آخر تحديث: أغسطس 2026
أعلنت الشركة الفرنسية Mistral AI يوم الخميس 20 أغسطس 2026 عن منتج جديد اسمه Agentic Search، وهو طبقة بحث تُركَّب فوق أنظمة الذكاء الاصطناعي داخل الشركات لتجعل النموذج "يتنقل" داخل الوثائق المعقدة بدلاً من الاكتفاء بلمحة سطحية عنها. الرقم الذي تقوله Mistral بنفسها لافت: على معيار FinanceBench لأسئلة التقارير المالية ارتفعت نسبة الإجابات الصحيحة من 26.7% إلى 86% — أي مضاعفة الدقة ثلاث مرات تقريباً — مع خفض زمن الاستجابة الأبطأ حتى 39.6% واستهلاك أقل للرموز بمقدار الثلث. في هذا الشرح نغطي ما المنتج فعلياً، ولماذا تعاني تقنيات البحث الحالية داخل الشركات، وماذا يعني ذلك للمؤسسات والمطورين في المنطقة العربية.
المصدر: إعلان Mistral AI الرسمي
ما هو Agentic Search بكلمات بسيطة؟
تخيل موظفاً جديداً في مصرف يُسأل: "ما كان العائد الصافي على محفظة التمويل العقاري في الربع الثالث؟". الموظف الضعيف يفتح أول ملف يجده ويلتقط رقماً يشبه الإجابة. الموظف الممتاز يبحث في الفهرس، يفتح التقرير الصحيح، ينتقل إلى الجدول المطلوب، يقرأ الحاشية تحت الجدول، ثم يتحقق من الرقم في ملخص آخر قبل أن يجيب. Agentic Search يحاول منح النموذج اللغوي سلوك الموظف الثاني: حلقة استرجاع متعددة الخطوات تجد المعلومة وتفحصها وتتحقق منها داخل أكثر الوثائق كثافة وتعقيداً.
المنتج متاح عبر ما تسميه Mistral حزمة Mistral Search Toolkit، ومدمج أيضاً داخل ميزة Libraries في منصتي Studio وVibe، ويعمل فوق فهرس البحث الذي تملكه المؤسسة أصلاً دون إعادة بناء — نقطة عملية مهمة تقلل كلفة التبني.
لماذا يفشل البحث التقليدي داخل الوثائق؟ تشريح Mistral لثلاث مشكلات
الأهم في الإعلان ليس الرقم التسويقي بل التشخيص التقني الذي قدمته الشركة لحدود أسلوب RAG التقليدي (التوليد المعزز بالاسترجاع) المستخدم على نطاق واسع اليوم:
- استرجاع بلا تفكير: النموذج مضطر للإجابة من المقاطع التي جلبها الاسترجاع الأول حتى لو كانت ناقصة أو غير ذات صلة، ولا يستطيع أن "يقرر" أنه يحتاج وثيقة أخرى أو قسماً إضافياً قبل الرد.
- حدود مستوى المقطع: البيانات الحرجة تسكن وثائق متعددة الوسائط. حين يُسأل "ما كان معدل الضريبة الفعلي في الربع الثالث؟" قد يجد الفهرس التقرير الصحيح لكنه لا يستطيع فتحه والانتقال إلى الجدول وقراءة السياق المحيط والتحقق من الإجابة.
- غياب التكرار: أسئلة كثيرة تحتاج أكثر من جولة استرجاع — تنقيح البحث، فحص وثيقة واعدة، تتبع مرجع، مقارنة مصدرين، تذكر ما رُئي، وتجربة مسار جديد حين يفشل الأول. الاسترجاع أحادي الطلقة لا يوفر أي من هذه الخطوات.
الأدوات الخمس التي تمنحها للنموذج
يوفر Agentic Search للنموذج خمس أدوات تحاكي تعامل المطوّر مع نظام ملفات: search للبحث في الفهرس، وopen لفتح وثيقة محددة، وnavigate للتنقل داخلها، وread لقراءة محتوى دقيق، وgrep للبحث النصي داخل النتائج. الفكرة أن "ذكاء" النظام لا يأتي من إعادة تدريب النموذج — فلا يلزم أي fine-tuning بحسب الشركة — بل من منحه قدرة التحرك والتحقق، ويظهر أثر ذلك أكثر كلما ارتفعت قدرة النموذج على الاستدلال.
