Nace AI เปิดตัว Drex for Search ยกระดับ AI Agents ค้นหาแม่นยำ 92.05%
Nace AI ประกาศเปิดตัว Drex for Search ซึ่งเป็นการนำโมเดลการตัดสินใจ Drex มาประยุกต์ใช้กับระบบค้นหาเอกสาร โดยทำหน้าที่เป็นชั้นการดึงข้อมูล (retrieval layer) ที่ช่วยให้ทั้งมนุษย์และ AI agents สามารถค้นหาหลักฐานอ้างอิงได้อย่างมีประสิทธิภาพ
ระบบนี้รองรับการใช้งานร่วมกับ Coding agents ชั้นนำอย่าง Claude Code, Codex, Cursor และ OpenCode ผ่านช่องทางที่หลากหลายทั้ง CLI, SDKs, MCP หรือ REST โดยในการทดสอบร่วมกับ GPT-5 บน BrowseComp-Plus ระบบสามารถทำคะแนนได้สูงถึง 92.05% โดยใช้การเรียกค้นหาเฉลี่ยเพียง 12.6 ครั้งต่อคำถาม
สรุปประเด็นสำคัญ (TL;DR)
- ขนาด: เป็นระบบค้นหาแบบโฮสต์ที่ออกแบบมาเพื่อจัดการไฟล์มากกว่า 1 ล้านไฟล์ขึ้นไป โดยรองรับการจับคู่กับโมเดลการตอบคำถามอย่าง GPT-5, Gemini 3.5 Flash หรือ Qwen 27B
- การติดตั้ง: รองรับทั้งคลาวด์ของ Nace, คลาวด์เฉพาะ (dedicated cloud), บัญชี AWS/Azure ของผู้ใช้เอง รวมถึงรูปแบบ on-prem และ air-gapped
- ประสิทธิภาพ: ติดอันดับ Top 2 ใน 3 จาก 4 ตารางอันดับสาธารณะ (leaderboards) อ้างอิงจากข้อมูลของ Nace
- ความโดดเด่น: ทำคะแนน 77.5% R@1 บน VisDocAgentBench ซึ่งสูงกว่า Claude Opus 5 (67.5%) ถึง 10 จุด
นวัตกรรมเบื้องหลัง Drex for Search
Nace AI ออกแบบโครงสร้างการค้นหาให้เป็นชุดของการตัดสินใจ โดยใช้โมเดล Drex ให้คะแนนตัวเลือกต่างๆ ด้วยความน่าจะเป็นที่ปรับเทียบแล้ว (calibrated probability) ผ่านการประมวลผลเพียงรอบเดียว (1 forward pass) ส่งผลให้มีต้นทุนต่ำพอที่จะใช้งานได้ในทุกขั้นตอนของ agent
การเปิดตัวนี้มุ่งแก้ปัญหาของ RAG แบบดั้งเดิมที่มักติดขัดใน 3 กรณีหลัก คือ เมื่อคำตอบอยู่ในตารางหน้าลึกๆ, คำตอบที่ต้องดึงข้อมูลข้ามไฟล์หลายต่อ (2 hops) หรือคำตอบที่ซ่อนอยู่ในไฟล์ PDF ที่มาจากการสแกน
กลไกการทำงานภายใน Agent
กระบวนการทำงานของ Drex for Search แบ่งออกเป็น 3 ขั้นตอนหลัก:
- จำแนก (Classify): Drex จะตัดสินใจเบื้องต้นว่าคำถามนั้นสามารถค้นหาแบบรวดเร็วได้เลย หรือจำเป็นต้องใช้ agent ในการอ่านและคัดกรองข้อมูลเชิงลึก
- คัดกรอง (Squeeze): ระบบจะไล่เลียงตรวจสอบพื้นที่ทำงานทีละระดับ ตั้งแต่โฟลเดอร์ ไฟล์ ไปจนถึงหน้าเอกสารและตาราง เพื่อคัดไว้เฉพาะส่วนที่น่าจะมีคำตอบที่สุด
- ตอบคำถาม (Answer): ข้อมูลที่ผ่านการกรองแล้วจะถูกส่งไปยัง LLM เพื่อตอบคำถาม พร้อมการระบุแหล่งที่มาอ้างอิงอย่างชัดเจน
ประสิทธิภาพเหนือชั้นสำหรับ Coding Agents
จากการทดสอบบน OfficeQA Pro ซึ่งเป็นเกณฑ์มาตรฐาน 133 คำถามเกี่ยวกับกระดานข่าวของกระทรวงการคลังสหรัฐฯ พบว่าการใช้ Drex for Search ช่วยให้ตอบคำถามถูกต้องเพิ่มขึ้น 6%, ลดขั้นตอนการทำงานลง 62%, ประหยัด token ได้ 56% และทำงานเร็วขึ้นถึง 2.3 เท่า
