Mistral Agentic Search. Jak działa wieloetapowe wyszukiwanie w dokumentach

Czym jest Mistral Agentic Search

Mistral Agentic Search to warstwa wyszukiwania, w której model prowadzi poszukiwania w pętli. Klasyczny RAG, czyli generowanie wspomagane wyszukiwaniem, pobiera kilka fragmentów pasujących do pytania i od razu na ich podstawie odpowiada. Agentic Search pozwala modelowi sprawdzić źródło, przejść do sąsiednich fragmentów, poszukać dokładnej frazy i zadać nowe zapytanie z pominięciem już przejrzanych wyników.

Mistral ogłosił rozwiązanie 20 sierpnia 2026 roku. Producent kieruje je do zadań na długich, złożonych dokumentach, takich jak sprawozdania finansowe i biuletyny statystyczne.

Pięć narzędzi, którymi posługuje się model

Komunikat opisuje pięć operacji dostępnych dla modelu. Dokumentacja wymienia dodatkowo narzędzia do dodawania i usuwania dokumentów z indeksu.

• search - wyszukiwanie semantyczne lub hybrydowe w kolekcji dokumentów.
• open - otwarcie konkretnego dokumentu.
• navigate - przejście do wybranej strony lub sekcji.
• read - odczytanie treści fragmentu.
• grep - wyszukiwanie dokładnych wzorców tekstu w jednym dokumencie.

Wyniki testów podane przez Mistrala

Mistral przetestował rozwiązanie na dwóch zbiorach. FinanceBench obejmuje 368 sprawozdań spółek złożonych do amerykańskiej SEC i 150 pytań. OfficeQA Pro obejmuje 696 biuletynów amerykańskiego Departamentu Skarbu i 133 pytania.

Najwyraźniejszy wynik dotyczy modelu GLM-5.2 w OfficeQA Pro: trafność wzrosła z 6,3 proc. przy klasycznym RAG do 51,9 proc. z Agentic Search. Mistral Medium 3.5 zyskał w tym teście 27,1 pkt proc. W FinanceBench opóźnienie p90 dla Mistral Medium 3.5 spadło z 255 do 154 sekund, a zużycie tokenów GLM-5.2 zmniejszyło się o 33,7 proc.

To dane producenta. Część wyników FinanceBench komunikat pokazuje na wykresach, dlatego nie podajemy ich dokładnych wartości trafności. Oba zbiory testowe są anglojęzyczne i dotyczą dokumentów z USA.

Kiedy wybrać Agentic Search, a kiedy zwykły RAG

Sam Mistral przyznaje, że klasyczny RAG często wystarcza. Wybór zależy od typu pytań i dokumentów.

• Zwykły RAG: proste wyszukiwanie w krótkich, uporządkowanych dokumentach.
• Zwykły RAG: duża liczba zapytań, w których liczy się szybkie zwrócenie pasujących fragmentów.
• Zwykły RAG: przewidywalne pytania, na które odpowiedź leży w pierwszych wynikach.
• Agentic Search: pytania wymagające zestawienia danych z kilku miejsc w długim raporcie.
• Agentic Search: dokumenty z tabelami, przypisami i odwołaniami do innych sekcji.
• Agentic Search: sytuacje, w których pierwsza odpowiedź wymaga weryfikacji w źródle.

Jak zacząć i ile to kosztuje

Najprostsza droga prowadzi przez Libraries, czyli biblioteki dokumentów wbudowane w Studio i Vibe. Programiści mogą użyć Mistral Search Toolkit we własnych agentach. Dokumentacja udostępnia szablon search-starter-app z indeksem Vespa, serwerem MCP i przykładowymi danymi. Wymaga on Dockera, menedżera pakietów uv, narzędzia Copier i klucza API Mistrala.

Komunikat i dokumentacja nie podają osobnej ceny za Agentic Search. Koszt wynika więc z tokenów zużytych przez model i infrastruktury wyszukiwania. Pętla wieloetapowa może zużyć więcej tokenów niż pojedyncze zapytanie, choć w testach Mistrala dodanie narzędzi nawigacji zmniejszało zużycie tokenów.

Ograniczenia i znaczenie dla firm w Polsce

Źródła nie wymieniają obsługiwanych języków, więc skuteczność na polskich dokumentach pozostaje niewiadomą. Nie podają też, czy Agentic Search działa przez regionalny endpoint EU. Dokumentacja regionalna ogranicza tam funkcje do chat completions i function calling, dlatego wdrożenia wymagające przetwarzania w UE najłatwiej ocenić w wariancie lokalnym.

Przykład: dział controllingu w polskiej spółce chce pytać o dane z kilkudziesięciu rocznych raportów w PDF. Tu podejście wieloetapowe ma sens, bo odpowiedź często wymaga porównania tabel z różnych lat. W ocenie redakcji dailyAI przed wdrożeniem trzeba przygotować 30-50 pytań ze znanymi odpowiedziami i porównać zwykły RAG z Agentic Search na polskich dokumentach, mierząc trafność, czas i koszt.

Jakość wyszukiwania zależy też od jakości odczytu skanów. Firmy pracujące na zeskanowanych dokumentach powinny ocenić cały łańcuch, od OCR po odpowiedź modelu.