但是，根据最近的测试，这些促销主张并不总是与现实世界的表现相对应。威利斯指出：“我通常是Mistral模型的忠实拥护者，但他们上周发布的新OCR确实表现出来。”
“一位同事发送了 这个pdf 威利斯说：“问我是否可以帮助他分析桌子的分析。”这是一个旧文档，其表具有复杂的布局元素。 OCR特有的新模型（Mistral） 滥用重复城市的名称并建造许多数字。 “”
AI应用程序开发人员亚历山大·多里亚（Alexander Doria）最近也强调了XA缺陷，具有Mistral OCR了解写作， 写作“不幸的是，Mistral-Ocr总是有VLM的诅咒：由于艰难的手稿，他完全幻觉。”
根据Willis的说法，Google目前正在AI模型中进行该领域，该模型可以阅读文档：“目前，对我来说，Clear Leader是Google Gemini 2.0 Pro的实验。
双子座的表演很大程度上源于他处理宽敞文档的能力（在一种称为“上下文窗口”的短期内存类型中），这将特别指出是一个关键优势：“其上下文窗口的大小也很有用，因为我可以下载大量文档并通过零件工作。”这种能力加上对手写内容的更强大的管理，显然为Google模型提供了竞争对手在处理真实文档的实际优势。
基于LLM的OCR的缺点
尽管他们承诺，LLMS仍提出了几个新问题来处理文档。其中，他们可以引入构象或幻觉（合理但不正确的信息），意外监视文本中的说明（认为它们是用户提示的一部分），或者只是简单地误解了数据。
