Mistral lanza OCR 4, convirtiendo la extracción de documentos en una jugada de inteligencia artificial empresarial completa.

Mistral AI lanzó el martes OCR 4, un modelo de inteligencia documental que va más allá de la extracción de texto en bruto para devolver representaciones estructuradas de documentos completos, con cuadros delimitadores, clasificación por tipo de bloque y puntuaciones de confianza por palabra. Esta publicación marca la cuarta generación de tecnología de reconocimiento óptico de caracteres de Mistral en aproximadamente 15 meses y llega en un momento en que el argumento de la compañía por la soberanía de la IA en Europa nunca ha sido tan relevante comercialmente. El modelo admite 170 idiomas en 10 grupos lingüísticos, acepta formatos PDF, DOC, PPT y OpenDocument, y puede implementarse como un solo contenedor en la infraestructura propia de una organización, una capacidad que Mistral está posicionando directamente para empresas en industrias reguladas que no pueden enviar documentos sensibles a través de APIs en la nube bajo jurisdicción estadounidense. "Mistral OCR 4 extrae y estructura contenido de una amplia gama de documentos", dijo la compañía en su anuncio. "Mientras que generaciones anteriores se centraron en convertir una página en texto limpio y tablas, OCR 4 devuelve una representación estructurada del documento." El modelo está disponible de inmediato a través de la API de Mistral, Document AI en Mistral Studio, Amazon SageMaker y Microsoft Foundry, con soporte para Snowflake Parse Document que llegará pronto. Los precios comienzan en $4 por 1,000 páginas, bajando a $2 por 1,000 páginas a través de un descuento por API de lotes. OCR 4 considera cada documento como un mapa semántico, no como una pared de texto. El cambio central en la ingeniería de OCR 4 es estructural. En lugar de producir una secuencia plana de texto extraído, el modelo devuelve una representación en capas en la que cada bloque está localizado con un cuadro delimitador, clasificado por tipo (título, tabla, ecuación, firma y otros), y evaluado por confianza tanto a nivel de página como de palabra. Mistral afirma que los cuadros delimitadores fueron su capacidad más solicitada. La razón es sencilla: sin datos de ubicación, los sistemas posteriores no pueden rastrear un hecho extraído hasta su fuente en una página específica. Esa brecha de trazabilidad ha sido un punto de fricción persistente para las empresas que construyen tuberías de generación aumentada por recuperación (RAG), flujos de trabajo de cumplimiento, o cualquier aplicación en la que "¿de dónde proviene este número?" es una pregunta que necesita una respuesta auditable. La clasificación de bloques aborda un problema relacionado. Un párrafo etiquetado como "título" puede segmentar un documento en trozos jerárquicos para búsqueda semántica. Un bloque etiquetado como "tabla" puede ser enviado a una tubería de datos estructurados en lugar de un resumen de texto. Un bloque etiquetado como "firma" puede activar un flujo de trabajo de redacción en un sistema de cumplimiento. Estas no son ideas novedosas por sí solas, pero empaquetarlas como salidas de primera clase del propio modelo OCR, en lugar de requerir una etapa de análisis de diseño separado, elimina una capa de integración que los equipos empresariales han tenido que construir y mantener históricamente. Las puntuaciones de confianza sirven a un doble propósito. A escala, permiten a las organizaciones dirigir programáticamente regiones de baja confianza a revisores humanos y aprobar automáticamente extracciones de alta confianza, construyendo lo que la industria llama verificación con intervención humana sin requerir que una persona revise cada página de cada documento. En sistemas en producción, OCR rara vez es el objetivo final; es el primer paso en una tubería más grande. Los desarrolladores que construyen sistemas RAG, flujos de trabajo de agente o automatización de documentos a menudo pasan más tiempo reconstruyendo el diseño y la estructura que en la lógica de IA posterior. OCR 4 busca eliminar ese paso de reconstrucción, y si cumple con esa promesa, el