Nace AI 推出 Drex 检索层：BrowseComp-Plus 92.05% 准确率，搜索调用量大幅压缩

Nace AI 发布 Drex for Search，把自家Drex决策模型做成独立检索层，专门服务AI智能体做文档证据检索，可对接Claude Code、Codex、Cursor、OpenCode这类编码/研究Agent，支持CLI、SDK、MCP、REST四种接入方式。

• 官方主页：https://www.nace.ai/drex/search

它的定位是替代经典“分块-嵌入-topk”RAG方案。官方认为传统RAG在三类场景容易失效：答案藏在长文档深处表格、需要跨文档多跳推理、扫描版PDF图文。

Drex的检索流程分为三步：

1. 分类：先判断问题是简单速查，还是需要深度Agent读取文档、解析表格；
2. 逐层压缩：沿着文件夹→文件→章节→页面→表格/列逐层筛选，只保留高概率包含答案的片段；
3. 生成回答：仅筛选后的页面、表格送入LLM，输出附带文件、页码定位引用。
   它的一大特性：固定推理深度，百万级文件库和千份文件的检索步骤数量一致。

核心基准成绩

搭配GPT-5在BrowseComp-Plus（830道多跳问题、十万份固定文档）：

• 准确率 92.05%，榜单86个方案里排第2；
• 单题仅 12.61次搜索调用，比第一名少16.6倍；
• 单次通过率87.32%（8.93次调用），是调用次数低于10次里最优。

VisDocAgentBench（从2375篇arXiv论文定位目标页），搭配Qwen27B规划器R@1=77.5%，高出Claude Opus 5整整10个点；

MADQA多PDF问答，搭配Gemini 3.5 Flash准确率94.7%，拿下榜单第一；

EnterpriseRAG-Bench（50万+企业文档）得分88.22，远高于OpenAI File Search（61.03）。

编码智能体实测（OfficeQA Pro）

9组Agent+模型组合统一测试：整体准确率平均+6%，Agent轮次减少62%、Token减少56%、速度提升2.3倍。不管Gemini CLI、Claude Code、Hermes Agent都有明显轮次下降。

支持文件与部署形态

支持PDF（含扫描件）、Excel/CSV/Parquet、音视频、Office文档、Markdown、JSON等；答案附带页码、行号、时间码溯源。

部署选项丰富：Nace托管云、专属私有云、自带AWS/Azure存储，也支持本地/气隙离线部署；支持自带S3/Blob存储、零数据留存模式，适合合同、财报、SEC财报、税务、并购等企业文档场景。