ハクソク

世界を動かす技術を、日本語で。

トースト1のご紹介

2026年8月15日原文(mixedbread.com)

概要

  • Toast 1 は、最先端の検索品質を持つ新しい専門検索エージェント。
  • Claude Opus 5 や GPT-5.6 Sol と同等以上の性能を、最大 10倍安価・12倍高速 で実現。
  • Mixedbread Search との連携で最適化されるが、他の検索バックエンドでも利用可能。
  • 金融・法務など複雑な業務で高効率・高精度な検索とコスト削減を両立。
  • APIや既存ワークフローとの統合が容易で、即日利用可能。

Toast 1：最先端専門検索エージェントの登場

  • Toast 1 は、Mixedbreadが開発した初の専門検索エージェント。
  • Claude Opus 5 や GPT-5.6 Sol と同等またはそれ以上の検索品質を実現。
  • 最大10倍安価、 最大12倍高速 な検索処理。
  • Mixedbread Search との組み合わせで最適性能を発揮。
  • どの検索バックエンドにも対応、柔軟な運用が可能。

エージェントの役割分担による効率化

  • Toast 1は、検索ループ全体を自動で担当。
    • クエリ分解
    • サブクエリ生成
    • 証拠収集
    • ソース確認
    • 関連コンテキストの整理
  • フロンティアモデルは推論や最終回答生成など、より高度な処理に専念可能。

実行例とスピード

  • 例：16回のツールコールで3ラウンド、5秒強で雇用率比較クエリに回答。
  • ステップごとのサブクエリやgrepパターン、プランも可視化可能。

金融業務ベンチマーク：OfficeQA Pro V2

  • Databricks のOfficeQA Pro V2で90問の複雑な金融シナリオに対し評価。
  • GPT-5.6 Sol + Toast 1 の組み合わせが 70%正答率・約$1.15/タスク で最高スコア達成。
  • 旧来の Claude Fable 5 + Databricks Genie は 60%正答率・約$4/タスク。
  • Toast 1なしの GPT-5.6 Sol は 33%正答率 に留まる。
  • Toast 1の導入で 証拠収集の経済性 が抜本的に改善。

法務ベンチマーク：Harvey LAB Firm Knowledge

  • 法務業務は 文脈依存度が高く、証拠パッケージの質が重要。
  • 33タスクのサンプルで、 Mixedbread Search 導入でトークン消費が42%減。
  • Toast 1をサブエージェントに追加すると さらに51%減（合計3.5倍効率化）。
  • 回答品質を維持しつつ、 コスト60%以上削減 を実現。

検索体験と実用例

  • Dwarkesh Podcast のトランスクリプト検索など、実際の深層検索も体験可能。
  • Toast 1は スタンドアロン でも サブエージェント としても運用可能。
  • モデル・エージェント基盤・検索プリミティブの 協調設計アプローチ。

ベンチマーク・コスト・レイテンシ

  • BrowseComp Plus, OfficeQA Pro, LongSeal 等のベンチマークで 最先端モデルと同等性能。
  • 1クエリあたり約$0.016〜0.023、8秒前後のレイテンシ で回答。
  • 最高品質設定でも $0.05〜0.07/クエリ、11秒前後。
  • 同等性能のフロンティアモデル比で 7〜11倍安価・圧倒的に高速。

料金体系・API連携

  • Mixedbread API で即日利用可能、ローンチ割引価格。
    • 入力トークン：$0.30/100万
    • キャッシュ済入力：$0.036/100万
    • 出力トークン：$0.72/100万
    • Mixedbread Search利用時は特別価格
  • 既存の検索インデックスやワークフローとの統合も数分で完了。

コーディング・システム統合

  • npx skills add mixedbread-ai/skills でコーディングエージェントに追加可能。
  • OpenCode統合 でサブエージェントとして直接利用。
  • Python API例：
    • from mixedbread import Mixedbread
    • client = Mixedbread()
    • results = client.stores.search(store_identifiers=["legal-documents"], query="does the MSA allow assignment on a change of control?", search_options={ "agentic": True })
    • $5分の無料クレジット付きAPIキー提供。

