Mistral 发布 Agentic Search：让 AI 像查档案一样翻文件找答案

它是什么：给 AI 装上一套会翻文件的检索工具

2026 年 8 月 20 日，Mistral 发布了 Agentic Search。它不是一个新的聊天机器人，而是给 AI 系统使用的“检索层”。你可以把它想成图书馆里的智能小助手：以前它只把最像答案的几页纸递给你，现在它会自己走到书架前，打开正确的书，翻到具体那一页，读一读表格和脚注，再回来告诉你答案。

官方说，它通过 Mistral Search Toolkit 提供，也内置在 Studio 和 Vibe 的 Libraries 里。它支持在云端或本地部署中处理敏感数据，但原文没有说明它是否开源，也没有给出具体价格。

为什么需要它：传统 RAG 像只翻第一页就答题

传统 RAG 的做法是：先一次性找出几段文字，然后让模型直接回答。这就像考试时只允许你看第一页笔记，不能翻书、不能查目录、不能对比另一本书。如果答案藏在很长的报告、某个表格、某条脚注里，它就很容易答错。

原文指出，传统 RAG 有三个短板：检索和推理分开、只能看固定的小块文字、不能反复搜索。遇到复杂文档时，模型明明需要再看另一份文件，却没有机会去拿。

它怎么工作：五个像文件操作一样的工具

Agentic Search 给模型五个工具：search 用来找相关文档，open 用来打开某份文档，navigate 用来跳到某一页、某一节或某个区域，read 用来读取那里的内容，grep 用来在打开的文档里找特定模式。这些名字很像电脑上操作文件时用的命令。

模型不再只靠第一次搜到的结果回答，而是可以检查、再搜、打开、跳转、阅读，最后才给出答案。索引负责指出“可能在哪”，Agentic Search 负责决定“到底看哪里”。

效果如何：正确率大幅提升，延迟和 token 反而下降

原文给出了具体数字：在 FinanceBench 金融文件测试中，正确率从 26.7% 提升到 86%，大约是原来的三倍。在表格多、文档多的 OfficeQA Pro 测试中，提升了 45.6 个百分点，从 6.3% 到 51.9%。

更让人意外的是，它并没有因为多翻几次而变慢。官方说，定向导航让 p90 延迟最多降低 39.6%，重复搜索减少让 token 消耗最多减少三分之一。也就是说，它更像一个知道去哪找的熟练图书管理员，而不是把整个书架搬来搬去。

适合谁用：长文档、复杂表格和敏感数据场景

它适合处理很长的文件，比如财务申报、法律合同、产品手册、技术规格和报告。这些文件里，答案可能藏在某一页、某张表、某个条款或某条脚注中。传统搜索很难直接找到，Agentic Search 可以一步步定位。

它也适合对数据隔离有要求的企业。原文说，Mistral 的可移植、开放工具能帮助你在不跨越云端或本地隔离边界的情况下挖掘数据价值。不过，原文没有说明具体支持哪些行业或地区。

限制和未知：官方没有说明的地方

原文没有说明 Agentic Search 是否开源、是否开放权重，也没有给出定价、免费额度或付费方式。它没有说明支持哪些语言、需要哪个模型版本、是否所有 Studio 和 Vibe 用户都能立即使用。

另外，原文没有说明它在非英语文档、图片型 PDF 或扫描件上的表现，也没有说明部署时需要什么硬件。对于小学生来说，可以把它理解成“一个很会查资料的小助手”，但它到底能不能在你的电脑上跑、要不要花钱，官方还没说清楚。

一句话总结：让 AI 从“猜答案”变成“查答案”

Agentic Search 的核心变化，是让 AI 在回答前先像人一样翻文件、找证据、做核对。它不训练新模型，而是给现有模型一套检索工具，所以模型越会推理，检索效果也可能越好。

对于企业来说，这意味着复杂文档里的答案更可靠；对于普通读者来说，可以把它记成：以前 AI 是“看一眼就答”，现在它学会了“先查清楚再答”。