Mistral Agentic Search 实测：多步检索让准确率从 26.7% 跳到 86%

核心洞察

Mistral 这次把检索从「一次性捞一票」改成了「让模型自己翻文件」，思路不算新，但 FinanceBench金融文档分析领域的基准测试，用于评估RAG系统在金融报告分析中的性能表现。 从 26.7% 跳到 86% 这个幅度确实有点吓人。我比较在意的是那个延迟数据：全循环反而比只搜索更省 token、更快，说明多步检索不是简单地多跑几轮，而是每轮都更准。另外同一模型换个工具栈能差出 10 个百分点，这事儿值得做 agent 的人多看两眼。

核心结论

1. Mistral 于 2026 年 8 月 20 日发布 Agentic Search智能代理搜索，一种具备自主规划与多步骤执行能力的搜索模式，能够将信息查找与实际操作结合，实现复杂任务的自动化处理。，在现有索引上为模型提供 search、open、navigate、read、grep 五个类文件系统工具，通过多步检索循环完成查找、定位与验证。

2. 在 FinanceBench 基准（368 份 SEC 文件、150 个问题、平均 147 页）上，准确率从一次性 RAG 的 26.7% 提升至 86%；在 OfficeQA Pro基于 696 份扫描版美国财政部公报、约 89,000 页、133 道题的文档问答评测集。 基准（约 89,000 页、133 个数值题）上，GLM-5.2 全循环达到 51.9%，提升 45.6 个百分点。

3. 全循环检索反而比仅搜索循环更省 token：Mistral Medium 3.5 少 23.9%，GLM-5.2 少 33.7%；p90 延迟90%的请求延迟低于该值，用于衡量响应速度的尾部延迟指标。从 255 秒降至 154 秒，平均延迟从 108 秒降至 71 秒。

4. 同一模型 GLM-5.2 在 Claude Code harness 下 OfficeQA Pro 得分 41.4%，在 Mistral harness 下为 51.9%，工具栈差异带来 10.5 个百分点的性能差距。

5. Agentic Search 无需重建索引、无需微调，通过 Mistral Search ToolkitMistral 提供的检索工具包，Agentic Search 建立在其索引之上，支持配置解析器、分块策略、Vespa schema 与重排序。 提供并内置于 Studio 和 Vibe 的 Libraries，支持云端或本地部署；官方明确其不适合短文档直接查找、高吞吐关键词检索等场景，这些场景一次性 RAG 仍然够用。

一句话结论

Mistral 在 2026 年 8 月 20 日发布了 Agentic Search。它在现有索引之上给模型配了 search、open、navigate、read、grep 五个类文件系统工具，让模型通过多步检索循环去查找、定位和验证信息。FinanceBench 金融问答基准上准确率从 26.7% 提到 86%，OfficeQA Pro 提升 45.6 个百分点，p90 延迟最多降 39.6%。

产品定位

Agentic Search 是面向企业复杂文档的检索层，通过 Mistral Search Toolkit 提供，也内置于 Studio 和 Vibe 的 Libraries 里。官方主打三点：

• 支持敏感领域数据。工具开源可移植，云端或本地都能部署，不跨企业的隔离边界。
• 改进搜索结果。模型可以走出「返回的分块」，在长文档内部和多来源之间导航。
• 接入既有索引。不用重建索引，在现有索引上叠加智能体式工具调用就行。

为什么一次性 RAG 不够

传统 one-shot RAG传统一次性检索增强生成，检索固定数量的文本块后让模型一次作答，无法迭代检索。 检索固定数量的文本块，然后让模型一次作答。Mistral 认为这套做法在长报告、跨文档比对、需要核对原始证据的场景里有三个结构性缺陷：

1. 只检索不推理。模型只能基于初检分块作答，判断不了「是不是该换一份文档、换一个章节或者补点上下文」。
2. 分块粒度有上限。关键信息常埋在表格、脚注或条款里，索引能找到文档，却打不开、翻不到那一页。
3. 没法迭代。复杂问题需要多轮检索、查看线索文档、跟踪已读内容、失败后换路线，一次性 RAG 没有下一步。