Toast 1と専門検索エージェントの潮流

  • Toast 1は SID-1 や Chroma Context-1 などと並ぶ、専門検索エージェントの新潮流。
  • 各エージェントは異なるアプローチだが、 低コスト・低レイテンシで最先端検索品質の実現 が共通目標。

Hackerたちの意見

専門的なLLMを使った検索のアイデア、めっちゃ好き！でも、Googleのここでの進出がちょっと混乱するなぁ。人間の私が、ちょっと複雑な質問に答えを求めると、最初の（AI以前の）Google検索で答えが見つかることはほとんどない。簡単なことなら大丈夫だけど、だいたい2〜5回は検索し直すことになるし、いくつかのリンクをクリックしたり、自分の仮定を再確認したりすることもある。そんなことを素早くやってくれるLLMがあれば、最高だと思う。10倍から100倍のコンテキストの増加と、LLMとの2〜5回のやり取りで、他にどんな問題が解決できるのか気になるな。

└

時間がかかるのはわかってるけど、RedditやStack Overflowを巡って正しい解決策に辿り着く過程で、特定の問題やベストプラクティスについての理解がどんどん深まっていくのを感じる。Google AIからの即答も好きだけど、時間があるときはそれを無視するように自分を意識的に促したくなるんだよね。

└

どんな検索のことを言ってるの？例えば、数日前に冷蔵庫の水ディスペンサーの問題をGoogle Geminiに説明したら、どう直せばいいかを教えてくれたんだ。それから動画を探して、15分以内に直しちゃった。Geminiがもっと良くなる方法は、動画にリンクしてくれることだけだったな。あんたは、あまり知られていないトピックの検索のことを言ってるの？それとも別のこと？

└

15年くらい前、子供の頃のおもちゃを見つけたり、ぼんやりした記憶を埋めるために、Google画像検索で何時間も過ごしてたことがあったんだ。最近やってみたけど、ほぼ不可能だね。検索結果の最後まで行くのに3分くらいで、質もひどくなってる。Googleは色々な意味でピークを迎えて、今は利益は出てるけど、 relevancyがかなり落ちてるサービス会社になってる気がする。

└

Gemini Searchはデフォルトではあまり良くないけど、Deep Researchは明らかに良い結果を出すね。

└

Google Docsでコンテンツを見つけるのがどれだけ難しいか、同僚といつも冗談を言ってるよ。検索会社が作ったオフィススイートなのにね。

検索エージェント（または専用のサブエージェント）を使ったことがある人なら、こういうツールを使う場面と、1) より小さな一般モデルや 2) LLM以外のアプローチを使う場面を比べられるんじゃないかな？検索エージェントと、専用のRAGパイプラインを持つモデルの違いがどれほどあるのか、興味あるな。

└

小さな一般モデルの問題（チャートを見てみて）って、検索に関しては最前線のモデルには全然追いついてない。速い専用モデルがあると、ものすごく効果があるってわかったよ。私たちの視点では、非常に良いインデックスを持つことが一番の武器で、その後に専門モデルが必要だね。

記事には「Mixedbread Search」が何かを説明した方がいいと思う。

└

Mixedbread Searchは、マルチモーダルかつ多言語の検索プロダクトで、あらゆる種類のデータをアップロードして検索可能にするものだよ。Wholembed [1] v3、遅延インタラクションリトリーバルモデルによって動いてるんだ。[1]: https://www.mixedbread.com/blog/wholembed-v3

今日は何を見てるのか全然わからない日もある。

Mixedbread Searchでは最も良いパフォーマンスを発揮するけど、どんな検索バックエンドでも動くよね、Bread-first searchってこと？

Hacker Newsで議論の続きを見る