos, reclamaciones de seguros, artículos científicos, formularios gubernamentales: todo llega en formato PDF y escaneado, y nada es útil para un modelo hasta que alguien lo convierte en texto estructurado. La razón por la que este comunicado se apoya tanto en las citas y la confianza es que el mercado ha aprendido por las malas que una respuesta de IA que nadie puede verificar es una respuesta de IA que nadie aprobará. Mistral es una empresa francesa, lo cual es importante para los lectores aquí de manera práctica: la residencia de datos europea es una opción normal y no una solicitud especial. Dos advertencias honestas: esto todavía está etiquetado como vista previa pública y el precio es por página, por lo que un archivo grande se acumula rápidamente. Cien mil páginas cuestan 350€.

Qué significa esto para ti: si tienes una estantería llena de documentos escaneados y te preguntas si la IA por fin puede hacer algo con ellos, esta es la tecnología que lo permite. Probablemente no uses la API directamente, pero las herramientas documentales que sí utilizas se apoyan en servicios como este. Ahora sabes qué preguntarles: ¿pueden mostrarte de dónde salió la respuesta? Si no pueden, ten más cuidado con lo que te dicen.

Fuentes

• Tarjeta modelo OCR 4.1 (Mistral AI)
• Documentación del procesador OCR (Mistral AI)
• Mistral OCR 4: OCR de última generación para inteligencia documental (Mistral AI)