官方给了个对比例子。问「1953 年美国国防开支各月总和」，一次性检索只找到 1 到 6 月的月度公报。Agentic Search 走了三步工具调用，第二次搜索定位到 1954 年 2 月财政部公报第 15 页的完整表格，read 读出全部 12 个月数据，合计 44,463 百万美元。

五个工具的工作方式

Agentic Search 建立在 Mistral Search Toolkit 的索引之上，工具设计模仿文件系统操作：

• search：在语料中查找相关文档。
• open：打开一份具体文档。
• navigate：移动到文档内的页、章节或区域。
• read：读取该位置的内容。
• grep：在已打开的文档内查找模式。

这些工具不需要微调，也不需要模型专属训练。模型推理和工具调用能力越强，检索质量越高。检索质量跟着模型能力走，不会被分块策略封顶。

基准数据

Mistral 用的是开箱即用的默认配置，默认分块、默认排序、零调优，在两个基准上测试，并强调这些结果是下限。

FinanceBench（368 份 SEC 文件、150 个问题，平均 147 页）

• 从一次性 RAG 到仅搜索的智能体循环：Mistral Medium 3.5 提升 47.3 个百分点，GLM-5.2 提升 52.6 个百分点，约 3 倍改进。
• 加入导航四工具再提升：MM 3.5 加 8.7 个百分点，GLM-5.2 加 6.7 个百分点。
• 全循环比仅搜索循环更省 token：MM 3.5 少 23.9%，GLM-5.2 少 33.7%。
• p90 延迟从 255 秒降到 154 秒，平均延迟从 108 秒降到 71 秒。

OfficeQA Pro（696 份美国财政部公报、约 89,000 页、133 个数值题）

• GLM-5.2 全循环达到 51.9%，提升 45.6 个百分点；MM 3.5 提升 27.1 个百分点。
• 导航工具在提精度的同时减少浪费，轮次最多降 7.0%。
• 同一个 GLM-5.2 模型，在 Claude Code harness 下 OfficeQA Pro 得分 41.4%，在 Mistral harness 下 51.9%。同模型不同工具栈，差 10.5 个百分点。

适用边界

Mistral 也划出了不适合 Agentic Search 的场景：短文档直接查找、高吞吐关键词或语义检索、来源和位置都已知的简单问题。这些场景一次性 RAG 仍然够用。Agentic Search 适合长文档、跨来源比对、需要验证的数值与条款、表格和扫描件这类结构化文档。

如何使用

• 通过 Mistral Search Toolkit 集成到自己的智能体和工作流，云端或本地部署均可。
• 在 Studio 和 Vibe 的 Libraries 中开箱即用。
• 官方提供 Search Starter App，本地索引加默认配置，没有检索工程背景也能试用。支持配置解析器、分块策略、Vespa schema 和重排序。

原文信息

• 作者：Mistral AI
• 原文地址：https://mistral.ai/news/agentic-search
• 发布时间：2026-08-20

常见问题（FAQ）

Agentic Search 和传统一次性 RAG 到底有什么区别？

一次性 RAG 只检索固定数量分块后一次作答，无法推理、迭代或打开文档内部。Agentic Search 给模型 search、open、navigate、read、grep 五个类文件系统工具，让模型多步检索、定位并验证信息，适合长文档和跨来源比对。

Agentic Search 在 FinanceBench 上准确率提升了多少？

FinanceBench 上准确率从 26.7% 提升到 86%。从一次性 RAG 到仅搜索的智能体循环，Mistral Medium 3.5 提升 47.3 个百分点，GLM-5.2 提升 52.6 个百分点；加入导航四工具后再提升 8.7 和 6.7 个百分点。

哪些场景不适合用 Agentic Search？

短文档直接查找、高吞吐关键词或语义检索、来源和位置都已知的简单问题，一次性 RAG 仍然够用。Agentic Search 更适合长文档、跨来源比对、需要验证的数值与条款、表格和扫描件这类结构化文档。