Mistralのエージェント型検索の仕組みと、正答率が3倍に上がる理由

エージェント型検索はRAGと異なり5つのツールで文書を精読

Mistral Agentic Searchは、企業文書の中を探して読むための取得レイヤー(必要な情報を探し出す層)です。 2026年8月20日に公開された仕組みで、データがどこに保管されていても使うことができます。探す・調べる・裏を取るという多段のループで、複数のデータソースから情報を見つけ出します。

従来のRAGとの違いは索引の上に5つのツールを追加し、取得を一度で終えないことです。索引は回答のありそうな文書を指し、Agentic Searchがその文書のどこを読むかを定めます。5つのツールの役割は次のとおりです。

Agentic Searchが持つ5つのツール

ツール できること
search 既存の索引を使い資料群の中から関連する文書を見つける
open 特定の文書を開く
navigate 文書内の別のページや領域へ遷移する
read その場所の内容を取り出す
grep 開いている文書の中でパターンを探す

ファインチューニングもチャンク分割の工夫も不要

ファインチューニング(追加の学習でモデルを調整すること)もモデル固有の学習も、5つのツールには必要ありません。 モデルの推論力とツールの使い方が上達すれば、基盤を作り替えなくても取得の質が向上します。Mistral AIはこの性質を利点の1つとしています。

公式の説明では取得の質はチャンク分割(文書を細かく切る方針)で頭打ちにならず、モデルの能力に合わせて伸びます。自社製と他社製のどちらのモデルでも同じ傾向が出たため、Mistral AIはこの方式が特定の製品に依存せず、新しいモデルが出れば検索の質も上がるはずだとしています。

"Agentic Search builds on this index by giving the model five tools that resemble familiar file-system operations:"/"The index identifies likely sources; Agentic Search determines what to inspect within and across them."/"These tools do not require fine-tuning or model-specific training. As models get better at reasoning and tool use, retrievals get better without infrastructure changes. This is a key property: retrieval quality scales with model capability instead of being capped by your chunking strategy."/"We observe the same performance patterns across first- and third-party models, which indicates that Agentic Search is model-agnostic, and that search quality should improve with new models."(How Agentic Search works/More relevant results, faster 節)— Mistral AI 公式ブログより
公式情報を見る →

エージェント型検索は機密データを社外に出さずに精度を向上

Mistral AIは、データを隔離境界(クラウドやオンプレミスで区切った範囲)の外へ出さずに使うことができることを利点の一つとしています。 提供形態は次の2つです。

  • Mistral Search Toolkit: 取り込み・埋め込み・索引づくりのモジュール群で、クラウドでもオンプレミス(自社設備での運用)でも使えます
  • Libraries: StudioとVibeに組み込まれた機能で、取得システムを独自に組まずにそのまま使えます

対象になるのは、財務報告書・法務契約・社内資料・行政記録のような長く密度の高い文書です。Mistral AIは、社内だけの情報が隔離境界や自社運用基盤の内側に置かれていることが多いと分析しています。Search Starter Appを使えば、検索の専門知識がなくても自社の資料群からデフォルト設定のままローカルの索引を作り、試すことができます。

"Agentic Search introduces a multi-step retrieval loop for finding, inspecting, and verifying information across data sources, wherever it is stored."/"without crossing your isolation boundaries in the cloud or on-premises."/"Mistral Search Toolkit provides open modules for ingesting, embedding, and indexing critical and complex data in the cloud or on-premises."/"It accumulates in financial filings, legal contracts, internal resources, and government records–long, dense documents that traditional search methods can't navigate effectively."/"It creates a local index for your own corpus using a default configuration, so you can try Agentic Search without needing to be a search expert."(冒頭/How Agentic Search works/Data creates competitive advantage/Getting started 節)— Mistral AI 公式ブログより
公式情報を見る →

従来のRAGは1回の取得で検索を終えることが限界

従来のRAGは一定数のテキスト断片を取り出し、それだけを材料に1回で回答を作る方式です。 回答が上位の結果に入っていれば機能しますが、長い報告書の中を移動したり参照を追跡したりする状況では弱くなります。公式の説明を3つの理由に分けると次のとおりです。

