Nace AIは、ドキュメント検索にDrex意思決定モデルを導入するDrex for Searchをリリースしました。Drex for Searchは、人間やエージェントが証拠を見つけやすくするための検索レイヤーです。Claude Code、Codex、Cursor、OpenCodeなどのコーディングエージェントは、CLI、SDK、MCP、またはRESTを通じてこれを呼び出します。Naceの評価では、GPT-5を用いたBrowseComp-Plusにおいて、質問1つあたり12.6回の検索コールで92.05%のスコアを獲得しています。
要約
サイズ：100万件以上のファイルを検索できるように構築されたホスト型検索システムです。GPT-5、Gemini 3.5 Flash、またはQwen 27Bなどの回答モデルと組み合わせて使用します。
動作環境：Naceのマネージドクラウド、専用クラウド、お客様ご自身のAWSまたはAzureアカウント、あるいはオンプレミスおよびオフライン環境で利用できます。
パフォーマンス：Naceによると、4つの公開ランキングのうち3つで1位または2位にランクイン。
最高：VisDocAgentBenchでR@1が77.5％、Claude Opus 5（67.5％）を10ポイント上回る。
Nace AIはどのようなものをリリースしましたか？
Nace AIは、フレームワーク検索を一連の意思決定として捉えています。Drex for Searchは、その意思決定に自社のDrexモデルを適用します。Drexは、1回の前方伝播で、各選択肢に対して校正済みの確率スコアを付与します。これにより、エージェントの各ステップにおいても十分なコスト効率を実現できます。
このリリースは、クラシックなRAGを対象としており、Nace氏はそれを「チャンク、エンベッド、トップk、ホープ」と要約しています。
パイプラインは3つの場合に中断します：
答えは23ページの表に記載されています
答えには、ファイル間で2ホップが必要です
答えはスキャンされたPDFの中にあります
エージェント内でDrex for Searchはどのように動作しますか？
Naceは3つのステップを説明しています：
分類：検索が実行される前に、Drexはその質問が迅速な照会が必要か、エージェントによる処理が必要かを判断します。エージェント経由では、ドキュメントを読み取り、テーブルをクエリします。
Squeeze：Drexはワークスペースをフォルダー、ファイル、セクション、ページの順に階層ごとにたどります。シート内では、さらにテーブルと列へと絞り込まれます。各レベルでは、答えを保持できるものだけが残されます。
回答：保持されたページとテーブルのみがLLMに送られます。回答では、該当のファイルとページが引用されています。
深度は固定されているため、Naceによれば、100万件のファイルでも必要なステップ数は1,000件と同じだという。
コーディングエージェントにはどの程度役立つのでしょうか？
Nace AIは、米国財務省の公告に関する133問からなるベンチマークであるOfficeQA Proにおいて、9組のエージェントとモデルを評価しました。主なポイントは以下の通りです：正解率が6％向上、手順数が62％削減、トークン数が56％削減、処理速度が2.3倍に向上しました。
Claudeの出荷時のモデル精度、Drexを用いたSearchAgentの精度、Drexを用いたSearchGemini CLIGemini 3.1 Proの精度はそれぞれ22.9%、10.4%、54.9%、61.7%、22.9%、10.4%です。CodexGPT-6 solの精度は66.2%、70.7%、14.3%、8.6%です。Hermes AgentOpus 5.5の精度は64.3%、68.4%、8.5%、3.7%です。Hermes AgentQwen3.8-27Bの精度は56.4%、60.2%、20.1%、6.5%です。Claude CodeOpus 5.5の精度は66.5%、69.9%、18.5%、9.1%です。piOpus 5.5の精度は65.4%、68.4%、7.7%、3.7%です。OpenCodeQwen3.8-27Bの精度は51.1%、53.4%、23.7%、10.0です。piQwen3.8-27Bの精度は43.6%、45.9%、24.3%、11.1%です。CodexGPT-6 lunaの精度は54.9%、53.4%、16.8%、11.3%です。
ワークスペースには何が含まれますか？
ファイル：PDFおよびスキャン、xlsx、csvおよびParquet、mp3およびmp4、docx、pptx、md、jsonおよびtxt。
引用：各回答には、出典となったファイル名および該当するページ、行、または分が明記されています。
ワークスペース：独立しており、独自のインデックスとナレッジグラフを備え、招待されたメンバーと共有できます。
ストレージ：ファイルやフォルダーをアップロードするか、ワークスペースを独自のS3バケットまたはAzure Blobコンテナーに保存できます。
ゼロリテンション：独自のストレージで利用可能。
ドメイン：税務、M&A、米国証券取引委員会（SEC）の10-K報告書、契約書、またはお客様独自のドメイン。
BrowseComp-Plusではどのような性能を発揮しますか？
BrowseComp-Plusは、約10万件の固定ウェブ文書に対して、深層調査エージェントに830ものマルチホップ質問を投げかけます。GPT-5を用いると、Nace AIは次のように報告しています：
92.05%の精度で、リーダーボード上86件中第2位。
質問あたり12.61件の検索コールで、唯一上位にいるエントリー（209.27件）よりも16.6倍少ない。
8.93回の検索呼び出しで1回の通過において87.32%を達成し、10回未満の呼び出しで最も優れた結果を示しました。
