让 AI 查一份财报，难点不只是找到文件，还要翻到正确表格、读懂脚注，再核对数字。传统的一次性 RAG——先找几段相关文字，再让模型据此作答——如果第一轮没捞到关键内容，模型就很容易答偏。Mistral 推出的 Agentic Search，正是给企业 Agent 补上这层“会继续找”的能力。
它在模型与企业资料之间加入多步检索循环：模型可以反复搜索、打开文档、跳转位置、读取内容并核验信息，而不是只看最初取回的文本片段。它也能沿用企业现有的搜索索引，并通过 Mistral Search Toolkit，以及 Studio 和 Vibe 中的 Libraries 使用。
Mistral 自测称，在 FinanceBench 财务文件基准上，正确率从 26.7%升至 86%；在表格密集、涉及多份文档的 OfficeQA Pro 上，则从 6.3%升至 51.9%。公司还称，针对性导航可将 p90 延迟——九成请求能完成的等待时间上限——最多降低 39.6%，Token 消耗最多减少三分之一。换句话说，Mistral不只把搜索当作资料入口，而是把它包装成企业 Agent 在准确率、速度与调用成本之间取舍的一项基础组件；这些效果目前来自 Mistral 自己的基准测试。