🤖 معرفی OCR 4 توسط Mistral AI
اخبار اخیر نشان می‌دهد که Mistral AI مدل OCR 4 را عرضه کرده است. این مدل اسناد را به ساختارهای قابل استفاده تبدیل می‌کند: بلوک‌ها را با bounding boxes تشخیص می‌دهد، نوع عناصر (عنوان، جدول، فرمول، امضا) را شناسایی می‌کند و برای هر صفحه و هر کلمه confidence score (امتیاز اطمینان) ارائه می‌دهد. OCR 4 توانایی پشتیبانی از 170 زبان را دارد و هدف اصلی آن نه صرفاً تشخیص متن، بلکه امکان استفاده مستقیم در ردیابی اطلاعات (RAG)، جستجوی سازمانی، ویرایش، بازبینی انسانی و خطوط لولهٔ هوش مصنوعی است.
#معرفی #Mistral
اخبار اخیر نشان می‌دهد که Mistral AI مدل OCR 4 را عرضه کرده است. این مدل اسناد را به ساختارهای قابل استفاده تبدیل می‌کند: بلوک‌ها را با bounding boxes تشخیص می‌دهد، نوع عناصر (عنوان، جدول، فرمول، امضا) را شناسایی می‌کند و برای هر صفحه و هر کلمه confidence score (امتیاز اطمینان) ارائه می‌دهد. OCR 4 توانایی پشتیبانی از 170 زبان را دارد و هدف اصلی آن نه صرفاً تشخیص متن، بلکه امکان استفاده مستقیم در ردیابی اطلاعات (RAG)، جستجوی سازمانی، ویرایش، بازبینی انسانی و خطوط لولهٔ هوش مصنوعی است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #Mistral
❤3
🚀 جهش بزرگ Mistral در مدل OCR نسخه 4.1
کمپانی Mistral به‌تازگی مدل پردازش اسناد خود را به نسخه 4.1 ارتقا داده است. تمرکز اصلی این به‌روزرسانی بر بهبود تحلیل صفحات شلوغ و پیچیده، شامل جداول فنی، نمودارها و اسناد چندستونه است.
این مدل اکنون مرزهای عناصر صفحه را با دقت بسیار بیشتری تشخیص می‌دهد و برخلاف نسخه‌های قبلی، متن‌ها و تصاویر را در هم نمی‌آمیزد. از قابلیت‌های کلیدی این نسخه می‌توان به موارد زیر اشاره کرد:
• تفکیک دقیق بلوک‌های متنی و تصاویر در صفحات متراکم
• حفظ ساختار اصلی اسناد در زمان استخراج داده‌های چندستونه
• شناسایی هوشمندانه یادداشت‌ها و جداول فنی پیچیده
• عملکرد بهینه در تحلیل اسناد تاریخی و گزارش‌های مهندسی
اگر از API مدل‌های Mistral استفاده می‌کنید، سیستم به‌طور خودکار از طریق نام مستعار
کمپانی Mistral به‌تازگی مدل پردازش اسناد خود را به نسخه 4.1 ارتقا داده است. تمرکز اصلی این به‌روزرسانی بر بهبود تحلیل صفحات شلوغ و پیچیده، شامل جداول فنی، نمودارها و اسناد چندستونه است.
این مدل اکنون مرزهای عناصر صفحه را با دقت بسیار بیشتری تشخیص می‌دهد و برخلاف نسخه‌های قبلی، متن‌ها و تصاویر را در هم نمی‌آمیزد. از قابلیت‌های کلیدی این نسخه می‌توان به موارد زیر اشاره کرد:
• تفکیک دقیق بلوک‌های متنی و تصاویر در صفحات متراکم
• حفظ ساختار اصلی اسناد در زمان استخراج داده‌های چندستونه
• شناسایی هوشمندانه یادداشت‌ها و جداول فنی پیچیده
• عملکرد بهینه در تحلیل اسناد تاریخی و گزارش‌های مهندسی
اگر از API مدل‌های Mistral استفاده می‌کنید، سیستم به‌طور خودکار از طریق نام مستعار
mistral-ocr-latest به این نسخه جدید مهاجرت کرده است. برای تست و تجربه مستقیم خروجی این مدل می‌توانید به Mistral OCR Playground مراجعه کنید.🌐 مشاهده مطلب در سایت📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Mistral_OCR #Document_Parsing
📩 ارتباط با ما
🚀 عرضه مدل Mistral Large 4 با ۱.۰۵ تریلیون پارامتر
شرکت Mistral AI مدل چندوجهی جدید خود با نام مستعار Le Chonk را در دسترس عموم قرار داد. این مدل MoE با ۱.۰۵ تریلیون پارامتر کل و ۴۹ میلیارد پارامتر فعال در هر توکن، از پنجره متنی ۱ میلیون توکنی پشتیبانی می‌کند و قابلیت دریافت مستقیم تصویر را دارد. این مدل با استفاده از ۳۸۰۰ پردازنده NVIDIA Grace Blackwell آموزش دیده است.
از نظر فنی، در هر توکن تنها ۴.۷ درصد از وزن‌های مدل فعال می‌شوند که باعث شده هزینه سرویس‌دهی برای ۱ میلیون توکن ورودی ۱.۳۶ دلار و خروجی ۴.۱۸ دلار باشد. با این حال، کل وزن‌های مدل باید در حافظه قرار بگیرد.
برخی نتایج ارزیابی مدل:
- امتیاز ۹۳ در Cybench و ۸۲ در CyberGym-E2E
- امتیاز ۶۱.۷ در DeepSWE v1.1
- قرارگیری در میان ۵ مدل برتر شاخص سایبر Artificial Analysis
جزئیات فنی کامل در سایت رسمی Mistral و تحلیل معماری آن در MarkTechPost قابل بررسی است. دسترسی به این مدل از طریق API با نام mistral-large-4 امکان‌پذیر شده است.
#Mistral_Large_4 #Grace_Blackwell
شرکت Mistral AI مدل چندوجهی جدید خود با نام مستعار Le Chonk را در دسترس عموم قرار داد. این مدل MoE با ۱.۰۵ تریلیون پارامتر کل و ۴۹ میلیارد پارامتر فعال در هر توکن، از پنجره متنی ۱ میلیون توکنی پشتیبانی می‌کند و قابلیت دریافت مستقیم تصویر را دارد. این مدل با استفاده از ۳۸۰۰ پردازنده NVIDIA Grace Blackwell آموزش دیده است.
از نظر فنی، در هر توکن تنها ۴.۷ درصد از وزن‌های مدل فعال می‌شوند که باعث شده هزینه سرویس‌دهی برای ۱ میلیون توکن ورودی ۱.۳۶ دلار و خروجی ۴.۱۸ دلار باشد. با این حال، کل وزن‌های مدل باید در حافظه قرار بگیرد.
برخی نتایج ارزیابی مدل:
- امتیاز ۹۳ در Cybench و ۸۲ در CyberGym-E2E
- امتیاز ۶۱.۷ در DeepSWE v1.1
- قرارگیری در میان ۵ مدل برتر شاخص سایبر Artificial Analysis
جزئیات فنی کامل در سایت رسمی Mistral و تحلیل معماری آن در MarkTechPost قابل بررسی است. دسترسی به این مدل از طریق API با نام mistral-large-4 امکان‌پذیر شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Mistral_Large_4 #Grace_Blackwell