一句话看懂：Mistral AI 正式推出 Agentic Search，通过多步检索与工具调用替代传统单次向量检索，在复杂财务文档问答任务中把准确率提升至 86%。这项技术意味着大模型不再只是“凭记忆回答”，而是能主动翻阅、定位和交叉核对文档内容。
事件核心：发生了什么
Mistral AI 于近期发布了 Agentic Search 的升级版本。该技术构建在现有企业搜索索引之上，为大模型提供五类核心工具：search（全局搜索）、open（打开文档）、navigate（定位页码或章节）、read（读取目标内容）以及 grep（模式匹配）。模型可以在回答前反复调用这些工具，调整检索策略并深入挖掘证据，而不是依赖一次性固定的文本块。
在 FinanceBench 金融问答基准中，该方案在 368 份平均页数约 147 页的 SEC 复杂文件上完成了测试：仅加入搜索循环即可将准确率提升约三倍；加入完整导航工具链后，准确率最高达到 86%，p90 延迟显著下降，Token 消耗最高减少三分之一。在 OfficeQA Pro 财政部公报测试中，面对 696 份扫描版且以表格为主的政府财务 PDF，该方案同样实现了准确率突破。
为什么重要
传统 RAG 的瓶颈在于“重检索、轻推理”，模型只能基于最初找到的碎片化文本作答，遇到跨文档对比或深层表格查询时容易出错。Agentic Search 把检索从单次操作变成多轮推理闭环，让模型像分析师一样先看目录、再翻页、再核对数据。这一思路改变了企业知识库问答的技术路线——它不再单纯依赖更好的向量模型或更大的上下文窗口，而是通过工具调用让模型主动控制检索粒度，从而在不增加模型参数的情况下显著提升复杂文档场景的准确率。对 Mistral 而言，这也在企业级市场形成了与 OpenAI、Anthropic 差异化的竞争点。
对用户/开发者/创作者的影响
对开发者来说，Agentic Search 可以嵌入 Studio 和 Vibe 的 Libraries 中，也可通过 Mistral Search Toolkit 集成到自定义工作流，无需重新训练模型即可获得更强的文档问答能力。企业用户可以直接用它处理招股书、合同、审阅报告等长文档，降低人工翻阅成本。对内容创作者而言，这项技术意味着基于资料的写作和事实核查可以更精确——模型给出的回答能明确指向某一页、某一段落的原始证据，而不是拼凑出来的概括。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，Agentic Search 已支持云部署和本地私有化部署，但尚未公布具体定价细节。后续值得观察三点：一是该工具链能否兼容主流企业搜索引擎（如 Elasticsearch、Azure AI Search），扩大生态覆盖；二是 p90 延迟虽有改善，但在海量文档库中的实际吞吐表现仍有待进一步评测；三是其他大模型厂商是否会在自家 RAG 体系中引入类似的“工具化检索”设计，推动行业标准走向统一。
来源：AIbase