一発のRAGが正しく回答できない3つの理由

理由 何が発生するか
推論を伴わない取得 最初に選ばれた断片が不完全でもモデルはその範囲だけで答えるしかない
チャンク単位の限界 文書は特定できるが開いて表まで移動し周辺を読んで検証できない
反復ができない 検索の練り直し・参照の追跡・複数資料の比較といった動きができない

最初に取った断片だけで答えるのでRAGの精度が伸びない

従来のRAGでは最初の取得で選ばれた断片だけを根拠にモデルが答えます。 その断片が不完全でも関係が薄くても変わりません。モデルには別の文書や別の部分や追加の文脈が必要だと判断する仕組みがありません。

たとえば「第3四半期の実効税率(利益に対する実際の税負担の割合)はいくらか」とプロンプトで入力する状況を考えます。索引は正しい文書までは見つけられますが、文書を開いて表へ移動し周辺の文脈を読んで回答を検証することはできません。

"Traditional, one-shot RAG retrieves a fixed set of text chunks and asks a model to answer in a single pass. This works when the answer appears in one of the top results, but falters when the model must navigate a long report, follow references, compare multiple documents, or verify the underlying evidence."/"The model must answer from the chunks selected during the initial retrieval, even when they are incomplete or not relevant."/"It cannot decide that it needs a different document, another section, or more context before responding"/"an index may find the correct document but cannot open it, navigate to the table, read the surrounding context, or verify the answer."(Traditional RAG falls short 節)— Mistral AI 公式ブログより
公式情報を見る →

1回の取得では答えられない問いでRAG精度が落ちる

多くの問いには、1回の検索だけでは正しく答えられません。 必要になる動きは次の6つです。

  • 検索の練り直し
  • 有望な文書の解析
  • 参照の追跡
  • 複数資料の比較
  • 見たものの記憶
  • 最初の結果が足りないときの別経路の試行

一発のRAGにはこれらの動きを取る手段がありません。必要な情報が複数の文書に散らばっていたり表や脚注の中にあったりすると、最初の結果だけでは回答に必要な情報がそろいません。

"Many questions need more than one retrieval pass to get the correct answer. The model may need to refine its search, inspect a promising document, follow a reference, compare multiple sources, keep track of what it has seen, and try a new route when the first results are insufficient. One-shot RAG provides no way to take these next steps."(Traditional RAG falls short 節)— Mistral AI 公式ブログより
公式情報を見る →

FinanceBenchでは正答率がRAGの約3倍に

FinanceBench(米国企業の財務書類を読んで答える試験)では、一発のRAGから検索を繰り返す方式へ切り替えた段階で、上げ幅の大半が出ました。 資料はSEC(米国証券取引委員会)への提出書類368件で、設問は150問です。測定はデフォルト設定のMistral Search Toolkitで行われ、Mistral AIは、調整すればさらに伸びる値だとしています。

評価に使ったモデルは、Mistral Medium 3.5(以下MM 3.5)とZ.aiのGLM-5.2の2つです。小さめのモデル(MM 3.5)と大きめのモデル(GLM-5.2)の両方で、同じ傾向が出たとMistral AIは述べています。

FinanceBenchではRAG精度が47.3ポイント以上伸びる

検索を繰り返すループに切り替えるだけで、正答率はMM 3.5で47.3ポイント、GLM-5.2で52.6ポイント上がり、どちらもおよそ3倍になりました。 ここでいうポイントは正答率同士の差を表す単位です。Mistral AIはこの切り替えを最大の品質向上策と呼び、繰り返し検索できれば最初の検索結果が不十分でも検索語を練り直せると述べています。