valor se acumula no solo en ahorros de costos de OCR, sino en horas de ingeniería reducidas a lo largo de toda la tubería de documentos. Revisores independientes prefirieron la salida de Mistral el 72% del tiempo, pero los puntos de referencia cuentan una historia complicada. Mistral informa que OCR 4 alcanzó una tasa de éxito promedio del 72% en una evaluación directa contra competidores líderes, realizada por anotadores independientes en más de 600 documentos del mundo real en más de 12 idiomas. El modelo también logró la puntuación general más alta en OlmOCRBench con 85.20 y 93.07 en OmniDocBench. Pero la compañía misma insta a la cautela al interpretar esos números. En su publicación, Mistral tomó el inusual paso de auditar y divulgar públicamente los tipos específicos de artefactos de puntuación que encontró, incluidos errores de verdad en las anotaciones de referencia, notación LaTeX equivalente anotada como desajustes, suposiciones sobre el orden de lectura de columnas y problemas de atribución de encabezados/pies de página. "Por lo tanto, tratamos la puntuación agregada como direccional en lugar de definitiva", dijo la compañía, una postura notablemente transparente de un proveedor que anuncia un producto. Esa transparencia llega en un momento oportuno. En la tabla de clasificación pública de OlmOCRBench, algunos investigadores han notado que OCR 4 actualmente ocupa el tercer lugar, detrás de modelos abiertos como Chandra OCR 2. Y algunos modelos de peso abierto informan autocálculos de puntuaciones compuestas más altas en OmniDocBench; PaddleOCR-VL-1.6 afirma tener 96.33, aunque esos resultados no se han reproducido de manera independiente en la tabla de clasificación pública. Sin embargo, la retroalimentación temprana de las empresas ha sido favorable. Aidan Donohue, un ingeniero de IA en la firma de IA financiera Rogo, dijo que la compañía comparó OCR 4 contra los principales analizadores de documentos en un conjunto de datos de QA financiero denso en gráficos y "alcanzó una precisión equivalente a un costo aproximadamente 8 veces menor y una latencia 17 veces más baja". Ivan Mihailov, un ingeniero de IA en la firma de gestión de propiedad intelectual Anaqua, dijo que OCR 4 es "aproximadamente 4 veces más rápido por página que nuestro proveedor actual". Sin embargo, los compradores empresariales deben realizar sus propias evaluaciones en lugar de depender de los números de referencia de cualquier proveedor. La pregunta práctica no es qué modelo tiene la mejor puntuación en una tabla de clasificación, sino qué modelo produce la menor cantidad de errores en sus documentos específicos, en sus idiomas específicos, a un precio y latencia que se ajusten a su flujo de trabajo. La prohibición de exportación de Anthropic le dio a Mistral el argumento de soberanía que necesitaba. El lanzamiento de Mistral ocurre en un contexto geopolítico que difícilmente podría ser más favorable para su posicionamiento estratégico. El 12 de junio, Anthropic se vio obligada a deshabilitar todo acceso a sus modelos de IA más recientes, Fable 5 y Mythos 5, después de que el Departamento de Comercio de EE. UU. utilizara controles de exportación de seguridad nacional para impedir que la compañía distribuyera los modelos a cualquier nacional extranjero. Los clientes empresariales en finanzas, salud, SaaS e infraestructura crítica encontraron sus servicios de inteligencia centrales abruptamente deshabilitados, sin advertencia previa ni recurso efectivo. A partir del 24 de junio, ambos modelos siguen fuera de línea, con los mercados de predicción dando solo un 57% de probabilidades de restauración antes del 1 de julio. Ese episodio validó una advertencia que el CEO de Mistral, Arthur Mensch, ha estado haciendo durante más de un año. Según Business Insider, Mensch advirtió en Londres durante la semana de tecnología de Londres en junio de 2025 sobre las empresas de IA estadounidenses "teniendo las llaves" de sus modelos, describiéndolo como un escenario donde las empresas europeas están "dando ventaja a sus proveedores". Añadió: "En algún momento, necesitas poder apagarlo o encenderlo, y