Mistral เปิดตัว Agentic Search สำหรับการค้นคืนเอกสารที่ซับซ้อน

เลเยอร์การค้นคืนข้อมูลแบบหลายขั้นตอน

Mistral AI เปิดตัว Agentic Search ซึ่งเป็นเลเยอร์การค้นคืนข้อมูลที่ออกแบบมาเพื่อให้ระบบ AI สามารถค้นหา สำรวจ และตรวจสอบข้อมูลภายในเอกสารที่ซับซ้อนและจากแหล่งข้อมูลหลายแห่ง บริษัทระบุว่าระบบนี้ใช้วงจรการค้นคืนข้อมูลแบบหลายขั้นตอน แทนที่จะกำหนดให้โมเดลตอบจากชุดส่วนย่อยของข้อมูลที่ตายตัวซึ่งถูกเลือกจากการค้นหาเพียงครั้งเดียว

Agentic Search พร้อมใช้งานผ่าน Mistral Search Toolkit และรวมอยู่ใน Libraries ทั้งใน Studio และ Vibe โดย Mistral ระบุว่าเครื่องมือแบบเปิดและเคลื่อนย้ายได้ของบริษัทสามารถทำงานกับข้อมูลที่ละเอียดอ่อนและเฉพาะด้านได้ทั้งบนคลาวด์หรือภายในองค์กร โดยไม่ต้องย้ายข้อมูลนั้นข้ามขอบเขตการแยกส่วน

เครื่องมือห้ารายการสำหรับการสำรวจเอกสาร

Agentic Search ต่อยอดจากดัชนีการค้นหาที่องค์กรมีอยู่ และมอบเครื่องมือห้ารายการให้แก่โมเดล:

• search ค้นหาเอกสารที่เกี่ยวข้องผ่านดัชนี
• open เปิดเอกสารที่เลือก
• navigate ไปยังหน้า ส่วน หรือบริเวณที่ต้องการ
• read ดึงเนื้อหาจากตำแหน่งนั้น
• grep ค้นหารูปแบบภายในเอกสารที่เปิดอยู่

Mistral ระบุว่าโมเดลสามารถใช้เครื่องมือเหล่านี้เพื่อตรวจสอบผลลัพธ์เบื้องต้น ปรับแก้การค้นหา ไปยังส่วนที่เกี่ยวข้อง และอ่านเนื้อหาต้นฉบับก่อนสร้างคำตอบ บริษัทระบุว่าเครื่องมือเหล่านี้ไม่จำเป็นต้องมีทั้งการปรับแต่งโมเดลเพิ่มเติมหรือการฝึกที่เฉพาะเจาะจงกับโมเดล

Mistral Search Toolkit ยังมีโมดูลแบบเปิดสำหรับการนำเข้า การสร้างเวกเตอร์ฝัง และการจัดทำดัชนีข้อมูล บริษัทระบุว่าเอกสารขนาดยาว คำถามที่ครอบคลุมหลายแหล่งข้อมูล คำตอบที่ต้องมีการตรวจสอบ ตาราง และเอกสารที่มีโครงสร้าง เป็นกรณีใช้งานที่ Agentic Search มุ่งรองรับ และระบุว่าการค้นคืนข้อมูลแบบจัดทำดัชนีทั่วไปยังคงเพียงพอสำหรับการค้นหาข้อมูลโดยตรง การค้นหาปริมาณมาก และคำถามง่าย ๆ ที่สามารถคาดการณ์ตำแหน่งแหล่งข้อมูลได้

ผลการทดสอบมาตรฐานที่ Mistral รายงาน

Mistral ทดสอบ Agentic Search ด้วยการกำหนดค่าเริ่มต้นของ Mistral Search Toolkit ซึ่งรวมถึงการแบ่งส่วนข้อมูลและการจัดอันดับแบบเริ่มต้นโดยไม่มีการปรับแต่ง การทดสอบใช้ Mistral Medium 3.5 และ Z.ai GLM-5.2

บน FinanceBench ซึ่งครอบคลุมคำถาม 150 ข้อจากเอกสารที่ยื่นต่อ SEC จำนวน 368 ฉบับ Mistral รายงานว่าความถูกต้องเพิ่มขึ้นจาก 26.7% เป็น 86% บริษัทระบุว่าการเปลี่ยนจากการค้นคืนข้อมูลแบบครั้งเดียวเป็นวงจรการค้นหาอย่างเดียวแบบวนซ้ำ ทำให้ความแม่นยำของ Mistral Medium 3.5 เพิ่มขึ้น 47.3 จุดเปอร์เซ็นต์ และของ GLM-5.2 เพิ่มขึ้น 52.6 จุด

Mistral รายงานว่าการเพิ่มเครื่องมือ open, navigate, read และ grep ช่วยเพิ่มความแม่นยำขึ้นอีก 8.7 จุดเปอร์เซ็นต์สำหรับ Mistral Medium 3.5 และ 6.7 จุดสำหรับ GLM-5.2 ตามข้อมูลของบริษัท วงจรแบบเต็มใช้โทเคนน้อยกว่าวงจรการค้นหาอย่างเดียว 23.9% เมื่อใช้ Mistral Medium 3.5 และน้อยกว่า 33.7% เมื่อใช้ GLM-5.2

สำหรับคำถามใน OfficeQA Pro ที่เกี่ยวข้องกับตารางและเอกสารหลายฉบับ Mistral ระบุว่าผลลัพธ์เพิ่มขึ้น 45.6 จุดเปอร์เซ็นต์ จาก 6.3% เป็น 51.9% บริษัทยังรายงานว่าความหน่วง p90 ลดลงสูงสุด 39.6% และการใช้โทเคนลดลงสูงสุดหนึ่งในสาม

แหล่งที่มา: ประกาศ “Introducing Agentic Search” ของ Mistral AI เผยแพร่เมื่อวันที่ 20 สิงหาคม 2026