"We benchmarked Agentic Search on two industry-standard evaluations, using the out-of-the-box Mistral Search Toolkit stack: default chunking, default ranking, no tuning. These results are floors, not ceilings"/"we tested two models using the Mistral Search Toolkit: Mistral Medium 3.5 (MM 3.5) and Z.ai GLM-5.2 (GLM-5.2), showcasing performance of a smaller model (MM 3.5) and a larger model (GLM-5.2)."/"FinanceBench (Islam et al., 2023) tests financial question-answering over 368 SEC filings (10-K / 10-Q / 8-K), averaging ~147 pages each, ~53,900 pages total: long, table-heavy financial documents. Answers scored by an LLM judge calibrated against human labels."/"Agentic Search delivers to 3x correctness on financial filings, from 26.7% to 86%, based on FinanceBench."/"The search-only Agentic loop is the biggest quality lever."/"Because models can search iteratively, they can recover from weak first results, refine queries, and use the index as an active tool."(冒頭/More relevant results, faster/FinanceBench 節)— Mistral AI 公式ブログより
公式情報を見る →

エージェント型検索はFinanceBenchでトークン23.9%減

ナビゲーションを追加した全ループは、検索のみのループと比較してMM 3.5でトークン(AIが読み書きする文字の単位)の消費が23.9%減り、正答率も上がりました。 上げ幅は検索ループ単体の伸びより小さく、MM 3.5が8.7ポイントでGLM-5.2が6.7ポイントです。GLM-5.2ではトークン消費の削減幅が33.7%でした。数値は次の図にまとめています。

FinanceBenchでの検索ループとナビゲーションの効果

正答率の上げ幅(ポイント)

棒の高さは最大値を100とした比です。「検索のみ」の棒は一発のRAGを起点にした上げ幅で、「ナビゲーション追加」の棒は検索のみのループを起点にした上げ幅です。ナビゲーションは、open・navigate・read・grepの4つのツールを指します。出典: Mistral AI公式ブログ。

47.3MM 3.5の検索のみ
8.7MM 3.5のナビゲーション追加
52.6GLM-5.2の検索のみ
6.7GLM-5.2のナビゲーション追加

トークン消費の削減率(%)

棒の高さは最大値を100とした比です。検索のみのループと比較した削減率を表します。出典: Mistral AI公式ブログ。

23.9MM 3.5
33.7GLM-5.2

遅延も短くなります。FinanceBench全体でp90(遅いほうの待ち時間を見る指標)は255秒から154秒に、平均は108秒から71秒になりました。公式によると検索だけのループは広い検索を何度も回すのに対し、ナビゲーションがあれば証拠の場所を早く特定できるため待ち時間が短くなります。

公式の説明によると、取得のツールは処理を増やすものではなく、無駄な検索のやり直しを的確な移動に置き換えるものとのこと。複雑な文書では、広く探し直すより狙って掘り下げるほうが有利だとMistral AIは結論づけています。

"This means a targeted drill-in search beats repeated broad search in complex documents."/"The retrieval tools are not additional overhead"/"they replace wasted search retries with precise navigation."/"Across FinanceBench, adding navigation retrieval tools improves latency: p90 drops"/"In general, we see the search-only loops conduct repeated broad searches, while navigation helps the model identify evidence more quickly."(FinanceBench 節)— Mistral AI 公式ブログより
公式情報を見る →

OfficeQA ProでもRAGより正答率が45.6ポイント高い

OfficeQA Pro(米国財務省の古い月報を読んで数値で答える試験)でも、全ループは一発のRAGを大きく引き離しました。 資料はTreasury Bulletin(米国財務省が出す月報)696件の走査PDF(紙をスキャンして作ったPDF)で、約89,000ページに及びます。評価はproサブセット(問題の一部を集めた部分集合)133問の初回パスです。

OfficeQA Proの構成と結果

要素 内容
資料 米国財務省のTreasury Bulletin 696件・約89,000ページの走査PDF
設問 133問(proサブセット)の初回パス
全ループの到達点 GLM-5.2で51.9%(+45.6ポイント)、MM 3.5は +27.1ポイント
ナビゲーション追加 最大35.6%の精度改善(MM 3.5 +7.5ポイント / GLM-5.2 +8.3ポイント・19.0%)
ターン数 MM 3.5で最大7.0%減 / GLM-5.2で2.3%減

