Mistral 发布多步文档检索层 Agentic Search

Agentic Search 是 Mistral 面向 AI 系统的检索层。它不做一次性分块检索，而是让模型在既有搜索索引上多步循环，用 search、open、navigate、read、grep 五个类文件系统工具在复杂文档里查找、核对并验证信息。交付有两条路：开源的 Mistral Search Toolkit 负责数据摄取、嵌入和索引，可部署在云端或本地；Studio 和 Vibe 里内置开箱即用的库，GitHub 上还有 Search Starter App 可按默认配置建本地索引。整个设计模型无关、不需要微调，检索质量随模型能力提升，不会被分块策略封顶。官方自报数据（默认未调优）：FinanceBench（SEC 财报）正确率从 26.7% 升到 86%，OfficeQA Pro（Treasury Bulletins）从 6.3% 升到 51.9%，p90 延迟最高降 39.6%，token 用量最多省三分之一；测试用了 Mistral Medium 3.5 和 Z.ai GLM-5.2。

一次性 RAG 在需要翻长报告、跨来源对比、读表格脚注的问题上有结构性短板，Agentic Search 的思路是给模型迭代式的文档操作，而不是更巧的分块。索引留在你自己的安全边界内，加上开放的 Toolkit 路径，敏感企业数据也能用。模型无关的定位意味着可以拿它和自己的技术栈对比评测。注意：数字是厂商自报的，测的是文档密集场景，且未公布定价，独立复现还没有出现。

工具	search、open、navigate、read、grep：模型在既有索引上循环驱动的类文件系统操作
机制	多步迭代检索；不需要微调或针对特定模型的训练；检索质量随模型能力提升
交付	Mistral Search Toolkit：开放模块（摄取 / 嵌入 / 索引），可云端或本地部署 · Studio 和 Vibe 内置的库 · GitHub Search Starter App（本地索引 + 默认配置）
基准测试	FinanceBench（SEC 财报）：正确率 26.7% → 86%（最高 3 倍） · OfficeQA Pro（Treasury Bulletins）：6.3% → 51.9%（+45.6 点） · p90 延迟：最高 -39.6% · token 用量：最多 -1/3
测试模型	Mistral Medium 3.5、Z.ai GLM-5.2（验证模型无关的主张）
注意	基准数字为厂商自报；测的是文档密集场景（财报、公告）；公告未给出定价
与知识库的关系	首个把 agentic 检索循环做成产品的厂商发布；同日的学术呼应 DeepWeaver（arXiv 2608.18988）登记为早期迹象观察项，不立趋势