Mistral lança nova API de reconhecimento óptico de caracteres (OCR) alegando desempenho global de ponta

A bem financiada startup francesa de IA Mistral está satisfeita em seguir seu próprio caminho.

Em meio a um mar de modelos de raciocínio concorrentes, a empresa lançou o Mistral OCR, uma nova API de reconhecimento óptico de caracteres (OCR) projetada para oferecer avançadas capacidades de entendimento de documentos.

A API extrai conteúdo – incluindo anotações manuscritas, texto digitado, imagens, tabelas e equações – de PDFs e imagens não estruturadas com alta precisão, apresentando em um formato estruturado.

Dados estruturados são informações organizadas de maneira pré-definida, tipicamente utilizando linhas e colunas, facilitando a busca e a análise. Exemplos comuns incluem nomes, endereços e transações financeiras armazenadas em bancos de dados ou planilhas.

Em contraste, dados não estruturados carecem de um formato ou estrutura específica, tornando o processamento e a análise mais desafiadores. Esta categoria abrange uma ampla variação de tipos de dados, como emails, publicações em redes sociais, vídeos, imagens e arquivos de áudio. Como os dados não estruturados não se encaixam facilmente em bancos de dados tradicionais, ferramentas e técnicas especializadas, como processamento de linguagem natural (NLP) e aprendizado de máquina (ML), são frequentemente empregadas para extrair insights significativos.

Compreender a distinção entre esses tipos de dados é crucial para empresas que buscam gerenciar e alavancar efetivamente seus ativos de informação.

Com suporte multilíngue, altas velocidades de processamento e integração com grandes modelos de linguagem (LLMs) para entendimento de documentos, o Mistral OCR está posicionado para ajudar as organizações a tornar sua documentação pronta para IA.

Dada a afirmação no blog da Mistral mencionando que 90% de todas as informações empresariais são não estruturadas, a nova API deve ser uma grande ajuda para organizações que buscam digitalizar e catalogar seus dados para uso em aplicações de IA ou bases de conhecimento internas/externas.

Mistral estabelece um novo padrão de excelência para OCR

O Mistral OCR visa melhorar a forma como as organizações processam e analisam documentos complexos.

Diferentemente das soluções OCR tradicionais que se concentram principalmente na extração de texto, o Mistral OCR é projetado para interpretar vários elementos tipográficos e caracteres de documentos, incluindo tabelas, expressões matemáticas e imagens intercaladas, enquanto mantém saídas estruturadas.

De acordo com o Diretor de Ciência da Mistral, Guillaume Lample, essa tecnologia representa um avanço significativo em direção a uma adoção mais ampla de IA nas empresas, especialmente para companhias que buscam simplificar o acesso à sua documentação interna.

A API já está integrada ao Le Chat, que milhões de usuários utilizam para processamento de documentos.

Agora, desenvolvedores e empresas podem acessar o modelo por meio da la Plateforme, a suíte de desenvolvedor da Mistral.

Além disso, espera-se que a API se torne disponível através de parceiros de nuvem e inferência, e oferecerá implantação local para organizações com requisitos de alta segurança.

Avançando uma tecnologia computacional antiga (de 70 anos)

A tecnologia OCR desempenhou um papel significativo na automação da extração de dados e digitalização de documentos por décadas. A primeira máquina OCR comercial foi desenvolvida na década de 1950 por David Shepard e seus colegas Harvey e William Lawless Jr., que fundaram a Intelligent Machines Research Co. (IMR) para trazer a tecnologia ao mercado.

O sistema ganhou tração quando a Reader’s Digest se tornou seu primeiro grande cliente, seguido por bancos, empresas de telecomunicações como a AT&T e grandes companhias de petróleo.

Em 1959, a IBM licenciou as patentes da IMR e introduziu sua própria máquina OCR, formalizando o termo como o padrão da indústria.

Desde então, a tecnologia OCR continuou a evoluir, incorporando IA e ML para melhorar a precisão, expandir o suporte a idiomas e lidar com formatos de documentos cada vez mais complexos, podendo ser encontrada em software empresarial líderes como o leitor de PDF Adobe Acrobat.

O Mistral OCR representa o próximo passo nessa evolução, pois utiliza IA para aprimorar a compreensão de documentos além do simples reconhecimento de texto.

Os benchmarks mostram o poder do Mistral OCR

A Mistral destaca a vantagem competitiva de seu OCR em relação a ferramentas existentes, citando testes de benchmark nos quais superou alternativas importantes, incluindo Google Document AI, Azure OCR e GPT-4o da OpenAI.

O modelo alcançou as pontuações de precisão mais altas em reconhecimento matemático, documentos digitalizados e processamento de texto multilíngue.

O Mistral OCR também foi projetado para operar mais rapidamente do que modelos concorrentes e é capaz de processar até 2.000 páginas por minuto em um único nó.

Essa vantagem de velocidade o torna adequado para processamento de documentos em alta volume em indústrias como pesquisa, atendimento ao cliente e preservação histórica.

Sophia Yang, chefe de relações com desenvolvedores da Mistral, tem mostrado ativamente as capacidades de OCR em sua conta do X. Notavelmente, ela destacou seus benchmarks de desempenho de primeiro nível, suporte multilíngue e a capacidade de extrair equações matemáticas de PDFs com precisão.

Em uma publicação recente, ela compartilhou um exemplo do Mistral OCR reconhecendo e formatando com sucesso expressões matemáticas complexas, reforçando sua eficácia para aplicações científicas e acadêmicas.