OfficeQA Proの走査PDFと表でRAG精度が51.9%に

一発のRAGでは正答率が6.3%でしたが、全ループを使ったGLM-5.2は51.9%に達し、45.6ポイント上がりました。 MM 3.5も27.1ポイント上がっており、小さいモデルでも改善が出ています。Mistral AIは、難しいベンチマークほど取得ループが重要になると分析しています。

ナビゲーションの追加による精度の改善は、公式の表記で最大35.6%になります。上げ幅はMM 3.5が7.5ポイント、GLM-5.2が8.3ポイント(19.0%)です。

トークン消費も減少しました。ターン数(モデルがツールとやり取りする回数)の削減幅はMM 3.5で最大7.0%、GLM-5.2で2.3%です。

"On table-heavy, multi-doc questions of the OfficeQA Pro benchmark, we measure a +45.6 point gain (6.3% to 51.9%)."/"OfficeQA Pro is a verifiable numeric benchmark over historical U.S. Treasury Bulletins: scanned, table-heavy government-finance PDFs across a 696-document, ~89,000-page corpus."/"We report the first pass for the 133-question"/"OfficeQA Pro has numeric answers, scanned PDFs, and deep table lookups."/"The harder the benchmark, the more important the retrieval loop becomes."/"OfficeQA Pro is built around numeric answers in scanned, table-heavy documents. One-shot RAG barely gets started, while the agentic loop allows the model to search iteratively, inspect evidence, and deliver substantial accuracy improvements."(OfficeQA Pro 節)— Mistral AI 公式ブログより
公式情報を見る →

ハーネスの違いでRAG精度が10.5ポイント変わる

同じGLM-5.2でも、ハーネス(モデルにツールを与えて動作させる実行基盤)が異なると、OfficeQA Proの正答率は10.5ポイント変わります。 Claude Codeのハーネスでは41.4%、Mistralのハーネスでは51.9%でした。つまりこの種のスコアは、モデルの実力だけでなく周辺の仕組みにも影響されます。

OfficeQA ProでのGLM-5.2のハーネス別正答率

棒は正答率を表します。出典: Mistral AI公式ブログ。

41.4Claude Codeのハーネス
51.9Mistralのハーネス

他の発表と数字を比較するときは、測定したハーネスがそろっているかを先に確認しておくといいでしょう。文書処理モデルの信頼度と料金については、記事「Mistral OCR 4は信頼度も返し、料金は千ページあたり4ドル」もあわせてご覧ください。

"The tooling stack drives substantial impact on document intelligence and search performance."/"GLM-5.2 scores 41.4% on OfficeQA Pro with the Claude Code harness, compared with 51.9% on the Mistral harness"(OfficeQA Pro 節)— Mistral AI 公式ブログより
公式情報を見る →

エージェント型検索が適した状況とRAGで十分な状況

Agentic Searchを追加するかどうかは、回答の場所が事前に分かる問いかどうかで判断できます。 Mistral AIは、Agentic Searchが有効な4条件と従来のRAGで十分な3条件の両方を書いています。

正解の場所が不明な4条件はエージェント型検索がRAGを上回る

最初の検索結果の先へ進んで元の資料を調べる必要がある問いでは、Agentic Searchが有効です。 公式の条件は次の4つです。

  • 長い文書: 報告書・契約・マニュアル・技術仕様など、回答が特定の表・条項・図・脚注にあり得るもの
  • 複数の資料にまたがる問い: 複数の文書から証拠を見つけて比較して整合を取る作業
  • 固定の位置で参照できる答え: 財務数値・法的条項・規制参照など、文書内の安定した位置で参照できるもの
  • 図表と構造化文書: 財務諸表・行政記録・スキャンしたPDFなど、意味が行・列・ページ位置・周辺の文脈に依存するもの

たとえば数年分の決算資料から特定の数値を抜き出して前年と比較する場合は、2つ目と4つ目の条件に当てはまります。索引だけでは、図表内の該当箇所まで確かめることができません。

"Filings, contracts, manuals, technical specifications, and reports where the answer may appear on a particular page or in a specific table, clause, figure, or footnote."/"Research that requires the model to find, compare, or reconcile evidence from several documents before reaching an answer."/"Financial figures, legal clauses, regulatory references, and operational data, where the response can be referenced in a stable and specific document location."/"Financial statements, government records, and scanned PDFs where meaning depends on rows, columns, page position, or surrounding context"(Use Agentic Search for 節)— Mistral AI 公式ブログより
公式情報を見る →

