Introducing Agentic Search
Zusammenfassung
Kurz
Mistral stellt „Agentic Search“ als mehrstufige Dokumentensuche vor, mit der Modelle Quellen öffnen, darin gezielt navigieren und Aussagen überprüfen können. Der Anbieter berichtet von Genauigkeitszuwächsen und geringerem Tokenverbrauch beziehungsweise geringerer Latenz in zwei Benchmarks; die Ergebnisse beruhen auf einer Standardkonfiguration, zwei Modellen und den beschriebenen Testbedingungen und sind keine unabhängige Bestätigung.
Mittel
Mistral beschreibt „Agentic Search“ als mehrstufige Suche, bei der KI-Modelle Dokumente nicht nur anhand der zuerst gefundenen Textstücke beantworten, sondern Quellen öffnen, darin navigieren, Inhalte lesen und Belege prüfen können. Dafür ergänzt das System einen bestehenden Index um fünf Werkzeuge. Der Bericht stellt dies dem einmaligen RAG-Abruf gegenüber, der bei langen Dokumenten, Tabellen oder Fragen über mehrere Quellen laut Mistral oft nicht genug Kontext liefert. Ein Beispiel zur Addition der US-Verteidigungsausgaben für alle Monate 1953 endet mit einer angegebenen Summe von 44.463 Millionen Dollar.
In den vom Unternehmen beschriebenen Tests mit Mistral Medium 3.5 und GLM-5.2 verbesserte die iterative Suche die Genauigkeit bei FinanceBench und OfficeQA Pro; zusätzliche Navigation habe zugleich Tokenverbrauch und Latenz gesenkt. Für GLM-5.2 nennt Mistral bei 133 OfficeQA-Pro-Fragen 51,9 Prozent Genauigkeit, 45,6 Prozentpunkte mehr als bei einmaligem RAG. Die Resultate stammen laut Bericht aus einer Standardkonfiguration ohne Tuning. FinanceBench-Antworten wurden durch ein an menschlichen Labels kalibriertes LLM bewertet. Die Angaben sind Unternehmensberichte zu zwei Benchmarks und stellen keine unabhängige Bestätigung dar. Für einfache direkte Abfragen hält der Text indexierten Abruf weiterhin für geeignet.
Ausführlich lesen
Der Bericht stellt Mistrals „Agentic Search“ als mehrstufige Suche für KI-Systeme vor. Sie soll Modelle dabei unterstützen, in langen, komplexen oder vertraulichen Dokumenten und über mehrere Quellen hinweg Informationen zu finden, genauer zu prüfen und zu belegen. Laut Mistral ergänzt das Verfahren einen vorhandenen Suchindex um fünf Werkzeuge: `search` findet Dokumente, `open` öffnet eines, `navigate` führt zu einer bestimmten Stelle, `read` liest deren Inhalt und `grep` sucht darin nach Mustern. So könne ein Modell Suchanfragen wiederholen und verfeinern, Dokumente gezielt untersuchen und Belege prüfen, statt nur aus den zuerst gefundenen Textabschnitten zu antworten.
Mistral begründet den Ansatz mit Grenzen des einmaligen RAG-Verfahrens: Die Antwort kann über mehrere Dokumente verteilt oder in einer Tabelle, Fußnote oder Vertragsklausel verborgen sein. Ein einzelner Abruf liefere unter Umständen unvollständige oder unpassende Textstücke; außerdem könne das Modell damit weder gezielt an eine andere Stelle springen noch seine Suche systematisch fortsetzen. Als Beispiel führt der Bericht eine Frage nach den monatlichen US-Verteidigungsausgaben 1953 an. Eine Suche fand zunächst nur Teiljahresdaten. Mit einer weiteren Suche und dem Lesen einer Treasury-Bulletin-Tabelle habe das System alle zwölf Monatswerte gefunden und zu 44.463 Millionen nominalen Dollar addiert.
