Mistral выпустила Agentic Search: модель сама открывает документ и ищет нужную таблицу

Mistral AI выпустила Agentic Search — инструмент, который помогает модели искать ответы в длинных корпоративных документах: финансовых отчётах, договорах, госархивах. Модель не отвечает по нескольким случайно найденным кускам текста. Она может сама открыть документ, перейти к нужной странице и прочитать таблицу целиком. Инструмент доступен в наборе Mistral Search Toolkit и встроен в Libraries на платформах Studio и Vibe¹. Работать он может и в облаке, и на собственных серверах компании.

Обычная генерация с дополненной выборкой² устроена проще: система один раз подбирает фиксированный набор фрагментов, и модель отвечает только по ним. Если нужная цифра спрятана в сноске или разбросана по нескольким документам, ответа не будет. В Mistral приводят пример: модель ищет расходы США на оборону по месяцам 1953 года, находит данные только за январь — июнь и останавливается. С Agentic Search она делает второй запрос, находит бюллетень Минфина за февраль 1954 года с полной таблицей и читает нужную страницу.

Для этого модель получает пять инструментов, похожих на команды файловой системы. Она может искать документы по всей базе, открывать их, переходить к нужному разделу или странице, читать содержимое и искать в открытом документе строку по шаблону. Всё это работает поверх уже существующего поискового индекса. Дообучать модель не нужно. По логике Mistral, чем лучше модели рассуждают и пользуются инструментами, тем точнее будет поиск без переделки инфраструктуры.

Компания проверила систему на двух бенчмарках с настройками по умолчанию: на своей Mistral Medium 3.5 и на более крупной GLM-5.2 от Z.ai. На FinanceBench³ (отчёты для американской комиссии по ценным бумагам) точность выросла с 26,7% до 86%. На OfficeQA Pro⁴, где нужно доставать числа из отсканированных таблиц, — с 6,3% до 51,9%. По сравнению с многократным поиском без навигации полная схема тратит до трети меньше токенов, а задержка в худших 10% запросов падает с 255 до 154 секунд.

Mistral также ссылается на исследование Kimi: та же GLM-5.2 в среде Claude Code набирает на OfficeQA Pro 41,4%, а в среде Mistral — 51,9%. При этом компания не считает, что новый поиск нужен везде. Для коротких документов, массового поиска по ключевым словам и простых предсказуемых вопросов, по её словам, хватает обычного однократного поиска.

Все цифры получены на тестах самой Mistral. Независимых проверок и данных о цене в анонсе нет.