> ## Content Index > Fetch the complete content index at: https://fomoera.com/llms.txt > Use this file to discover other available public pages before exploring further. # Mistral lanza OCR 4: extrae documentos en 170 idiomas con cajas delimitadoras y puntajes de confianza - URL: https://fomoera.com/mistral-lanza-ocr-4-extrae-documentos-en-170-idiomas-con-cajas-delimitadoras-y-puntajes-de-confianza/ - Published: 2026-06-23T23:00:23.000Z - Updated: 2026-06-23T23:00:23.000Z - Description: OCR 4 de Mistral extrae documentos en 170 idiomas con cajas, tipos de bloque y puntajes de confianza. - Author: Gerardo Pavez - Tags: Tecnología y Ciencia, IA **TL;DR:** - Mistral AI lanzó OCR 4 el 23 de junio de 2026: además del texto, devuelve cajas delimitadoras, el tipo de cada bloque (títulos, tablas, ecuaciones, firmas) y un puntaje de confianza por página y por palabra. - En pruebas a ciegas con más de 600 documentos en 12 idiomas, anotadores independientes prefirieron OCR 4 sobre todos los sistemas rivales, con una tasa de victoria promedio del 72%. - Corre en un solo contenedor para alojarlo en infraestructura propia y cuesta 4 dólares por cada mil páginas (2 dólares con la Batch API); Document AI sube a 5 dólares. **Mistral AI** presentó este **23 de junio de 2026** su modelo **OCR 4**, una herramienta de lectura de documentos que da un paso más allá del texto plano: junto con lo que dice cada página, ahora entrega también dónde está cada elemento, qué tipo de bloque es y qué tan seguro está el sistema de cada zona. Soporta **170 idiomas** en 10 grupos lingüísticos, se puede alojar entero en un solo contenedor dentro de la infraestructura de cada empresa y apunta a sectores que mueven papeleo pesado —legal, financiero, salud y técnico—. El precio arranca en **4 dólares por cada mil páginas**, con la mitad de costo si se procesa por lotes. **Mistral OCR 4** es un modelo de extracción y comprensión de documentos que convierte PDF, Word, PowerPoint y archivos OpenDocument en texto estructurado. La diferencia con las versiones anteriores está en el salto de *qué* dice un documento a *dónde* está cada cosa, *qué papel* juega y *con cuánta certeza* lo leyó el modelo. En vez de escupir una página limpia de texto, devuelve una representación con coordenadas, etiquetas y puntajes. Mistral acompañó el anuncio con una demostración del modelo procesando documentos. ## De leer texto a entender la estructura del documento Las tres capacidades nuevas trabajan juntas. Las **cajas delimitadoras** —la función más pedida por los usuarios, según Mistral— marcan en qué parte exacta de la hoja está cada bloque de texto, lo que permite resaltar datos en su contexto y armar tuberías de datos más confiables. La **clasificación por tipo de bloque** etiqueta si algo es un título, una tabla, una ecuación o una firma. Y los **puntajes de confianza** ponen un número a qué tan seguro está el modelo de cada página y cada palabra, una señal útil para decidir cuándo conviene que un humano revise. Eso es lo que vuelve al texto digerible para otros sistemas: agentes que ya no solo leen un documento sino que actúan sobre él —llenan formularios, procesan facturas, corren chequeos de cumplimiento— y motores de búsqueda interna que cortan el contenido en pedazos limpios y citables. Mistral conectó OCR 4 con su Search Toolkit, el marco de búsqueda de código abierto que estrenó en su cumbre AI Now, justo para alimentar esos flujos de RAG y búsqueda empresarial. Esto es lo que trae OCR 4 frente a generaciones previas: - **Cajas delimitadoras (bounding boxes):** ubican cada bloque dentro de la página. - **Clasificación de bloques por tipo:** títulos, tablas, ecuaciones, firmas y más. - **Puntajes de confianza** por página y por palabra. - **170 idiomas en 10 grupos lingüísticos,** con mejoras medibles en lenguas raras y de pocos recursos donde varios rivales se caen. - **Formatos de entrada:** PDF, DOC, PPT y OpenDocument. - **Despliegue en un solo contenedor,** apto para alojarlo por completo en infraestructura propia. ## Un 72% de preferencia