| Harness | Model | Accuracy as shipped | Accuracy with Drex for Search | Agent turns as shipped | Agent turns with 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 |
การทดสอบบนมาตรฐานระดับโลก
บน BrowseComp-Plus ระบบ Drex for Search ทำคะแนนความแม่นยำได้ 92.05% (อันดับ 2 จาก 86 รายการ) โดยจุดเด่นคือการใช้จำนวนครั้งในการค้นหาน้อยกว่าอันดับหนึ่งถึง 16.6 เท่า
นอกจากนี้ยังครองอันดับ 1 บน VisDocAgentBench ด้วยคะแนน 77.5% R@1 และอันดับ 1 บน MADQA ด้วยความแม่นยำ 94.7% เมื่อใช้งานร่วมกับ Gemini 3.5 Flash ส่วนบน EnterpriseRAG-Bench ที่ทดสอบกับเอกสารกว่า 5 แสนฉบับ ระบบทำคะแนนได้ 88.22 (อันดับ 3) ซึ่งสูงกว่า OpenAI File Search อย่างชัดเจน
| Benchmark (Drex rank, per Nace) | System | Organization | Answer model | Score |
|---|---|---|---|---|
| BrowseComp-Plus, accuracy and search calls per question (#2 of 86) | Hybrid Qwen2-7B + Reason-ModernColBERT | AI21 Labs | GPT-5 | 95.18%, 209.27 calls |
| Drex for Search | Nace AI | GPT-5 | 92.05%, 12.61 calls | |
| Mixedbread Search (v3) | Mixedbread | GPT-5 | 90.48%, 11.53 calls | |
| Reason-ModernColBERT | LightOn | GPT-5 | 87.59%, 13.27 calls | |
| VisDocAgentBench, R@1 (#1) | Drex for Search | Nace AI | Qwen 27B (planner) | 77.5% |
| Tool-using agent | Anthropic | Claude Opus 5 | 67.5% | |
| Tool-using agent | Anthropic | Claude Fable 5 | 62.5% | |
| Tool-using agent | OpenAI | GPT-5.6-sol | 61.67% | |
| MADQA, accuracy (#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, overall score (#3 of 31) | Flexor.ai | Flexor.ai | GPT-6.1 Sol | 91.48 |
| CDL | Causal Dynamics Lab | Not listed | 90.91 | |
| Drex for Search | Nace AI | Not listed | 88.22 | |
| Mixedbread | Mixedbread | Claude Opus 5 | 86.58 | |
| OpenAI File Search | OpenAI | Managed product | 61.03 | |
| Azure AI Search | Microsoft | Managed product | 48.42 | |
| Vertex AI Search | Managed product | 41.87 |
ปัจจุบันนักพัฒนาสามารถเข้าถึง Drex for Search ได้ผ่าน Nace API Console โดยรองรับการทำงานร่วมกับหลากหลายนามสกุลไฟล์ เช่น PDF, xlsx, mp3, mp4 และ docx พร้อมระบบแยกพื้นที่ทำงาน (workspace) และการสร้าง knowledge graph ในตัว
ความคิดเห็น (0)
เข้าสู่ระบบเพื่อร่วมแสดงความเห็น
สมัครสมาชิกมาเป็นคนแรกที่แสดงความเห็นกันเลยโบร