no quieres dejarlo en manos de otro país." El argumento adquirió mayor urgencia a medida que la propuesta más amplia de soberanía de Mensch aumentó en los últimos meses. Según CNBC a finales de mayo, Mensch dijo a la agencia: "Europa se está quedando atrás en la construcción de infraestructuras, y por eso estamos invirtiendo para cerrar esa brecha." Al mismo tiempo, Mensch se opuso a la solicitud del Papa León XIV de que la IA sea "desarmada", argumentando que Europa no puede permitirse quedar atrás respecto a los gigantes tecnológicos de EE. UU. "Estamos a favor de la paz, pero si miras a nuestros rivales y adversarios en el mundo, ellos están utilizando inteligencia artificial … necesitamos tener nuestras propias capacidades", dijo Mensch a los periodistas. El modelo de implementación de contenedor único y auto-alojado de OCR 4 es la expresión a nivel de producto de ese argumento. Un proveedor con sede en EE. UU. que ofrece residencia de datos en la UE significa que los documentos se almacenan en Frankfurt pero están gobernados por la ley estadounidense. Mistral, incorporada en Francia y operando bajo la jurisdicción de la UE, que ofrece implementación en contenedor local, significa que los documentos nunca abandonan la infraestructura del cliente. Las disposiciones de aplicación de multas de la Ley de IA de la UE entran en vigor el 2 de agosto, añadiendo presión regulatoria al cálculo de cumplimiento para las empresas europeas que evalúan proveedores de IA en documentos. El modelo gratuito de OCR de peso abierto de Baidu llegó un día antes, y el contraste es revelador. El lanzamiento de Mistral no llegó en aislamiento. Justo un día antes del lanzamiento de OCR 4, Baidu lanzó Unlimited-OCR el 22 de junio, un modelo de 3 mil millones de parámetros con licencia MIT que aborda uno de los puntos de dolor más persistentes en la IA de documentos: analizar PDFs completos y escaneos de varias páginas en un solo pase hacia adelante, sin segmentar la entrada o recomponer la salida después. El modelo de Baidu utiliza una técnica llamada atención de ventana deslizante de referencia (R-SWA) que, como explicó un destacado comentarista de Hacker News, divide el enfoque de la IA en dos caminos: mantener la atención total sobre la imagen del documento original mientras restringe la memoria del texto generado a una ventana móvil ajustada. El resultado es un tamaño constante de caché KV y la capacidad de transcribir más de 40 páginas en un solo pase. El modelo reunió 1,800 estrellas en GitHub en sus primeras 24 horas y acumuló más de 479 votos en Hacker News, donde el hilo de discusión alcanzó 109 comentarios. Las dos publicaciones enmarcan lo que algunos analistas llaman la división de IA documental de junio de 2026: análisis a largo plazo auto-alojado con pesos abiertos frente a extracción estructurada gestionada con características empresariales. El modelo de Baidu es gratuito bajo una licencia MIT, funciona en hardware GPU estándar y no tiene una API gestionada ni un SLA empresarial. El modelo de Mistral es un producto comercial con precios por página, cuadros delimitadores, puntuaciones de confianza, clasificación de bloques, distribución multiplataforma y opciones de implementación auto-alojadas para clientes empresariales. Unlimited-OCR puede ser la mejor herramienta para un equipo de investigación que digitaliza disertaciones escaneadas en una sola GPU. OCR 4 está construido para el proceso de adquisición de IT: el mundo de los SLA, acuerdos de procesamiento de datos y auditorías de cumplimiento. Más allá de Baidu, el campo competitivo más amplio de OCR incluye Google Document AI, Amazon Textract, Azure Document Intelligence, ABBYY Vantage y un número creciente de modelos de peso abierto. En el hilo de Hacker News sobre Unlimited-OCR, los profesionales ofrecieron una evaluación sincera del estado del arte. Joss82, quien ha trabajado en el análisis de documentos durante 10 años, escribió de manera contundente: "OCR todavía apesta en 2026." Mientras tanto, un usuario llamado SyneRyder informó éxito con Claude para OCR de cientos de páginas de documentos manuscritos, señalando