عرضت Mistral في مقالها مثالاً واحداً مفصلاً: سؤال عن مجموع مصروفات الدفاع الأمريكي للأشهر المنفردة عام 1953. بالاسترجاع الأحادي الطلقة نجح البحث في جلب نصف بيانات السنة فقط وتوقف. مع الأدوات الوكيلة نفذ النموذج ثلاث دعوات أدوات (بحثان وقراءة) وتتبع النشرات الشهرية حتى اكتمل الحساب.
الأرقام المعلنة كما وردت في المصدر
| المؤشر | القيمة المعلنة من Mistral |
|---|---|
| صحّة الإجابات على FinanceBench (التقارير المالية) | من 26.7% إلى 86% (≈3 أضعاف) |
| مكسب OfficeQA Pro (أسئلة جداول ووثائق متعددة) | +45.6 نقطة (من 6.3% إلى 51.9%) |
| زمن الاستجابة p90 | انخفاض حتى 39.6% |
| استهلاك الرموز (tokens) | انخفاض حتى الثلث |
| النماذج المختبرة | Mistral Medium 3.5 وZ.ai GLM-5.2 |
| التدريب الإضافي المطلوب | لا يوجد (بدون fine-tuning) |
لاحظ أن هذه أرقام قياس الشركة على معاييرها المعلنة، وليست مراجعة مستقلة — قاعدة صحية نطبقها على أي رقم تسويقي، خصوصاً أن التسعير لم يُذكر في الإعلان على الإطلاق ويحتاج تواصلاً مع فريق المبيعات للمؤسسات.
المصدر: وثائق Mistral الرسمية — Agentic Search
ماذا يعني هذا للمؤسسات والمطورين في المنطقة؟
- سيادة البيانات: المنتج مصمم للعمل سحابياً أو داخل بنيتك (on-premises) دون "عبور حدود العزل" كما تقول الشركة، وهي نقطة حساسة للبنوك والجهات الحكومية الخليجية التي تمنع أنظمتها خروج بيانات العملاء لأطراف ثالثة. وهذا يتقاطع مع المسار الذي رصدناه في تغطيتنا لـنقاط الاستدلال الإقليمية والسيادة الرقمية الأوروبية التي أطلقتها Mistral في 11 أغسطس: الشركة تبيع أوروبا والمنطقة فكرة واحدة — ذكاء اصطناعي لا يمر بواشنطن ولا بكاليفورنيا.
- وثائق عربية طويلة ومعقدة: عقد إيجار، لائحة هيئة حكومية، تقرير مدقق بالعربية والإنجليزية معاً — كلها من نوع "الوثائق الكثيفة" التي يقف عندها البحث التقليدي عاجزاً. الفكرة قابلة للتطبيق نظرياً فوق أي فهرس موجود يشمل العربية، مع التذكير بأن اختبارات الشركة المعلنة كانت على وثائق مالية إنجليزية.
- للمطورين: كود البدء متاح؛ نشرت Mistral تطبيق Search Starter App على GitHub لتجربة فهرس محلي بسرعة، والوثائق الكاملة للبحث الوكيل والاستيعاب والاسترجاع في وثائق Studio الرسمية. ومن يريد فهم عائلة منتجات Mistral الأوسع يجد عندنا شرحاً سابقاً لـStudio كنظام إدارة للبرومبتات والمهارات.
- منظومة متكاملة بلا ضجيج: الشركة نفسها أطلقت خلال أسابيع مصنف أمان مفتوح المصدر (Shieldstral) ونموذجاً للإثباتات الرياضية (Leanstral 1.5) — خطوط إنتاج مؤسسية متخصصة تنافس على جدية المؤسسات لا على الضجة الإعلامية.
