무슨 일이 일어났나

Mistral이 문서 인식 모델 OCR 4를 지난 6월 23일 공식 발표했어. 170개 언어를 받고, 독립 평가자들이 다른 OCR·문서 AI 시스템이랑 비교했을 때 평균 72%로 OCR 4를 더 선호했대. 단순히 글자를 잘 뽑는 수준이 아니라, 이번 버전은 문서 구조까지 같이 읽어낸다는 게 달라진 점이야.

실제로 뭘 하나

OCR 4는 텍스트만 뱉지 않고, 그 글자가 문서 어디에 있고 어떤 역할인지를 같이 내줘:

  • 블록 분류: 제목·표·수식·서명 같은 유형을 구분해서 태그를 달아
  • 위치 좌표: 각 글자 덩어리가 페이지 어디 있는지 바운딩 박스로 찍어
  • 신뢰도 점수: 페이지·단어 단위로 얼마나 확신하는지 점수를 붙여
  • 벤치 성적: OlmOCRBench 85.20, OmniDocBench 93.07

이렇게 구조가 같이 나오면 RAG나 검색 파이프라인에 문서를 넣을 때 청크를 깔끔하게 나누기 쉬워져.

어떤 의미인가

가격은 API 기준 1000페이지에 4달러고, 배치 API로 돌리면 2달러까지 떨어져. 여기에 컨테이너 하나로 통째로 셀프호스팅이 된다는 게 실무에서 큰 차이야. 문서를 외부 API로 못 보내는 회사라도 데이터를 자기 인프라 안에 두고 돌릴 수 있거든. 송장 처리, 컴플라이언스 점검, 사내 문서 검색 같은 데 바로 붙여볼 만해.

주의할 점

72% 선호율이랑 벤치 점수는 Mistral이 직접 설계하고 측정한 평가라, 내 문서 종류에서도 그대로 나온다고 장담하긴 일러. 손글씨가 많거나 양식이 특이한 문서는 결과가 갈릴 수 있으니, 도입 전에 내가 실제로 다루는 문서 몇 개로 먼저 돌려보고 비교하는 게 안전해.