en pruebas a ciegas (y una advertencia del propio Mistral) Para medir el modelo, Mistral armó un panel de más de **600 documentos** en más de 12 idiomas y pidió a anotadores independientes que, sin saber qué sistema generó cada salida, compararan OCR 4 contra cada rival, documento por documento. El resultado que reporta la compañía: los evaluadores prefirieron OCR 4 sobre todos los sistemas probados, con una tasa de victoria promedio del **72%**. En las pruebas automáticas, Mistral dice que su modelo encabeza el público OlmOCRBench (85.20) y marca 93.07 en OmniDocBench. Aquí viene la parte honesta, y poco común en un anuncio de lanzamiento. Mistral advierte que esos benchmarks tienen límites conocidos para puntuar ciertas salidas, y que al auditar sus propios desajustes encontró que la mayoría no eran errores del modelo sino artefactos de cómo el benchmark compara resultados: anotaciones de referencia equivocadas, fórmulas matemáticas escritas distinto pero que se ven igual en pantalla, líos con el orden de lectura en documentos a varias columnas. Por eso pide tomar el número agregado como una señal de dirección, no como veredicto, y recomienda a cada quien probar el modelo con sus propios documentos. Entre los primeros clientes ya hay cifras concretas sobre la mesa. > "Comparamos Mistral OCR 4 contra los principales parsers de documentos con agentes sobre un conjunto de preguntas y respuestas financieras lleno de gráficas y figuras, y alcanzamos una precisión equivalente con un costo aproximadamente 8 veces menor y una latencia 17 veces menor. En casos de uso en producción a gran escala, esa diferencia se acumula rápido." > — Aidan Donohue, AI Engineer en Rogo Mistral también marca los límites de uso: OCR 4 entiende documentos, pero no toma decisiones. No está pensado para diagnóstico médico, asesoría o juicio legal, decisiones financieras de alto riesgo ni sistemas críticos de seguridad. ## Precio agresivo y la opción de correrlo en casa El costo es parte del mensaje. A través de la API, OCR 4 cuesta **4 dólares por cada mil páginas**, que bajan a **2 dólares** con el 50% de descuento de la Batch API para procesos por lotes. La capa Document AI, que entrega los resultados ya ordenados en un esquema JSON sin escribir código de parseo, sube a 5 dólares por cada mil páginas. El modelo está disponible vía API en Mistral Studio, Amazon SageMaker y Microsoft Foundry, y llegará pronto a Snowflake Parse Document. ![Close-up of server cooling fans in a vibrant data center.](https://images.unsplash.com/photo-1782094673136-5198a372980c?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDF8fHNlcnZlciUyMHJvb20lMjBkYXRhJTIwY2VudGVyfGVufDB8fHx8MTc4MjI1NDAxMnww&ixlib=rb-4.1.0&q=80&w=2000) Photo by [Winston Chen](https://unsplash.com/@winstonchen?ref=fomoera.com) / [Unsplash](https://unsplash.com/?utm%5Fsource=ghost&utm%5Fmedium=referral&utm%5Fcampaign=api-credit) El punto que más pesa para la región es el despliegue propio. Como OCR 4 cabe en un solo contenedor, una empresa puede correrlo dentro de su propia infraestructura y nunca sacar los documentos de ahí. Para bancos, aseguradoras, despachos legales y hospitales de habla hispana —en México, España o el resto de América Latina— que manejan información sensible y normas estrictas de residencia de datos, esa diferencia decide si la herramienta entra o no a producción. Procesar expedientes médicos o contratos en una nube ajena suele chocar con la regulación; hacerlo puertas adentro, no. Para los proveedores tradicionales de OCR, el golpe va donde más duele: precio y velocidad. Y al volver la lectura de documentos lo bastante barata, estructurada y portátil como para alojarla en casa, OCR 4 acerca la automatización de papeleo pesado a empresas que hasta ahora la miraban de lejos, incluidas muchas del mundo hispanohablante que no podían mandar sus archivos a un servidor de terceros. *Fuentes:* [1](https://mistral.ai/news/ocr-4/?ref=fomoera.com), [2](https://www.testingcatalog.com/mistral-launches-ocr-4-for-multilingual-document-extraction/?ref=fomoera.com)