Поиск по документам перестал угадывать с первого захода: 70,7% верных ответов против 26,7%

Mistral 20 августа открыла Agentic Search: слой поиска, где модель не получает один пакет кусков текста, а работает с документом как человек. Ищет, открывает нужное место, листает дальше, ищет по шаблону.

Раньше один проход. Классический RAG отвечал по первой выдаче: запрос, десяток похожих кусков, ответ. Теперь модель крутит цикл из пяти инструментов: search, open, navigate, read и grep. Не хватило контекста, модель открывает соседнюю страницу и уточняет запрос сама.

Слой не заточен под модели Mistral. На том же FinanceBench GLM-5.2 поднялась с 33,4% до 92,7%. На OfficeQA Pro, где 696 бюллетеней Казначейства США набиты таблицами, полный цикл добавил ей 45,6 процентных пункта.

За точность не заплатили ни временем, ни токенами. В худшие моменты ответ на FinanceBench приходил за 255 секунд, теперь за 154 (минус 39,6%). Токенов уходит на 23,9% меньше у Mistral Medium 3.5 и на 33,7% меньше у GLM-5.2: модель делает больше шагов, но не тащит в контекст лишнее.

Ставится тремя командами. `uvx copier copy gh:mistralai/search-starter-app my-search-project`, затем `cd my-search-project` и `make setup-vespa`. Агент поднимается через `vibe --trust`, MCP-сервер он находит сам. Библиотека ставится отдельно: `uv add mistralai-search-toolkit`, нужен Python 3.12+ и менеджер uv.

Одно условие отменяет всё остальное: индекс должен быть NavigableIndex в режиме DOCUMENT_PER_CHUNK. Иначе куски не помнят своего места в исходном файле, и листать агенту нечего.