Nace AI发布Drex搜索模型：BrowseComp-Plus得分92.05%

Nace AI 近日发布面向 AI Agent 的文档搜索模型 Drex for Search，将其 Drex 决策模型体系延伸至检索场景。官方给出的核心数据是：在 BrowseComp-Plus 基准上取得 92.05% 的成绩，平均仅需 12.6 次搜索调用；同时在 OfficeQA Pro 上减少了 Agent 的交互轮次。这组指标指向同一个方向——用更少的检索动作换取更高的答案命中率。

Drex for Search 做了什么

Drex 原本是 Nace AI 的决策模型家族，此次把决策能力迁移到文档搜索环节。传统检索增强生成（RAG）流程中，Agent 往往被固定为"先检索、再阅读、再生成"的线性链路，搜索次数由流程而非任务难度决定。Drex for Search 的思路是让模型自己判断何时该搜、搜几次、以及是否已经拿到足够信息可以停止。

这种"检索即决策"的定位，直接反映在两个指标上：92.05% 的准确率说明结果质量，12.6 次搜索调用说明过程效率。对于需要多跳推理的 Agent 任务，搜索调用次数直接决定了延迟和成本，因此后者并不是一个附属指标。

检索增强生成（RAG） 是指让大语言模型在生成答案前先从外部知识库检索相关文档，将检索结果作为上下文注入提示词，从而降低幻觉、提升事实准确性。经典 RAG 采用"单次检索—生成"的固定管线，而面向 Agent 的 RAG 往往演化为多轮迭代：模型生成查询、检索、阅读、判断信息是否充分，不足则再次检索。正是在这种多轮迭代中，检索次数会随任务复杂度急剧上升，带来延迟与 token 成本的双重压力。Drex for Search 所针对的"线性链路"问题，本质上是把检索次数交给固定流程而非模型判断，导致简单任务过度检索、复杂任务检索不足。

基准成绩解读

BrowseComp-Plus 是面向浏览与检索能力的评测集，强调在开放网络信息中定位并整合答案。Nace 报告 92.05% 的成绩，配合 12.6 次平均搜索调用，意味着模型在多数样本上不需要大量试探性检索就能收敛。

补充一点，这些数字来自厂商自报，原始素材未披露评测配置、基线对比对象与统计口径。92.05% 单独看缺乏参照系，只有与同类 Agent 搜索方案在同一设定下的对比才能判断其真实位置。同样，12.6 次调用是均值，分布形态（是否存在少数样本消耗大量调用）对实际部署成本影响很大，目前尚不明确。

BrowseComp-Plus 是 BrowseComp 系列的一个变体，后者由 OpenAI 提出，用于评测模型在开放网络上进行多跳、多源信息整合的能力，题目通常需要组合多个网页中的线索才能得出答案。Plus 版本一般强化了检索环节的考察，要求模型主动发起搜索并筛选结果，而非仅依赖静态上下文，因此它同时衡量检索策略与推理整合能力。OfficeQA Pro 则面向企业办公文档场景，文档结构相对规范但篇幅长、表格与层级多，考察模型在结构化与非结构化混合文本中定位答案的能力。两者分别代表开放网络与企业文档两类典型 Agent 检索环境，这也是原文强调其通用性仍需更多场景数据的原因。

OfficeQA Pro 上的交互轮次优化

OfficeQA Pro 考察的是面向办公文档的问答能力，检索对象通常是结构化程度较高的企业文档。Nace 称 Drex for Search 在该基准上减少了 Agent 的交互轮次。

轮次减少的价值在于链路稳定性：每一次额外的 Agent 往返都可能引入错误累积和上下文膨胀，减少轮次等于压缩了出错空间。不过素材没有给出具体的轮次下降幅度，也没有说明准确率是否在轮次减少的同时保持不变——这两点决定了该优化是真正的效率提升，还是以精度换速度的取舍。

对 Agent 检索架构的启示

从产品定位看，Drex for Search 属于"检索策略层"而非"检索引擎层"。它不承诺更强的召回，而是试图解决"什么时候检索、检索到什么程度为止"这个长期依赖启发式规则的问题。当前主流 Agent 框架里，检索轮次上限、阈值判断大多由人工设定的参数控制，自适应决策确实是一个有价值的切入点。

另一层含义是成本结构的变化。如果 12.6 次调用是在保证 92.05% 准确率前提下的常态值，那么单任务检索开销就具备了可预测性，这对需要规模化部署 Agent 的团队比绝对准确率更有吸引力。

检索策略层与检索引擎层的区分 是理解该产品定位的关键。检索引擎层关注召回率、排序质量、索引构建与向量化模型，决定"能搜到什么"；检索策略层关注查询构造、检索时机、停止条件与结果筛选，决定"怎么搜、搜多久"。当前主流 Agent 框架（如 ReAct、Plan-and-Execute 类范式）中，策略层大多由人工设定的最大轮次、相似度阈值或固定提示词控制，缺乏随任务难度自适应的能力。将这一层模型化，理论上可以让 Agent 在信息充足时提前停止、在信息不足时主动改写查询，从而在准确率与调用成本之间取得更优的平衡点。

待观察的问题

首要问题是可复现性。厂商自报的基准成绩需要第三方复测，尤其是 BrowseComp-Plus 这类强调开放检索的评测，数据污染与检索源差异都会显著影响结果。其次是通用性：OfficeQA Pro 与 BrowseComp-Plus 分别代表办公文档与开放网络两类场景，模型在企业私有知识库、低质量文档、长文档等更复杂环境下的表现尚无数据。

第三是集成成本。Drex for Search 需要嵌入现有 Agent 流程，其与主流框架的兼容性、是否支持自定义检索后端，决定了团队迁移的实际代价。这些信息在发布素材中均未涉及，需要在后续技术文档与实践中验证。

小结

Drex for Search 把决策模型引入 Agent 检索环节，用 92.05% 的 BrowseComp-Plus 成绩和 12.6 次平均搜索调用，提出了一个以效率为导向的检索方案。方向合理，但成绩仍需第三方验证，通用性与集成细节也有待补充。对正在优化 Agent 检索成本的团队来说，这是一个值得跟踪的选项，而非可以立即替换现有方案的结论。