Nace AI는 문서 검색에 Drex 의사결정 모델을 도입한 Drex for Search를 출시했습니다. Drex for Search는 사용자와 에이전트가 근거를 찾도록 지원하는 검색 계층입니다. Claude Code, Codex, Cursor 및 OpenCode와 같은 코딩 에이전트는 CLI, SDK, MCP 또는 REST를 통해 이를 호출합니다. Nace의 평가에 따르면, GPT-5 기반 BrowseComp-Plus에서 질문당 12.6회의 검색 호출을 사용했을 때 점수는 92.05%입니다.
요약:
크기: 100만 개 이상의 파일을 검색하도록 설계된 호스팅형 검색 시스템입니다. GPT-5, Gemini 3.5 Flash 또는 Qwen 27B와 같은 답변 모델과 결합됩니다.
운영 환경: Nace의 관리형 클라우드, 전용 클라우드, 귀하의 AWS 또는 Azure 계정, 또는 온프레미스 및 에어갭 환경에서 실행됩니다.
성능: Nace 기준 4개의 공개 리더보드 중 3개에서 1위 또는 2위를 차지했습니다.
최고: VisDocAgentBench에서 R@1이 77.5%로, Claude Opus 5(67.5%)보다 10점 높습니다.
Nace AI는 무엇을 출시했나요?
Nace AI는 프레임워크 검색을 일련의 의사결정으로 간주합니다. Drex for Search는 이러한 의사결정에 자사의 Drex 모델을 적용합니다. Drex는 한 번의 순방향 전파 과정에서 각 선택지에 대해 보정된 확률을 부여하여 점수를 매깁니다. 이로 인해 모든 에이전트 단계에서도 비용 효율적으로 구현할 수 있습니다.
이 릴리스는 클래식 RAG를 타깃으로 하며, Nace는 이를 덩어리(chunk), 임베드(embed), 상위 k(top-k), 희망(hope)으로 요약합니다.
파이프라인은 3가지 경우에 중단됩니다:
답변은 23페이지의 표에 있습니다.
답변에는 파일 간 2단계의 경로가 필요합니다
답변은 스캔된 PDF 안에 있습니다.
검색용 Drex는 에이전트 내에서 어떻게 작동하나요?
Nace는 3단계를 설명합니다:
분류: 검색이 실행되기 전에 Drex는 해당 질문이 간단한 조회를 필요로 하는지 아니면 에이전트의 도움이 필요한지 판단합니다. 에이전트 경로에서는 문서를 읽고 테이블을 쿼리합니다.
Squeeze: Drex는 작업 공간을 폴더, 파일, 섹션, 페이지 순으로 단계별로 탐색합니다. 시트 내에서는 테이블과 열로 범위를 좁혀 들어갑니다. 각 단계에서는 답을 담을 수 있는 항목만 유지합니다.
답변: 유지된 페이지와 표만 LLM에 전달됩니다. 답변은 해당 파일과 페이지를 인용합니다.
깊이는 고정되어 있으므로, Nace에 따르면 백만 개의 파일은 천 개의 파일과 동일한 수의 단계를 소요합니다.
코딩 에이전트는 얼마나 도움이 될까요?
Nace AI는 미국 재무부 공보에 관한 133개 문항으로 구성된 벤치마크인 OfficeQA Pro에서 9개의 에이전트 및 모델 조합을 테스트했습니다. 주요 결과로는 정답률 6% 상승, 단계 수 62% 감소, 토큰 수 56% 감소, 그리고 처리 속도 2.3배 향상이 확인되었습니다.
Claude의 출하 시 정확도, Drex를 사용한 검색 에이전트의 출하 시 정확도, Drex를 사용한 검색 Gemini CLIGemini 3.1 Pro54.9%61.7%22.910.4CodexGPT-6 sol66.2%70.7%14.38.6Hermes 에이전트Opus 5.564.3%68.4%8.53.7Hermes 에이전트Qwen3.8-27B56.4%60.2%20.16.5Claude 코드Opus 5.566.5%69.9%18.59.1piOpus 5.565.4%68.4%7.73.7OpenCodeQwen3.8-27B51.1%53.4%23.710.0piQwen3.8-27B43.6%45.9%24.311.1CodexGPT-6 luna54.9%53.4%16.811.3
작업 공간에는 무엇이 포함되나요?
파일: PDF 및 스캔 파일, xlsx, csv 및 Parquet, mp3 및 mp4, docx, pptx, md, json 및 txt.
인용: 모든 답변에는 해당 내용이 인용된 파일과 페이지, 행 또는 분이 명시되어 있습니다.
작업공간: 독립적으로 운영되며, 자체 인덱스와 지식 그래프를 갖추고 있으며, 초대된 구성원들과 공유할 수 있습니다.
스토리지: 파일이나 폴더를 업로드하거나, 자신의 S3 버킷 또는 Azure Blob 컨테이너에 워크스페이스를 저장하세요.
제로 보존: 자체 스토리지와 함께 제공됩니다.
도메인: 세무, M&A, SEC 10-K, 계약 또는 귀하의 고유 도메인.
BrowseComp-Plus에서의 성능은 어떠한가요?
BrowseComp-Plus는 약 10만 개의 고정된 웹 문서를 대상으로, 심층 연구 에이전트 830에게 다중 홉 방식의 질문을 10만여 건에 걸쳐 제시합니다. GPT-5를 활용한 Nace AI의 보고에 따르면:
정확도 92.05%, 리더보드 상위 86개 참가 중 2위.
질문당 12.61회의 검색 호출로, 그보다 앞선 유일한 항목(209.27회)보다 16.6배 적습니다.
