Mistral Agentic Search：由「搵一次」變成逐步查證企業文件

點解多步檢索較適合複雜企業文件？

第一輪搵錯，仲有機會追回

一次性 RAG 高度依賴原本嘅問題寫法、索引、文字分段方式同排名。如果第一輪搵到嘅資料似乎合理但其實唔完整，模型可能根本冇機會見到可以糾正答案嘅證據。

Agentic Search 就可以重新組織搜尋、打開另一份文件，或者檢查同一段落附近嘅內容，而唔係見到第一個似樣答案就收工。

唔會咁容易拆散文件結構

財務表格同披露內容，往往要連同標題、頁面位置、註腳同前後文字一齊睇先明白。將文件切成一堆平面文字片段，可能會令呢啲關係消失。Navigation 同針對性閱讀，就畀模型有方法沿住文件行，而唔係將每段文字當成互不相關嘅碎片。

可以做精確證據核對

語意搜尋適合搵相近概念，但公司名稱、會計術語、日期、識別碼同重複披露等資料，經常需要逐字核對。Grep 式操作就提供另一條路，檢查某個字詞或模式係咪真係出現喺文件庫。其他 agentic 文件系統亦有類似嘅 search、grep、read 同文件瀏覽工具。

較適合跨文件問題

企業常見問題未必只需要一份文件：例如要喺一份申報入面搵數字，再去另一份文件搵定義或背景。模型主導嘅多步流程，可以喺整個文件庫入面交替做「發現資料」同「核實證據」，而唔係只靠一次排名結果。

Benchmark 數字代表咩？

Mistral 主要提到兩個針對高難度文件問答嘅評估。

FinanceBench：26.7% 升至 86%

FinanceBench 包含 368 份財務申報，總數約 53,900 頁。Mistral 報告指，Mistral Medium 3.5 用單次檢索時正確率係 26.7%，配合 Agentic Search 後升至 86%，即增加 59.3 個百分點，相對於原本結果約升至 3.2 倍。

Mistral 亦表示，曾經用 GLM-5.2 測試呢層檢索系統；官方文件將 GLM-5.2 列為由 Z.ai 提供嘅第三方開源文字模型。相關比較入面，GLM-5.2 嘅正確率由單次檢索嘅 6.3% 升至 Agentic Search 嘅 51.9%。

OfficeQA Pro：增加 45.6 個百分點

OfficeQA Pro 集中處理表格密集、需要跨文件查找嘅問題，資料集包含 696 份美國財政部公告掃描文件。Mistral 團隊成員 Ina Koleva 分享嘅公告指，準確率由 6.3% 升至 51.9%，即增加 45.6 個百分點。

呢啲結果相當亮眼，但唔代表任何企業文件、任何模型都一定有同樣表現。文件解析、OCR 質素、分段方式、索引、模型選擇、提示詞、工具使用上限同評估方法，都可能影響結果。OfficeQA Pro 研究亦顯示，文件點樣表示同解析，會實質影響準確度、延遲、工具呼叫次數同成本。

準確度之外，企業最關心咩？

Mistral 表示，Agentic Search 喺相關 benchmark 入面，除咗提高準確度，亦可以減少 turns、token 使用量同延遲。 不過，多步系統始終要逐次等待工具回應同文件處理，唔可以單靠「agentic」呢個標籤就假設一定更快。

一篇針對 FinanceBench 結果嘅二次分析報告指，完整循環平均延遲約 71 秒，p90 則係 154 秒；呢兩個數字唔係 Mistral 主要來源片段直接提供，因此應該當作二次分析數據理解，而唔係官方已獨立驗證嘅通用表現。

企業實際上要比較嘅，唔係簡單嘅「agentic 對非 agentic」，而係：

• 系統幾常可以搵到正確證據？
• 會唔會保留頁碼、表格同引用上下文？
• 平均回應時間同最差情況係幾多？
• 每條問題要用幾多次工具呼叫同 token？
• 權限、索引、OCR 同審計記錄可唔可以接入現有流程？
• 文件處理同模型推理會喺邊度進行？

Agentic 檢索可能透過只讀取模型真正需要嘅內容，減少無謂上下文；但更多推理步驟亦可能帶來額外延遲同成本。邊種設計最啱，取決於任務嘅複雜程度同出錯風險。

Mistral 透過咩產品提供？

Mistral 表示，Agentic Search 可透過 Search Toolkit 同 Libraries 使用。 呢兩項產品屬於 Mistral 更廣泛嘅 agent 同文件搜尋架構：官方文件列出 Document Library，畀模型搜尋上載嘅檔案；Agents API 就支援喺對話期間呼叫工具嘅 agent。