que el modelo entregó resultados con "sin correcciones requeridas" e incluso señaló un error de continuidad en el texto fuente. Estos informes de profesionales subrayan una tensión clave en el mercado: el rendimiento varía salvajemente dependiendo del tipo de documento específico, el idioma y la calidad del material de origen. El verdadero objetivo no es OCR; es una pila de IA empresarial con inteligencia documental como acceso. Si se observa con suficiente distancia, el lanzamiento de Mistral OCR 4 no es realmente una historia de OCR. Es una historia de mercado empresarial construida sobre un mercado global de procesamiento de documentos inteligentes de $4.4 mil millones que se prevé crecerá a una tasa de crecimiento anual compuesta del 33.1% hasta 2030, según Grand View Research. Para Mistral, OCR es una cuña en los presupuestos de IA empresarial. El modelo se integra directamente en el Kit de Herramientas de Búsqueda de Mistral, el marco de búsqueda componible de código abierto de la compañía anunciado en la Cumbre AI Now. En esa arquitectura, OCR 4 sirve como la capa de ingesta para generación aumentada por recuperación y tuberías de búsqueda empresarial, convirtiendo documentos en bruto en entradas clasificadas estructuralmente listas para cita. La lógica es clara: una vez que una empresa adopta OCR 4 para la extracción de documentos, la suite de modelos más amplia de Mistral, que incluye Medium 3.5 para razonamiento y la plataforma de ejecución de tareas Vibe, se convierte en el siguiente paso natural en la pila. Esa ambición de tubería es un contexto crítico para entender la trayectoria de recaudación de fondos actual de Mistral. Bloomberg informó recientemente que la compañía está en conversaciones tempranas para recaudar alrededor de €3 mil millones ($3.5 mil millones) a una valoración de aproximadamente €20 mil millones, casi el doble de la valoración de €11.7 mil millones de su ronda de la Serie C en septiembre. Hasta la fecha, Mistral ha recaudado solo alrededor de $4 mil millones, una fracción de lo que sus rivales más grandes en EE. UU. han recaudado. OCR 4 y su pipeline de ingresos empresariales asociados son parte de cómo la compañía planea justificar esa mayor valoración, con Mistral apuntando a €1 mil millones en ingresos para 2026, frente a €200 millones en 2025, según Le Monde. Mistral es una compañía con aproximadamente 1,000 empleados y ambiciones de competir con laboratorios que han recaudado 40 veces más capital. No puede ganar una carrera de modelos de propósito general contra OpenAI y Anthropic. Lo que puede hacer es construir una pila empresarial diferenciada en torno a la soberanía, la inteligencia documental estructurada y flujos de trabajo ágiles, y usar esa pila para capturar presupuestos empresariales europeos que son cada vez más cautelosos respecto a la dependencia de proveedores estadounidenses. La estructura de precios refuerza esa estrategia: a $2 por 1,000 páginas en modo por lotes, el costo de procesar un archivo corporativo de 100,000 páginas cae a $200, haciendo que los proyectos de digitalización a gran escala sean económicamente viables de maneras que tal vez no lo hayan sido con precios de modelos de visión y lenguaje basados en tokens. Si Mistral puede ejecutar esa visión a gran escala, en contra de Google, Amazon, Microsoft y un ecosistema de código abierto en auge, sigue siendo una pregunta abierta. Pero la crisis de control de exportación de Anthropic aún no se ha resuelto, las regulaciones de soberanía de datos en Europa se están endureciendo y una posible ronda de financiamiento de €20 mil millones está en el horizonte. La compañía está llevando a cabo un seminario web de producción de OCR 4 el 7 de julio a las 6:00 PM CET. Hace dos semanas, el argumento a favor de construir infraestructura de IA fuera del alcance de los controles de exportación de EE. UU. era teórico. Luego, el gobierno de EE. UU. activó un interruptor, y los modelos más avanzados de Anthropic se apagaron para todos los no estadounidenses del planeta. Mistral no causó esa crisis, pero pasó el último año construyendo el producto que la hace relevante.