Nace AI 发布 Drex for Search：BrowseComp-Plus 得分 92.05%，每题 12.6 次检索

Nace AI 发布 Drex for Search

据 MarkTechPost 报道，Nace AI 发布了 Drex for Search，将其 Drex 决策模型用于文档检索。该产品定位为面向人和 AI 智能体的检索层，Claude Code、Codex、Cursor、OpenCode 等编码智能体可通过 CLI、SDK、MCP 或 REST 调用。据 Nace 公布的评测，该系统搭配 GPT-5 在 BrowseComp-Plus 上取得 92.05% 准确率，平均每题 12.61 次检索调用。

背景与影响

Nace 将传统 RAG 流程概括为「切块、嵌入、取前 k、祈祷」，认为其在答案位于表格、需跨文件两跳检索或藏在扫描件中时容易失效。Drex for Search 的做法是先判断问题是否需要智能体式检索，再按文件夹、文件、章节、页面逐层收窄，只把可能含答案的页面与表格交给回答模型，并标注文件与页码。Nace 称深度固定，因此百万级文件与千级文件的步数相当。

据其公布的 OfficeQA Pro 测试，9 组智能体与模型组合在接入后准确率均有提升，步数与 token 消耗下降。Nace 还称该系统在 VisDocAgentBench 上以 77.5% R@1 排名第一，在 MADQA 上以 94.7% 排名第一，在 EnterpriseRAG-Bench 上以 88.22 分排名第三。部署方式包括 Nace 托管云、专属云、用户自有 AWS 或 Azure 账户，以及本地与气隙环境；支持上传文件或使用自有 S3、Azure Blob 存储。

限制与来源

上述分数、排名与对比数据均来自 Nace AI 自行公布，排行榜数据截至 2026 年 10 月 20 日，尚未获独立第三方验证。该报道标注由 Nace AI 赞助。可用地区、定价、配额与具体功能以 Nace 官网及 API 控制台当前信息为准。

来源：MarkTechPost