重點係，Agentic Search 被定位成一個檢索元件，而唔只係消費者聊天機械人入面嘅一項功能。企業可以將佢放入自己嘅應用程式、agent，或者更大型嘅企業搜尋流程之中。

模型彈性點解重要？

Mistral 同時以 Mistral Medium 3.5 同 GLM-5.2 測試，反映佢想將 Agentic Search 做成唔綁死單一模型嘅檢索及工具層。 如果文件搜尋、導覽同核實層可以配合唔同推理模型使用，企業理論上唔需要每次轉模型都由頭重建整套文件流程。

對企業而言，呢種可攜性可能有助平衡能力、價格、授權、部署位置同資料控制。不過，「模型無關」唔等於所有模型都會有一樣表現。工具使用可靠性、上下文處理能力同推理質素，都可能因模型而異，所以每個部署仍然要獨立測試。

Agentic Search 點樣配合 Mistral 嘅企業策略？

Agentic Search 加強咗 Mistral 唔只係賣一個語言模型嘅定位。公司正嘗試提供一層可攜、可以喺敏感組織資料上進行搜尋同推理嘅基礎能力，應用範圍包括財務記錄同內部知識庫。Mistral 嘅金融方案亦強調按權限搜尋，並提供有證據同上下文嘅答案。

對受監管機構嚟講，資料喺邊度處理、模型可以接觸邊啲證據，往往同模型本身一樣重要。相關報道形容 Mistral 支援雲端同受控基礎設施，包括類似 on-premises 嘅環境；但部署彈性唔等於自動符合每個司法管轄區或行業嘅合規要求。

Mistral 嘅基礎設施計劃亦配合呢個敘事。路透社報道，Microsoft 同意斥資數十億美元支持 Mistral 嘅歐洲運算基礎設施，而 Azure 客戶可以使用 Mistral 喺法國嘅數據中心開發軟件。 歐洲託管有助資料留喺指定地區，同時提高營運控制；但 Microsoft 夥伴關係亦提醒市場，「主權 AI」唔代表完全脫離全球雲端同硬件供應鏈。

融資消息反映咩？

Agentic Search 推出之際，有報道指 Mistral 正初步商討集資約 30 億歐元，估值約 200 億歐元。Bloomberg 指談判仍處於早期階段，條款亦可能改變。

如果完成，呢個估值會明顯高過 Mistral 喺 2025 年 9 月融資後報道嘅 117 億歐元估值。 但要分清楚：目前係報道中嘅融資討論，唔係已經完成嘅交易。

潛在集資亦反映點解企業檢索同基礎設施具有戰略價值。前沿 AI 產品需要大量昂貴運算資源，而企業客戶就希望系統可以可靠咁處理自己嘅資料。Agentic Search 主要處理應用同檢索層，歐洲數據中心則補足基礎設施一環。

Mistral 喺企業 AI 市場點樣競爭？

Mistral 同時面對幾類對手：

• 傳統企業搜尋：Agentic Search 將重點由文件排名推前一步，嘗試搵出、檢查、解釋同證明答案，而唔只係列出文件清單。
• 基本 RAG：主要分別係多步檢索、文件導覽同證據核實，而唔係一次向量或關鍵字搜尋。
• 雲端及平台供應商：Mistral 強調可組合工具、模型彈性同歐洲部署選項，而唔只係提供一個通用助手。
• 其他 agentic search 系統：OpenSearch 同樣描述咗由模型規劃同自動執行檢索嘅流程，顯示呢個市場唔係 Mistral 專屬。

對長篇、結構複雜嘅企業文件嚟講，Mistral 嘅 benchmark 結果提供咗一個有力起點。但長遠優勢，仍然要睇呢啲提升可唔可以喺獨立評估同真實生產環境重現，以及 Mistral 能否喺可接受嘅延遲、成本、安全性同整合複雜度之下交付。

總結

Mistral Agentic Search 嘅核心概念其實好直接：文件檢索唔應該只係作答前做一次嘅查詢，而應該係一個主動調查過程。透過 search、open、navigate、read 同 grep，模型有更多機會喺複雜企業文件庫入面搵到、理解同核實證據。

Mistral 報告嘅結果——FinanceBench 由 26.7% 升至 86%，以及 OfficeQA Pro 增加 45.6 個百分點——顯示呢種設計有機會大幅改善文件問答。 但另一面同樣重要：呢啲係同 Mistral 有關嘅 benchmark 結果，企業採用前仍然要用自己嘅資料測試延遲、成本、權限、解析質素同可靠性。