Mistral AI 发布 Agentic Search：五个工具让模型自己翻文件、跨来源比对
Mistral AI 于 2026-08-20 正式推出 Agentic Search，模型用 search／open／navigate／read／grep 五个工具反复穿梭长文件并跨来源验证，无需微调即可接入既有索引；FinanceBench 准确率由 26.7% 升至 86%，token 用量减少 23.9%。
2026 年 8 月 20 日，Mistral AI 在官网宣布 Agentic Search 正式上线（GA）。这是一套“代理式多步骤文档检索”能力：模型不再只靠一次向量检索把片段丢进上下文，而是拿到五个工具——search（搜索）、open（打开文档）、navigate（翻页定位）、read（读取段落）、grep（关键字比对）——反复执行“搜→开→翻页→读→比对”，在长文档里来回穿梭，并跨多份来源互相验证后才作答。官方强调三点：
- 无需针对模型做微调。
- 可以直接接入企业既有的搜索索引。
- 通过 Mistral Search Toolkit 与 Libraries 在 Studio 与 Vibe 同步可用，另附 Search Starter App 供快速起步。
benchmark 数字：准确率翻倍以上，成本反而下降
Mistral 公布两组测试结果（均为完整代理循环、含翻页工具的设定）：
- FinanceBench（368 份 SEC 申报文件、150 题）：Mistral Medium 3.5 准确率从 26.7% 提升到 86%，token 用量减少 23.9%，p90 延迟从 255 秒缩短到 154 秒。
- OfficeQA Pro（696 份美国财政部公报、133 题）：GLM-5.2 准确率提升 45.6 个百分点，由 6.3% 来到 51.9%。
第二组刻意用非 Mistral 自家模型，用意在证明这套工具流程是“模型无关”的架构改良，而非某一款模型的特调。
技术意义：从“一次捞片段”到“像人一样查资料”
传统 RAG 的瓶颈在于检索只做一次，片段切得太碎就失去上下文、切得太大又塞爆窗口，答案分散在多份文档时更常答错。Agentic Search 把检索变成多轮决策：先搜到候选文档，打开后翻到相关章节，细读不够再 grep 比对数字，发现矛盾就去另一份来源核对。准确率大幅提升的同时 token 反而减少，原因正是“只读需要的页”，而非把整包文档硬塞进上下文。
与既有布局的关系
回看 Mistral 今年路线：4 月 Medium 3.5 与 Vibe CLI、5 月 Le Chat 更名 Vibe、6 月 OCR 4、8 月初 Shieldstral 安全层，这次 Agentic Search 补上“企业文档深读”这一环。它选择开放接入既有索引而非绑定自家向量库，对已建好知识库的企业门槛较低。
对管理者的意义
对要从合同、财报、标书文件、法规公报中找答案的管理者来说，这类工具的关键不是“答得快”而是“答得有据”——模型会告诉你翻了哪几份、对了哪几页。评估导入时可先拿自己最常查错的一类文档做 30 题小测，比较人工答案与模型答案的一致率，再决定是否接入既有索引。