مقارنة سريعة: الاسترجاع التقليدي مقابل Agentic Search
| الجانب | RAG أحادي الطلقة | Agentic Search |
|---|---|---|
| عدد جولات البحث | جولة واحدة ثابتة | حلقة متعددة الخطوات حتى اكتمال الإجابة |
| التعامل مع الجداول والحشود | مقاطع نصية قد تفقد التركيب | فتح الوثيقة والتنقل والقراءة الدقيقة |
| التحقق من الإجابة | غير موجود ضمن التصميم | تتبع المراجع والمقارنة قبل الرد |
| الاعتماد على فهرس موجود | نعم | نعم (خمس أدوات فوق الفهرس نفسه) |
| الكلفة الحسابية | أقل نظرياً لكن مع إجابات خاطئة مكلفة | رموز أقل حتى الثلث بحسب القياس المعلن |
| ملاءمة البيانات الحساسة | تعتمد على النشر | سحابي أو داخل بنيتك دون عبور حدود العزل |
حدود يجب ذكرها بأمانة
الإعلان منشور من الشركة نفسها، والأرقام قياس ذاتي على معايير عامة: قارنِ النتائج على بياناتك قبل اتخاذ قرار شراء، لأن وثائقك العربية وقطاعك قد يظهران صورة مختلفة. التسعير غير معلن ويحتاج تفاوضاً مؤسسياً. والمنتج يعالج طبقة الاسترجاع فقط — جودة الإجابة النهائية تبقى مرهونة بجودة النموذج المستخدم فوقه، وهي نقطة تقر بها الشركة نفسها حين تقول إن الجودة "تتوسع مع قدرة النموذج على الاستدلال".
أسئلة شائعة
ما هو Mistral Agentic Search؟
منتج أعلنته Mistral AI في 20 أغسطس 2026: طبقة استرجاع متعددة الخطوات تُركَّب فوق النماذج اللغوية وأنظمة البحث داخل المؤسسات، فتمكّن النموذج من البحث والفتح والتنقل والقراءة والتحقق داخل الوثائق المعقدة عبر خمس أدوات بدل الاكتفاء بجولة استرجاع واحدة.
هل يحتاج Agentic Search إعادة تدريب للنموذج؟
لا، صرحت الشركة بأن لا fine-tuning مطلوباً؛ المنتج يعمل فوق النماذج الموجودة وفوق فهرس البحث الحالي للمؤسسة، وتتحسن النتائج كلما ارتفعت قدرة النموذج على الاستدلال.
كم تحسّنت الدقة بحسب إعلان Mistral؟
على معيار FinanceBench لأسئلة التقارير المالية ارتفعت الإجابات الصحيحة من 26.7% إلى 86%، وعلى OfficeQA Pro لمهام الجداول والوثائق المتعددة سجل مكسب 45.6 نقطة من 6.3% إلى 51.9%، مع خفض p90 حتى 39.6% واستهلاك رموز أقل حتى الثلث.
كيف أجرب Agentic Search؟
عبر Mistral Search Toolkit سحابياً أو داخل بنيتك، أو من داخل Libraries في Studio وVibe، وهناك تطبيق Search Starter App على GitHub لتجربة فهرس محلي بسرعة قبل أي التزام مؤسسي.
هل يصلح للوثائق العربية؟
التصميم عام فوق أي فهرس يشمل لغتك، لكن أرقام القياس المعلنة كانت على تقارير مالية إنجليزية، فالاختبار على عينة من وثائقك العربية الحقيقية هو الخطوة الصحيحة قبل التبني.
خطوتك التالية
إذا كنت مطوراً أو تقود فريقاً تقنياً في مؤسسة تتعامل مع وثائق كثيفة، فالرسالة العملية من إعلان هذا الأسبوع واحدة: طبقة الاسترجاع صارت ميزة تنافسية بحد ذاتها لا مجرد تفصيلة تقنية. ومن يريد بناء فريق يفهم هذه الأدوات عملياً فصفحة الكورسات والشهادات المدعومة بالذكاء الاصطناعي في Truescho نقطة بداية موفورة، وللمتابعة اليومية لما تتغير قواعده شهرياً راجع تغطياتنا لأخبار النماذج والمنصات على المدونة.