Principais recursos e casos de uso

O Mistral OCR apresenta vários recursos que o tornam uma ferramenta versátil para empresas e instituições que lidam com grandes repositórios de documentos:

• Processamento multilíngue e multimodal: O modelo suporta uma ampla gama de idiomas, scripts e layouts de documentos, tornando-se útil para organizações globais. Yang enfatizou essa capacidade, chamando-a de revolucionária para o processamento de documentos multilíngues.
• Saída estruturada e preservação da hierarquia do documento: Ao contrário de modelos OCR básicos, o Mistral OCR mantém elementos de formatação, como cabeçalhos, parágrafos, listas e tabelas, garantindo que o texto extraído seja mais útil para aplicações subsequentes.
• Documento como prompt e saídas estruturadas: Os usuários podem extrair conteúdo específico e formatá-lo em saídas estruturadas, como JSON ou Markdown, permitindo a integração com outros fluxos de trabalho impulsionados por IA.
• Opção de auto-hospedagem: Organizações com requisitos rigorosos de segurança de dados e conformidade podem implantar o Mistral OCR dentro de sua própria infraestrutura.

A documentação de desenvolvedor da Mistral AI online também destaca as capacidades de compreensão de documentos que vão além do OCR. Após extrair texto e estrutura, o Mistral OCR integra-se a LLMs, permitindo que os usuários interajam com o conteúdo do documento usando consultas em linguagem natural. Esse recurso permite:

• Resposta a perguntas sobre conteúdo específico do documento;
• Extração e sumarização automatizadas de informações;
• Análise comparativa entre múltiplos documentos;
• Respostas contextuais que consideram o documento completo.

O que os tomadores de decisão corporativos devem saber sobre o Mistral OCR

Para CEOs, CIOs, CTOs, gestores de TI e líderes de equipe, o Mistral OCR apresenta oportunidades significativas para eficiência, segurança e escalabilidade em fluxos de trabalho orientados por documentos.

1. Aumento da eficiência e economia de custos

Ao automatizar o processamento de documentos e reduzir a entrada manual de dados, o Mistral OCR diminui custos administrativos e simplifica operações. As organizações podem processar grandes volumes de documentos com maior rapidez e precisão, reduzindo a necessidade de intervenção humana. Isso é particularmente valioso em indústrias como a financeira, de saúde, jurídica e de conformidade, onde a extensa papelada é um gargalo.

2. Tomada de decisão aprimorada com insights derivados de IA

As capacidades de compreensão de documentos do Mistral OCR permitem que os tomadores de decisão extraiam insights acionáveis de relatórios, contratos, documentos financeiros e artigos de pesquisa. Líderes de TI podem integrar a API em plataformas de inteligência de negócios, permitindo análise de documentos assistida por IA que suportam decisões mais rápidas baseadas em dados.

3. Melhoria na segurança de dados e conformidade

Com uma opção de implantação local, o Mistral OCR atende às necessidades de segurança e conformidade das empresas que lidam com dados sensíveis ou classificados. CIOs e oficiais de conformidade podem assegurar que informações proprietárias permaneçam dentro da infraestrutura interna enquanto aproveitam a IA para processamento de documentos.

4. Integração perfeita com fluxos de trabalho corporativos

CTOs e gestores de TI podem integrar o Mistral OCR com sistemas empresariais existentes, incluindo plataformas de gerenciamento de conteúdo, software de CRM, soluções de tecnologia legal e assistentes impulsionados por IA. O suporte da API a saídas estruturadas (JSON, Markdown) facilita a automação de fluxos de trabalho baseados em documentos, melhorando a produtividade geral.

5. Vantagem competitiva por meio da inovação impulsionada por IA

Para organizações que buscam se manter à frente na transformação digital, o Mistral OCR oferece uma solução escalável impulsionada por IA para tornar vastos repositórios de documentos mais acessíveis. Ao aproveitar a IA para extração de informações, as empresas podem aprimorar a experiência do cliente, otimizar bases de conhecimento internas e reduzir ineficiências operacionais.

Preços e disponibilidade

O Mistral OCR está precificado em 1.000 páginas por US$ 1, com a inferência em lote oferecendo 2.000 páginas por US$ 1.

A API já está disponível na la Plateforme, e a Mistral planeja expandir para parceiros de nuvem e inferência em um futuro próximo. O modelo também pode ser testado gratuitamente no site da Mistral Le Chat, um chatbot conversacional alimentado por seus LLMs, semelhante e concorrente do ChatGPT da OpenAI, permitindo que os usuários testem suas capacidades antes de integrá-lo em seus fluxos de trabalho. A Mistral AI espera continuar aprimorando o modelo com base no feedback dos usuários nas próximas semanas.

Quando eu fiz testes breves em uma anotação manuscrita (e bagunçada) em um pedaço de papel, ele forneceu uma linha de texto estruturado e precisa em menos de um segundo.

O que vem a seguir?

Com o Mistral OCR, a Mistral AI continua a expandir sua suíte de ferramentas impulsionadas por IA, visando empresas que requerem soluções de processamento de documentos de alto desempenho.

Ao integrar OCR com entendimento de documentos impulsionado por IA, a Mistral possibilita que as empresas extraírem, analisarem e interajam com seus documentos de maneiras mais inteligentes.

Líderes empresariais, desenvolvedores e equipes de TI podem explorar o Mistral OCR através da la Plateforme ou solicitar implantação local para casos de uso especializados.

Desenvolvedores também podem conferir a documentação da Mistral AI para começar a utilizar o mistral-ocr-latest.