Die Leistungsangaben stammen aus zwei Benchmarks, die laut Bericht mit der Standardkonfiguration des Mistral Search Toolkit durchgeführt wurden: ohne Tuning und mit Standardwerten für Chunking und Ranking. Getestet wurden Mistral Medium 3.5 und GLM-5.2. Bei FinanceBench mit 368 SEC-Berichten und 150 Fragen habe die iterative Suche die Genauigkeit gegenüber einmaligem RAG deutlich erhöht; zusätzliche Navigation habe sie weiter gesteigert. Für den vollständigen Ablauf nennt Mistral außerdem weniger Tokenverbrauch als bei der Suche ohne Navigation sowie niedrigere mittlere und 90.-Perzentil-Latenz. Bei OfficeQA Pro, einem Teilbereich mit 133 Fragen aus einem Korpus von 696 historischen Treasury Bulletins, erreichte GLM-5.2 laut Bericht mit dem vollständigen Ablauf 51,9 Prozent Genauigkeit, 45,6 Prozentpunkte mehr als mit einmaligem RAG. Für Mistral Medium 3.5 wird ein Zuwachs von 27,1 Prozentpunkten angegeben.
Diese Zahlen sind Behauptungen des Anbieters, keine unabhängige Bestätigung im vorliegenden Text. Die Bewertung der FinanceBench-Antworten erfolgte laut Bericht durch ein LLM, das an menschlichen Labels kalibriert wurde. Die Ergebnisse beruhen auf zwei Modellen und den genannten Testbedingungen; Mistral bezeichnet sie als Ausgangswerte, die durch anwendungsbezogenes Tuning verbessert werden könnten. Der Bericht sagt außerdem, einfache direkte Suchanfragen seien weiterhin für herkömmlichen indexierten Abruf geeignet. Agentic Search wird über das Search Toolkit sowie Libraries in Studio und Vibe angeboten und soll in Cloud- und On-Premises-Umgebungen einsetzbar sein.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas mittlere Zusammenfassung ist im Kern treu und enthält keine erfundenen Fakten; die Formulierung „keine unabhängige Bestätigung“ ist eine Einordnung von Luna, kein Berichtsinhalt, aber sachlich vertretbar. Die kurze Zusammenfassung ist ebenfalls treu, lässt jedoch die Zahlen aus. Bei der Einordnung hat Luna alle drei Sammelfragen mit Stufe 3 überbewertet, da der Bericht ein Produkt-Marketingtext zu Retrieval-Werkzeugen ist und Governance-Fragen nicht beantwortet. Die Anteilswerte (67 %, 49 %, 46 %) lassen sich aus dem Bericht nicht ableiten.
Im Bericht, aber nicht in der Zusammenfassung
- Die FinanceBench-Ergebnisse: Korrektheit steigt von 26,7 % auf 86 % (etwa dreifach) bei Finanzberichten
- Die Latenz- und Tokenangaben: p90-Latenz um bis zu 39,6 % gesenkt, bei wiederholter Suche bis zu ein Drittel weniger Tokens
- Die Betonung sensibler Daten: Betrieb ohne Verlassen der Isolationsgrenzen in Cloud oder On-Premises
- Die Aussage, dass die Werkzeuge kein Fine-Tuning brauchen und Verbesserungen der Modelle ohne Infrastrukturänderungen übernehmen
- Die Verfügbarkeit über Mistral Search Toolkit sowie in Libraries in Studio und Vibe
- Der Vergleich mit Kimi-Forschung: GLM-5.2 mit Claude-Code-Harness 41,4 % gegenüber 51,9 % mit dem Mistral-Harness
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 56 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 29 %einzelne zitierbare Belege
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 35 %gleiches Oberthema, hilft nicht
- Luna 40 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 77 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 67 %Hintergrund, keine Belege
- JEV 35 %umfangreiche Belege
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 22 %Hintergrund, keine Belege
- JEV 44 %einzelne zitierbare Belege
- amos 28 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 45 %gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 46 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 47 %gleiches Oberthema, hilft nicht
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 56 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 53 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 58 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 49 %Hintergrund, keine Belege
- JEV 28 %einzelne zitierbare Belege
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 56 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv