Компания Mixedbread официально выпустила Toast 1 — первого специализированного агента для поиска информации. Это решение позиционируется как «Pareto Optimal Search», то есть оно устанавливает новую границу эффективности, сочетая качество фронтенер-моделей с радикально сниженными затратами. Toast 1 может работать как самостоятельная система или как подагент для крупных языковых моделей (LLM), беря на себя весь цикл сбора доказательств: декомпозицию запроса, поиск, проверку источников и кураторство контекста.
Ключевые метрики производительности
Согласно данным Mixedbread, Toast 1 демонстрирует выдающиеся результаты в сравнении с топовыми моделями рынка. Агент способен обрабатывать сложные запросы, разбивая их на подзадачи, и возвращать релевантный контекст за секунды, что позволяет основной модели тратить вычислительные ресурсы на рассуждение, а не на поиск.
| Метрика | Toast 1 | Сравнение (GPT-5.6 Sol / Claude Opus 5) |
|---|---|---|
| Скорость ответа | До 12× быстрее | Среднее время выполнения ~5-8 секунд |
| Стоимость запроса | До 10× дешевле | ~$0.016–$0.023 за запрос (стандарт) |
| Качество поиска | Frontier-level | Сопоставимо с GPT-5.6 Sol и Claude Opus 5 |
Результаты на бенчмарках: OfficeQA Pro V2 и Harvey LAB
Эффективность Toast 1 подтверждена на корпоративных задачах. В тесте OfficeQA Pro V2 (от Databricks), оценивающем корректность ответов в сложных финансовых ситуациях, связка GPT-5.6 Sol + Toast 1 достигла 70% точности при стоимости около $1.15 за задачу. Это лучший результат среди всех систем, оцененных Databricks в этом релизе. Для сравнения, предыдущий лидер — Claude Fable 5 на Databricks Genie — показывал 60% точности при стоимости $4 за задачу.
В юридическом бенчмарке Harvey LAB (Firm Knowledge) использование Toast 1 в качестве подагента позволило сократить потребление токенов в 3.5 раза (с 80.6 млн до 23 млн токенов на выборку из 33 задач) при сохранении идентичного качества ответа (score 55). Это привело к снижению затрат более чем на 60%.
Техническая архитектура и доступность
Toast 1 разработан в рамках подхода co-design вместе с моделями эмбеддингов и системой Silo. Он оптимизирован для работы с любым поисковым бэкендом, но наилучшие результаты показывает в связке с Mixedbread Search. Агент способен выполнять до 16 вызовов инструментов за 3 раунда, укладываясь в 5.33 секунды на сложных сравнительных запросах. Модель доступна для интеграции разработчиками, позволяя переложить нагрузку по «грязной работе» поиска на специализированный агент, сохраняя контекстное окно фронтенер-модели для генерации финальных ответов.
Источник: Mixedbread ↗