Mistral melhora busca documental com loop de agente

O que muda na busca documental

A Mistral apresentou o Agentic Search, uma camada de recuperação que permite a sistemas de IA procurar, abrir, navegar, ler e verificar informações dentro de documentos complexos e em múltiplas fontes. Em vez de responder apenas com base nos primeiros trechos recuperados, o modelo executa um ciclo iterativo: refina a busca, inspeciona documentos promissores, localiza tabelas ou seções específicas e confere as evidências antes de formular a resposta.

A solução foi criada para dados empresariais sensíveis, como documentos financeiros, contratos, manuais, especificações técnicas e registros governamentais. Ela pode operar sobre índices de busca existentes e em ambientes na nuvem ou locais, sem exigir que a organização ultrapasse seus limites de isolamento. O Agentic Search está disponível no Mistral Search Toolkit e integrado às Libraries do Studio e do Vibe.

Limites do RAG de uma só etapa

Segundo a Mistral, o RAG tradicional recupera um conjunto fixo de trechos e pede ao modelo que responda em uma única passagem. Esse método pode funcionar em consultas diretas, mas falha quando a informação está espalhada por vários documentos, enterrada em tabelas, notas de rodapé ou cláusulas, ou precisa ser comparada e verificada.

A empresa aponta três limitações principais: o modelo não consegue decidir que precisa de outro documento ou de mais contexto; a recuperação por trechos não permite abrir e explorar um documento complexo; e não há um mecanismo para repetir a busca, seguir referências ou tentar uma nova rota quando os primeiros resultados são insuficientes. O Agentic Search mantém o índice como ponto de partida, mas dá ao modelo cinco ferramentas: search, open, navigate, read e grep.

Resultados apresentados

Nos testes divulgados, a solução elevou a correção no FinanceBench de 26,7% para 86% em perguntas sobre documentos financeiros, quase triplicando o desempenho. No OfficeQA Pro, voltado a perguntas numéricas em boletins do Tesouro dos Estados Unidos, a precisão do GLM-5.2 chegou a 51,9%, contra 6,3% no RAG de uma só etapa, um ganho de 45,6 pontos percentuais.

A Mistral testou o Mistral Medium 3.5 e o GLM-5.2 usando a configuração padrão do Search Toolkit, sem ajustes específicos. No FinanceBench, acrescentar navegação à busca iterativa aumentou a precisão em 8,7 pontos percentuais para o Mistral Medium 3.5 e 6,7 pontos para o GLM-5.2. O uso de tokens caiu 23,9% e 33,7%, respectivamente, enquanto a latência no percentil 90 caiu de 255 para 154 segundos.

No OfficeQA Pro, o ciclo completo aumentou a precisão em até 35,6%, reduziu o uso de tokens e diminuiu o número de etapas em até 7%. A empresa afirma que os resultados foram observados com modelos próprios e de terceiros, sugerindo que a abordagem não depende de um modelo específico. Também cita uma diferença de 10,5 pontos percentuais para o GLM-5.2 quando o mesmo modelo foi avaliado com o ambiente da Mistral em vez do Claude Code.

Onde usar

A Mistral recomenda o Agentic Search para documentos longos, perguntas que cruzam fontes, respostas que exigem verificação e arquivos estruturados ou digitalizados. Para consultas diretas, buscas de alto volume e perguntas simples e previsíveis, a empresa considera que a recuperação indexada de uma só etapa continua sendo suficiente. A conclusão apresentada é que o índice permanece a base necessária, mas o loop de busca e navegação pode ampliar a precisão quando a resposta exige investigação do material original.