RAGの限界が出ない直接的な照会はチャンク分割の索引で十分

回答の出所と場所が事前に分かる問いは、従来のRAGで十分です。 公式の条件は次の3つです。

  • 直接的な照会: 短く整理された文書で回答が最初に取れる断片に入っていそうな問い
  • 大量検索: 推論や移動をせずに関連する箇所を出力すれば十分なキーワード検索や意味検索
  • 単純で予測可能な問い: 回答の出所と場所が事前に分かっていて追加の取得手順が役立ちそうにない用途

たとえば短い社内FAQから該当の回答を表示する用途は、1つ目の条件の典型です。Mistral AIは、この場合は一発のRAGで十分なことが多いとしています。

Mistral AIは、適切に設定した索引をどちらの場合でも使い続けるべきだとしています。Agentic Searchは索引を置き換えるものではなく、その上に追加する層です。

従来のRAGで十分な3条件の原文は次のとおりです。

"Short, clean documents where the answer is likely to appear in one of the first retrieved chunks."/"Keyword or semantic lookups that need to return relevant passages without reasoning over or navigating through them."/"Use cases where the likely source and location of the answer are known in advance and additional retrieval steps are unlikely to improve the result."/"One-shot RAG is often sufficient for these searches. Add Agentic Search when questions require the model to move beyond the initial results and investigate the source material. A well-configured index remains the right foundation in both cases."(Indexed retrieval is the right starting point for 節)— Mistral AI 公式ブログより
公式情報を見る →

導入の判断は回答の場所が事前に分かるかどうか

Mistral Agentic Searchは、検索を1回で終えず5つのツールで文書の中まで読み進める取得レイヤーです。 FinanceBenchではおよそ3倍、OfficeQA Proでは45.6ポイントと正答率が大きく上がりました。ナビゲーションを追加するとトークンの消費が減り、遅延も短くなりました。

ただし公式の2つの評価はどちらもデフォルト設定で測った下限値で、OfficeQA Proではハーネスが異なると同じモデルでも10.5ポイント変わりました。導入を判断する基準は、回答の場所が事前に分かる問いかどうかです。長く表の多い文書で回答の場所が事前に分からないときはAgentic Searchを加え、そうでなければ適切に設定した索引で十分です。

FAQ

Agentic Searchは従来のRAGと何が異なるのですか?
取得を1回で終えないところです。従来のRAGは一定数のテキスト断片を取り出し、その範囲だけで回答を1回で作ります。Agentic Searchは探す・開く・移動する・読む・パターンを探すという5つのツールをモデルに使わせ、見つけたものを吟味して検索をやり直したり、文書の特定部分を精読したりしてから回答します。
精度はどれくらい上がるのですか?
Mistral AIはFinanceBenchで正答率が26.7%から86%へ、およそ3倍になったとしています。図表が多く複数文書にまたがるOfficeQA Proでは6.3%から51.9%へ、45.6ポイントの改善です。いずれもMistral Search Toolkitをデフォルト設定のまま使った値で、Mistral AIは調整すればさらに伸びる下限値と位置づけています。
モデルを学習させ直す必要はありますか?
ありません。5つのツールを使うのに微調整(ファインチューニング)もモデル固有の学習も必要ないと、公式に明記されています。むしろモデルの推論とツールの使い方が上達するほど、基盤を変えずに取得の質が上がる設計です。取得の質がチャンク分割の巧拙で頭打ちにならないことを、Mistral AIは重要な性質としています。
どんな場合に従来のRAGで十分ですか?
回答のありかが最初から分かっている場合です。Mistral AIは3つの条件に分けています。短くて整理された文書で最初の断片に回答が出そうな直接的な照会と、推論も移動もせずに関連箇所を返せばよいキーワード検索や意味検索と、追加の取得手順で結果が良くなりそうにない単純で予測可能な問いです。索引そのものはどちらの場合でも使い続けるとしています。