8.93회의 검색 호출로 단일 실행에서 87.32%를 달성했으며, 이는 10회 미만의 호출을 사용한 모든 엔트리 중 최고 성능입니다.
GPT-5 모델을 동일하게 사용했음에도 불구하고, Qwen3-Embed-8B 기준선 대비 +20.4점의 성과를 달성했습니다.
문서 벤치마크에서 점수는 어떻게 나옵니까?
VisDocAgentBench에서, 한 에이전트는 2,375개의 arXiv 페이지 중에서 1개의 대상 페이지를 찾습니다. Drex for Search는 오픈 가중치를 갖춘 Qwen 27B 플래너와 함께 R@1 지표에서 77.5%를 기록합니다. 가장 우수한 공개 에이전트인 Claude Opus 5는 R@1 지표에서 67.5%를 기록합니다. 직접 질문에 대한 R@1은 97.5%, 하나의 브리지에 대한 R@1은 77.5%, 두 개의 브리지에 대한 R@1은 57.5%입니다.
MADQA에서 에이전트들은 800여 개의 PDF 파일에 답변을 제공하며 페이지를 인용합니다. Nace는 Gemini 3.5 Flash를 사용했을 때 정확도가 94.7%이며, 페이지 인용 관련 F1 점수가 88.2라고 보고했습니다. 또한 해당 모델의 노력 보정치(Kuiper)는 6.66입니다. Nace는 10월 20일 기준 리더보드를 바탕으로 이 모델을 1위로 평가했습니다. 오픈 웨이트 Qwen 27B의 경우, Nace는 93.4%의 정확도를 보고했습니다.
EnterpriseRAG-Bench에서, 50만 개가 넘는 사내 문서를 바탕으로 Nace는 종합 점수 88.22를 기록하며 3위에 올랐습니다. 이는 OpenAI File Search(61.03)보다 27.2점 높은 수치입니다.
최근 발표된 최고 성과와 비교하면 어떨까요?
랭크와 점수는 Nace AI가 발표한 바이며, 2026년 10월 20일에 조회된 리더보드 기준입니다.
Benchmark(드렉스 순위, Nace 기준) 시스템 조직 답변 모델 점수 브라우즈 컴플러스, 질문당 정확도 및 검색 호출 수(#86개 중 2위) 하이브리드 Qwen2-7B + 리즌-모던 ColBERT AI21 Labs GPT-5 95.18%, 209.27회 호출 드렉스 포 서치 Nace AI GPT-5 92.05%, 12.61회 호출 믹스드브레드 서치(v3) 믹스드브레드 GPT-5 90.48%, 11.53회 호출 리즌-모던 ColBERT 라이트온 GPT-5 87.59%, 13.27회 호출 비스닥에이전트 벤치, R@1(#1) 드렉스 포 서치 Nace AI Qwen 27B(플래너) 77.5% 도구 활용 에이전트 앤트로픽 Claude Opus 5 67.5% 도구 활용 에이전트 앤트로픽 Claude Fable 5 62.5% 도구 활용 에이전트 OpenAI GPT-5.6-sol 61.67% MADQA, 정확도(#1) 드렉스 포 서치 Nace AI Gemini 3.5 플래시 94.7% 에이전틱 RAG 프로그레스 소프트웨어 Gemini 3.5 플래시 + 3.6 플래시 94.3% 에이전틱 서치 믹스드브레드 Gemini 3.5 플래시 93.4% PPLX 임베드 2 RAG 퍼플렉시티 Gemini 3.5 플래시 92.1% 파일 검색 OpenAI GPT-5 49.6% 엔터프라이즈 RAG-벤치, 종합 점수(#31개 중 3위) 플렉서.ai 플렉서.ai GPT-6.1 솔 91.48 CDL 인과역학랩 미기재 90.91 드렉스 포 서치 Nace AI 미기재 88.22 믹스드브레드 믹스드브레드 Claude Opus 5 86.58 OpenAI 파일 검색 OpenAI 관리형 제품 61.03 애저 AI 서치 마이크로소프트 관리형 제품 48.42 버텍스 AI 서치 구글 관리형 제품 41.87
개발자는 어떻게 접근할 수 있나요?
Drex for Search는 Nace API 콘솔에서 실행되며, 하나의 키로 4가지 방법에 접근할 수 있습니다:
CLI: PyPI의 nace-cli.
SDK: Python용 nace-sdk와 TypeScript용 nace-sdk.
MCP: Claude Code, Codex, Cursor 또는 OpenCode용 nace-mcp.
REST: OpenAPI 사양입니다.
주요 요약
Drex for Search는 에이전트에게 상위 k개의 청크가 아닌 인용된 페이지와 테이블을 제공합니다.
16.6배 적은 검색 호출로, 앞서 있는 유일한 항목보다 92.05% 더 높은 성능을 보이는 BrowseComp-Plus.
VisDocAgentBench에서 R@1이 77.5%로, Claude Opus 5보다 10점 높습니다.
OfficeQA Pro에서, 에이전트는 Nace가 테스트한 모든 9개의 하네스 및 모델 쌍에 대해 정확히 작동했습니다.
Drex for Search 페이지, API 콘솔, 문서 및 Hugging Face를 확인해 보세요.
이 기사의 사고 리더십과 자료 제공에 대해 Nace AI 팀에 감사드립니다. 본 기사는 Nace AI의 후원으로 제작되었습니다.
게시물 “Nace AI, AI 에이전트 검색을 위한 Drex 출시: BrowseComp-Plus에서 92.05%, 검색 호출 수는 12.6회”는 MarkTechPost에 처음 게재되었습니다.