Mistral Agentic Search リリース

Mistral AIは、企業が複雑で高密度かつ機密性の高いデータソースをナビゲートするのを支援するために設計された、マルチステップの検索システムであるAgentic Searchを発表しました。従来の検索拡張生成（RAG）とは異なり、Agentic Searchはモデルが複数のドキュメントにわたって情報を反復的に検索、調査、検証することを可能にし、データ量の多いドメインにおける正確性を大幅に向上させます。

One-Shot RAGの限界を克服する

従来のone-shot RAGは、固定されたテキストチャンクのセットを取得し、一度のパスで回答を試みます。Mistralは、複雑なデータを扱う際に、このアプローチにおける3つの主要な失敗要因を特定しました：

推論を伴わない検索: モデルは、提供された初期チャンクが不完全または無関係であっても、追加のコンテキストを要求する能力なしに、それらのみを使用して回答することを強制されます。
チャンクレベルの制限: マルチモーダルなドキュメント（テーブルや脚注など）における重要なデータは、モデルが完全なドキュメントを開いたり、特定の領域に移動したりできない場合、しばしば失われます。
反復の欠如: One-shot RAGは、検索クエリを洗練したり、ドキュメント間の参照を追跡したり、複数のソースを比較して回答を検証したりすることができません。

技術的実装: Mistral Search Toolkit

Agentic Searchは、データの取り込み、埋め込み、およびインデックス作成を提供するオープンなモジュールを備えたMistral Search Toolkitによって駆動されます。このシステムは、AIモデルにファイルシステム操作のように機能する5つの特定のツールを付与します：

search: 既存のインデックスを使用して、コーパス全体から関連するドキュメントを見つけます。
open: 特定のドキュメントを開きます。
navigate: ドキュメント内の特定のページ、セクション、または領域に移動します。
read: 現在の場所のコンテンツを取得します。
grep: 開いているドキュメント内で特定のパターンを見つけます。

このアーキテクチャは、検索の品質が固定されたチャンキング戦略によって制限されるのではなく、モデルの推論能力に応じてスケールすることを保証します。なぜなら、これらのツールはモデル固有の fine-tuning を必要としないからです。

パフォーマンス・ベンチマーク

Mistralは、2つの業界標準ベンチマークを使用して、Mistral Medium 3.5 (MM 3.5) と Z.ai GLM-5.2 (GLM-5.2) を用いてAgentic Searchをテストしました。

FinanceBench (SEC Filings)

368件のSEC filings (~53,900ページ) でのテスト結果は以下の通りです：

正確性の向上: One-shot RAGから検索のみのagentic loopへ移行することで、MM 3.5では正確性が+47.3パーセントポイント (pp) 、GLM-5.2では+52.6pp向上し、正確性の約3倍の改善（26.7%から86%へ）を表しています。
ナビゲーションの影響: open, navigate, read, および grep ツールを追加することで、MM 3.5では+8.7pp、GLM-5.2では+6.7pp、正確性がさらに向上しました。
効率性: 完全なループは、検索のみのループと比較して、MM 3.5ではトークン使用量を23.9%、GLM-5.2では33.7%削減しました。
レイテンシ: p90レイテンシは255sから154sに低下し、平均レイテンシは108sから71sに減少しました。

OfficeQA Pro (Treasury Bulletins)

スキャンされた、テーブルが多用されている政府財務PDF (~89,000ページ) でのテスト（696件）は、以下の結果を示しました：

正確性の向上: 完全なagentic loopは、GLM-5.2の正確性を51.9% (+45.6pp) に向上させ、one-shot RAGと比較してMM 3.5の正確性を+27.1pp向上させました。
効率性: ナビゲーションツールは、トークン消費を抑え、ターン数を最大7.0%減少させました。
Harness Comparison: GLM-5.2はMistral harnessで51.9%を記録し、Claude Code harnessを使用した場合は41.4%であり、+10.5ppの差がありました。

ユースケースの適用可能性

Mistralは、Agentic Searchを使用する場合と従来のインデックス検索（Indexed Retrieval）を使用する場合を区別しています：

Agentic Searchを使用すべきケース:

長大で高密度なドキュメント: 回答が特定のテーブル、条項、または脚注に存在する、filings、契約書、および技術仕様書。
クロスソース・リサーチ: 複数のドキュメントから証拠を照合する必要があるタスク。
検証可能な回答: 回答が安定したドキュメントの場所にリンクされている必要がある、財務または法務データ。
構造化データ: スキャンされたPDFや財務諸表など、空間的レイアウト（行/列）に意味が依存するデータ。

Indexed Retrieval (One-Shot RAG) を使用すべきケース:

直接的な検索: 回答が最初の数個の取得されたチャンクに含まれている可能性が高い、短いドキュメント。
高ボリュームの検索: 推論を必要としない、単純なキーワードまたはセマンティック検索。
予測可能な質問: 回答のソースと場所が事前にわかっているユースケース。

利用可能性と統合

Agentic Searchは、カスタムエージェント統合のためのMistral Search Toolkitを通じて利用可能であり、Mistral StudioおよびVibe内のLibrariesに組み込まれています。ユーザーは、Search Starter Appを通じてテストを開始できます。これは、カスタムコーパス用のローカルインデックスを提供します。