Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral6. März 2025 · Q000821

Mistral OCR | Mistral AI

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral stellt OCR als API für die strukturierte Verarbeitung von PDFs und Bildern vor und behauptet anhand eigener Benchmarks hohe Genauigkeit, Mehrsprachigkeit und Verarbeitungsgeschwindigkeit. Die Benchmarkvergleiche beruhen laut Bericht auf einem internen Texttest mit Einschränkungen; zudem wird das Modell inzwischen nicht mehr gewartet und gilt als durch neuere Modelle ersetzt.

Mittel

Der Bericht beschreibt Mistral OCR als API, die Bilder und PDFs verarbeitet und Text, Tabellen, Abbildungen, Formeln sowie komplexe Layouts in strukturierter Form ausgeben soll. Mistral empfiehlt sie unter anderem zur Aufbereitung multimodaler Dokumente für RAG-Systeme und nennt Anwendungen in Forschung, Kulturerbe, Kundendienst und der Verarbeitung technischer oder juristischer Unterlagen.

Das Unternehmen führt interne Benchmarks an: Mistral OCR 2503 liege in einem textbasierten Vergleich bei Gesamtwerten und mehreren Einzelkategorien vor den aufgeführten Konkurrenten. Der Vergleich ist eingeschränkt, weil andere Modelle laut Mistral keine eingebetteten Bilder extrahieren konnten und deshalb ein interner Texttest verwendet wurde. Testdetails und unabhängige Bestätigung nennt der Bericht nicht. Für mehrere Sprachen weist eine weitere Tabelle ebenfalls höhere Mistral-Werte aus. Als Leistungsdaten nennt der Artikel bis zu 2.000 Seiten pro Minute auf einem Knoten sowie 1.000 Seiten pro Dollar, ungefähr doppelt so viele bei Batch-Verarbeitung. Selbsthosting sei nur selektiv verfügbar. Ein Hinweis am Anfang stellt klar: Das beschriebene Modell ist inzwischen veraltet und wird nicht mehr gewartet; neuere OCR-Modelle haben es ersetzt.

Ausführlich lesen

Der Bericht stellt Mistral OCR als API zur Texterkennung und zum Verständnis von Dokumenten vor. Das Modell nimmt Bilder und PDFs entgegen und soll Inhalte wie Text, Abbildungen, Tabellen und mathematische Ausdrücke in geordneter, miteinander verwobener Text- und Bildform ausgeben. Mistral beschreibt es als geeignet, um multimodale Dokumente – etwa Präsentationen oder komplexe PDFs – für Retrieval-Augmented-Generation-Systeme aufzubereiten. Ein hervorgehobener Hinweis am Anfang des Berichts besagt jedoch, dass dieses Modell inzwischen veraltet und nicht mehr gewartet wird; es sei durch neuere OCR-Modelle ersetzt worden.

Mistral behauptet, das Modell verstehe anspruchsvolle Layouts, wissenschaftliche Arbeiten und verschiedene Schriftsysteme besonders gut. Als Belege führt das Unternehmen interne Benchmarkwerte an. In einem textbasierten Vergleich erzielt Mistral OCR 2503 laut Tabelle 94,89 Punkte insgesamt, gegenüber 90,23 für den dort stärksten genannten Vergleichswert. Bei Mathematik, mehrsprachigen Dokumenten, Scans und Tabellen weist die Tabelle ebenfalls Mistral die höchsten Werte zu. Für den Vergleich gilt eine wesentliche Einschränkung: Mistral erklärt, dass die anderen verglichenen Sprachmodelle keine eingebetteten Bilder extrahieren können; deshalb wurden alle Modelle anhand eines internen „text-only“-Tests mit Veröffentlichungen und Web-PDFs bewertet. Der Bericht beschreibt weder die genaue Testmethodik noch unabhängige Prüfungen dieser Resultate.

Für die Mehrsprachigkeit nennt Mistral einen weiteren Vergleich: Beim „Fuzzy Match in Generation“ wird für Mistral OCR ein Wert von 99,02 angegeben, gegenüber 97,31 für Azure OCR. Eine Tabelle mit elf Sprachen – darunter Deutsch, Französisch, Hindi und Chinesisch – weist Mistral jeweils höhere Werte als die aufgeführten Vergleichsmodelle aus. Auch diese Ergebnisse werden im Bericht als Benchmarks des Unternehmens präsentiert; Einzelheiten zum Testaufbau fehlen.

Als Leistungsangabe nennt Mistral eine Verarbeitung von bis zu 2.000 Seiten pro Minute auf einem einzelnen Knoten. Die API werde zum Preis von 1.000 Seiten pro Dollar angeboten; bei Stapelverarbeitung seien ungefähr doppelt so viele Seiten pro Dollar möglich. Der Bericht erwähnt außerdem die Verwendung von Dokumenten als Prompts, um gezielte Informationen zu extrahieren und strukturiert, etwa als JSON, auszugeben. Unternehmen mit hohen Datenschutzanforderungen könnten eine selbst gehostete Bereitstellung auf selektiver Basis anfragen; ein allgemeines Angebot wird nicht zugesagt.

Als Anwendungsfelder schildert Mistral die Digitalisierung wissenschaftlicher Forschung und historischer Bestände, die Aufbereitung von Handbüchern für den Kundendienst sowie die Umwandlung technischer, juristischer, bildungsbezogener und anderer Dokumente in durchsuchbare, KI-taugliche Formate. Diese Beispiele stammen aus der Darstellung des Unternehmens und werden nicht unabhängig belegt. Zum Zeitpunkt des ursprünglichen Artikels war die API über la Plateforme verfügbar; ein Ausprobieren in Le Chat wurde ebenfalls angeboten. Wegen des vorangestellten Veraltungshinweises sind diese Angaben nicht als Beschreibung des heutigen Produktstatus zu verstehen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung, die kurze lässt Anwendungsfälle und Leistungsdaten aus. Der Bericht ist Produktmarketing ohne Bezug zu Sicherheitsfragen, daher fällt die Einordnung durchweg niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Doc-as-prompt mit strukturierter JSON-Ausgabe und Ketten für Agenten als Kernfunktion
  • Verfügbarkeit über Le Chat und la Plateforme sowie die geplante Bereitstellung bei Cloud- und Inferenzpartnern

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-F1-T07 Wie sollten führende KI-Modelle über Sprachen und Kulturen hinweg geprüft und verbessert werden, damit ihr Sicherheitsverhalten nicht vom Englischen oder den Normen eines Landes abhängt? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 75 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 42 %nur am Rande erwähnt
    • amos 33 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →