Nace AI가 출시한 Drex for Search는 Drex 의사결정 모델을 문서 검색에 적용합니다. Drex for Search는 사람과 에이전트가 증거를 찾도록 돕는 검색 계층입니다. Claude Code, Codex, Cursor, OpenCode 같은 코딩 에이전트는 CLI, SDK, MCP 또는 REST를 통해 이를 호출합니다. Nace의 평가에서 GPT-5를 사용해 질문당 12.6회 검색 호출로 BrowseComp-Plus에서 92.05%를 기록했습니다.
TL;DR
- 규모: 1M개 이상의 파일을 검색하도록 설계된 호스팅형 검색 시스템입니다. GPT-5, Gemini 3.5 Flash 또는 Qwen 27B와 같은 응답 모델과 함께 사용됩니다.
- 실행 환경: Nace의 관리형 클라우드, 전용 클라우드, 사용자 자신의 AWS 또는 Azure 계정, 온프레미스 및 에어갭 환경.
- 성능: Nace에 따르면 4개 공개 리더보드 중 3개에서 1위 또는 2위 기록.
- 최고 기록: VisDocAgentBench에서 77.5% R@1로 Claude Opus 5(67.5%)를 10점 차이로 앞섬.
Nace AI는 무엇을 출시했나?
Nace AI는 검색을 일련의 의사결정으로 바라봅니다. Drex for Search 는 이러한 의사결정에 Drex 모델을 적용합니다. Drex는 주어진 선택지 각각에 보정된 확률을 1회 순전파로 부여합니다. 이를 통해 모든 에이전트 단계에서 비용을 충분히 낮출 수 있습니다.
이번 출시는 Nace가 청킹, 임베딩, top-k, 그리고 희망으로 요약하는 전통적인 RAG를 겨냥합니다.
이 파이프라인은 다음 3가지 경우에 한계에 부딪힙니다:
- 답이 23페이지의 표 안에 있는 경우
- 답을 얻으려면 파일 간 2단계 홉이 필요한 경우
- 답이 스캔된 PDF 안에 있는 경우
Drex for Search는 에이전트 내부에서 어떻게 작동하나?
Nace는 3단계를 설명합니다:
- 분류(Classify): 검색이 실행되기 전에 Drex는 질문이 빠른 조회를 필요로 하는지 에이전트를 필요로 하는지 판단합니다. 에이전트 경로는 문서를 읽고 표를 질의합니다.
- 압축(Squeeze): Drex는 워크스페이스를 폴더, 파일, 섹션, 페이지 수준으로 단계별로 탐색합니다. 시트 내부에서는 표와 열로 범위를 좁힙니다. 각 수준에서 답을 담을 수 있는 것만 유지합니다.
- 응답(Answer): 유지된 페이지와 표만 LLM에 전달됩니다. 답은 파일과 페이지를 인용합니다.
깊이가 고정되어 있어, Nace는 백만 개의 파일도 천 개의 파일과 같은 수의 단계가 든다고 말합니다.
코딩 에이전트에는 얼마나 도움이 될까?
Nace AI 9개의 에이전트-모델 조합을 테스트했습니다. 대상은 OfficeQA Pro이며, 미국 재무부 게시판(U.S. Treasury Bulletins)을 기반으로 한 133문항 벤치마크입니다. 주요 결과: 정답률 6% 향상, 단계 수 62% 감소, 토큰 수 56% 감소, 속도 2.3배 향상.
| Harness | Model | 기본 상태 정확도 | 적용 시 정확도 Drex for Search | 기본 상태 에이전트 턴 수 | 적용 시 에이전트 턴 수 Drex for Search |
|---|---|---|---|---|---|
| Gemini CLI | Gemini 3.1 Pro | 54.9% | 61.7% | 22.9 | 10.4 |
| Codex | GPT-6 sol | 66.2% | 70.7% | 14.3 | 8.6 |
| Hermes Agent | Opus 5.5 | 64.3% | 68.4% | 8.5 | 3.7 |
| Hermes Agent | Qwen3.8-27B | 56.4% | 60.2% | 20.1 | 6.5 |
| Claude Code | Opus 5.5 | 66.5% | 69.9% | 18.5 | 9.1 |
| pi | Opus 5.5 | 65.4% | 68.4% | 7.7 | 3.7 |
| OpenCode | Qwen3.8-27B | 51.1% | 53.4% | 23.7 | 10.0 |
| pi | Qwen3.8-27B | 43.6% | 45.9% | 24.3 | 11.1 |
| Codex | GPT-6 luna | 54.9% | 53.4% | 16.8 | 11.3 |
워크스페이스에는 무엇이 포함되나요?
- 파일: PDF 및 스캔본, xlsx, csv, Parquet, mp3, mp4, docx, pptx, md, json, txt.
- 인용: 모든 답변은 해당 파일과 그 출처가 된 페이지, 행 또는 분(分)을 명시합니다.
- 워크스페이스: 격리되어 있으며, 각자의 인덱스와 지식 그래프를 갖추고, 초대된 멤버와 공유할 수 있습니다.
- 저장소: 파일이나 폴더를 업로드하거나, 워크스페이스를 자신의 S3 버킷 또는 Azure Blob 컨테이너에 보관할 수 있습니다.
- 데이터 보관 없음(Zero retention): 자체 스토리지를 사용하는 경우 이용할 수 있습니다.
- 도메인: 세금, M&A, SEC 10-K, 계약서 또는 직접 만든 도메인.
BrowseComp-Plus에서 성능은 어떤가요?
BrowseComp-Plus는 약 100K개의 고정된 웹 문서를 대상으로 딥리서치 에이전트에게 830개의 멀티홉 질문을 제시합니다. GPT-5와 함께라면, Nace AI 보도:
- 92.05% 정확도, 86개 항목 중 #2위에 있는 리더보드.
- 12.61회 검색 호출 질문당 16.6회로, 앞선 유일한 항목(209.27회 호출)보다 16.6배 적습니다.
- 단일 패스에서 87.32% 검색 호출 8.93회로, 10회 미만인 모든 항목 중 가장 좋은 결과였다.
- +20.4 포인트 동일한 GPT-5 모델을 사용했을 때 Qwen3-Embed-8B 베이스라인 대비 수준이다.
문서 벤치마크에서는 어떤 점수를 기록하나요?
에 VisDocAgentBench, 에이전트는 2,375개의 arXiv 페이지 중 1개의 대상 페이지를 찾아냅니다. Drex for Search는 오픈 웨이트 Qwen 27B 플래너와 함께 77.5%의 R@1을 기록합니다. 공개된 최고 성능 에이전트인 Claude Opus 5는 67.5%를 기록합니다. R@1은 직접 질문에서 97.5%, 한 단계 브리지에서 77.5%, 두 단계에서 57.5%입니다.
에 대한 MADQA, 에이전트는 800개가 넘는 PDF에 답변하며 페이지를 인용합니다. Nace는 Gemini 3.5 Flash로 94.7%의 정확도와 88.2의 페이지 귀속 F1 점수를 보고했습니다. 노력 보정(Kuiper) 수치는 6.66입니다. Nace는 10월 20일 기준 리더보드에 따라 이를 1위로 평가했습니다. 오픈 웨이트 Qwen 27B로는 Nace가 93.4%를 보고했습니다.
온 EnterpriseRAG-Bench에서는 500,000개 이상의 사내 문서를 대상으로 Nace가 전체 점수 88.22를 기록했으며, 이는 #3 순위입니다. 이는 OpenAI File Search(61.03)보다 27.2점 높은 수치입니다.
이는 최고 공개 결과와 어떻게 비교됩니까?
순위와 점수는 Nace AI가 발표한 그대로이며, 리더보드는 2026년 10월 20일에 조회되었습니다.
| 벤치마크 (Nace 기준 Drex 순위) | 시스템 | 기관 | 답변 모델 | 점수 |
|---|---|---|---|---|
| BrowseComp-Plus, 질문당 정확도 및 검색 호출 수 (86개 중 #2) | Hybrid Qwen2-7B + Reason-ModernColBERT | AI21 Labs | GPT-5 | 95.18%, 209.27회 호출 |
| Drex for Search | Nace AI | GPT-5 | 92.05%, 12.61회 호출 | |
| Mixedbread Search (v3) | Mixedbread | GPT-5 | 90.48%, 11.53회 호출 | |
| Reason-ModernColBERT | LightOn | GPT-5 | 87.59%, 13.27회 호출 | |
| VisDocAgentBench, R@1 (#1) | Drex for Search | Nace AI | Qwen 27B (플래너) | 77.5% |
| 도구 사용 에이전트 | Anthropic | Claude Opus 5 | 67.5% | |
| 도구 사용 에이전트 | Anthropic | Claude Fable 5 | 62.5% | |
| 도구 사용 에이전트 | OpenAI | GPT-5.6-sol | 61.67% | |
| MADQA, 정확도 (#1) | Drex for Search | Nace AI | Gemini 3.5 Flash | 94.7% |
| Agentic RAG | Progress Software | Gemini 3.5 Flash + 3.6 Flash | 94.3% | |
| Agentic Search | Mixedbread | Gemini 3.5 Flash | 93.4% | |
| PPLX Embed 2 RAG | Perplexity | Gemini 3.5 Flash | 92.1% | |
| File Search | OpenAI | GPT-5 | 49.6% | |
| EnterpriseRAG-Bench, 전체 점수 (31개 중 #3) | Flexor.ai | Flexor.ai | GPT-6.1 Sol | 91.48 |
| CDL | Causal Dynamics Lab | 미기재 | 90.91 | |
| Drex for Search | Nace AI | 미기재 | 88.22 | |
| Mixedbread | Mixedbread | Claude Opus 5 | 86.58 | |
| OpenAI File Search | OpenAI | 관리형 제품 | 61.03 | |
| Azure AI Search | Microsoft | 관리형 제품 | 48.42 | |
| Vertex AI Search | 관리형 제품 | 41.87 |
개발자는 어떻게 접근할 수 있나요?
Drex for Search는 다음에서 실행됩니다. Nace API Console, 하나의 키로 4가지 방식으로 접근할 수 있습니다:
- CLI: nace-cli PyPI에서 제공.
- SDK: Python용 nace-sdk 와 TypeScript용 nace-sdk
- . MCP:nace-mcp
- , Claude Code, Codex, Cursor 또는 OpenCode용. REST: OpenAPI 사양 제공.
핵심 요약
- Drex for Search는 에이전트에게 상위 k개의 청크가 아니라 출처가 표시된 페이지와 테이블을 제공합니다.
- 앞선 유일한 항목보다 검색 호출 수가 16.6배 적으면서 BrowseComp-Plus에서 92.05%를 기록했습니다.
- VisDocAgentBench에서 77.5% R@1을 기록하며 Claude Opus 5보다 10포인트 높은 수치입니다.
- OfficeQA Pro에서는 Nace가 테스트한 9개의 하네스-모델 조합 전체에서 에이전트 턴 수가 감소했습니다.
다음을 확인해 보세요 Search 페이지용 Drex, API Console, 문서 그리고 Hugging Face.
이 기사의 사상적 리더십과 자료를 제공한 Nace AI 팀에게 감사드립니다. 이 기사는 Nace AI의 후원을 받았습니다.
이 글 Nace AI, AI 에이전트용 Drex for Search 출시: 12.6회 검색 호출로 BrowseComp-Plus에서 92.05% 달성 는 다음에서 처음 게시되었습니다 MarkTechPost.