同じGPT-5モデルを用いて、Qwen3-Embed-8Bベースラインに対して+20.4ポイントの改善を達成しました。
ドキュメントのベンチマークでは、どのようなスコアを示していますか？
VisDocAgentBenchにおいて、あるエージェントは2,375件のarXiv論文ページの中から1つのターゲットページを検出します。Drex for Searchは、オープンウェイトのQwen 27Bプランナーを用いてR@1指標で77.5%を記録しています。公開されている中で最も優れたエージェントであるClaude Opus 5は、R@1指標で67.5%を獲得しています。直接的な質問に対するR@1は97.5%、一本の橋渡しに関する質問では77.5%、二本の橋渡しに関する質問では57.5%となっています。
MADQAでは、エージェントが800を超えるPDFに回答し、ページを明示しています。Naceは、Gemini 3.5 Flashを使用した場合、精度94.7％、ページ属性に関するF1スコア88.2を報告しています。また、その努力の校正値（Kuiper）は6.66です。Naceは、10月20日時点のリーダーボードに基づき、これを第1位と評価しています。一方、オープンウェイトのQwen 27Bでは、Naceは93.4％を報告しています。
EnterpriseRAG-Benchにおいて、社内文書50万件以上を用いた評価で、Naceは総合スコア88.22を記録し、ランキング第3位にランクインしました。これは、OpenAI File Search（61.03）を27.2ポイント上回る結果です。
公開されている最高の結果と比べてどうでしょうか？
ランキングとスコアは、2026年10月20日時点で閲覧されたリーダーボードに基づき、Nace AIが公表したものです。
Benchmark（Drexランク、Nace基準） システム 組織 回答モデル スコア ブラウズ Comp-Plus、質問ごとの正確性および検索呼び出し回数（86件中第2位） ハイブリッド Qwen2-7B + Reason-Modern ColBERT AI21 Labs GPT-5 95.18%、209.27回の呼び出し Drex for Search Nace AI GPT-5 92.05%、12.61回の呼び出し Mixedbread Search（v3） Mixedbread GPT-5 90.48%、11.53回の呼び出し Reason-Modern ColBERT LightOn GPT-5 87.59%、13.27回の呼び出し VisDocAgent Bench、R@1（第1位） Drex for Search Nace AI Qwen 27B（プランナー） 77.5% ツール利用型エージェント Anthropic Claude Opus 5 67.5% ツール利用型エージェント Anthropic Claude Fable 5 62.5% ツール利用型エージェント OpenAI GPT-5.6-sol 61.67% MADQA、正確性（第1位） Drex for Search Nace AI Gemini 3.5 Flash 94.7% エージェンティックRAG Progress Software Gemini 3.5 Flash + 3.6 Flash 94.3% エージェンティック検索 Mixedbread Gemini 3.5 Flash 93.4% PPLX Embed 2 RAG Perplexity Gemini 3.5 Flash 92.1% ファイル検索 OpenAI GPT-5 49.6% エンタープライズ RAG-Bench、総合スコア（31件中第3位） Flexor.ai Flexor.ai GPT-6.1 Sol 91.48% CDL Causal Dynamics Lab 記載なし 90.91% Drex for Search Nace AI 記載なし 88.22% Mixedbread Mixedbread Claude Opus 5 86.58% OpenAI ファイル検索 OpenAI 管理製品 61.03% Azure AI Search Microsoft 管理製品 48.42% Vertex AI Search Google 管理製品 41.87%
開発者はどのようにアクセスできますか？
Drex for SearchはNace APIコンソールで動作し、1つのキーで4つの方法にアクセスできます：
CLI：PyPI上のnace-cli。
SDK：Python用nace-sdkおよびTypeScript用nace-sdk。
MCP：nace-mcp、Claude Code、Codex、Cursor、またはOpenCode用。
REST：OpenAPI仕様。
主なポイント
Drex for Searchは、エージェントにトップ-k チャンクではなく、引用されたページやテーブルを提供します。
16.6倍少ない検索呼び出しで、BrowseComp-Plusにおいて92.05%を達成。先行する唯一のエントリよりも大幅に少ない数です。
VisDocAgentBenchにおけるR@1は77.5%で、Claude Opus 5を10ポイント上回っています。
OfficeQA Proでは、Naceがテストした9組のハーネスとモデルすべてにおいて、エージェントの誤り率が低下しました。
Drex for Searchのページ、APIコンソール、ドキュメント、およびHugging Faceをご確認ください。
本記事のためのリーダーシップとリソースを提供してくださったNace AIチームに感謝いたします。本記事はNace AIのスポンサーによるものです。
記事「Nace AI、AIエージェント向け検索用Drexをリリース：BrowseComp-Plusで92.05％、12.6回の検索呼び出し」は、MarkTechPostに最初に掲載されました。