믹스드브레드, 검색 에이전트 토스트1 공개

Mixedbread가 대형언어모델의 자료 검색을 전담하는 검색 에이전트 Toast 1을 공개했다. GPT와 Claude 같은 주 모델이 답변을 만들기 전 필요한 자료를 찾고 출처를 고르는 역할을 분리한 제품이다.

블록비츠(BlockBeats)는 Mixedbread가 Toast 1을 API로 개방했으며, 다른 에이전트에 붙여 검색과 자료 수집을 맡길 수 있다고 전했다. 검색 프레임워크는 오픈소스로 공개됐지만 모델 가중치는 아직 공개되지 않았다.

Toast 1의 초점은 답변 생성이 아니라 검색이다. 사용자의 질문을 처리하는 주 모델이 직접 자료를 찾는 대신 Toast 1이 필요한 문서와 출처를 먼저 걸러 결과를 넘기는 구조다. 생성형 AI 서비스에서 비용과 응답 품질이 검색 단계에 크게 좌우되는 점을 겨냥한 것으로 풀이된다.

Mixedbread는 Toast 1의 검색 품질이 선두권 비공개 모델에 근접하면서도 속도와 가격 경쟁력이 있다고 밝혔다. Harvey 법률 지식베이스 테스트에서는 Toast 1이 검색을 맡은 뒤 GPT-5.6 Sol의 답변 점수는 유지됐고 전체 비용은 60% 이상 줄었다.

Databricks OfficeQA Pro V2 평가에서는 GPT-5.6 Sol과 Toast 1 조합이 70%를 기록했다. 같은 자료에서 Claude Fable 5와 Genie 조합은 60%로 제시됐고, Toast 1 조합의 비용은 그 절반 미만으로 나타났다.

Mixedbread 공식 문서도 검색형 에이전트의 쓰임을 비슷하게 설명한다. Mixedbread는 Agentic Search 문서에서 단일 검색으로 처리하기 어려운 질문을 여러 하위 검색으로 나누고, 검색 결과를 다시 평가해 최종 후보를 고르는 방식을 제시했다. 회사는 이 기능이 일반 검색보다 느리고 비용이 더 들 수 있지만 품질이 중요한 질의에 적합하다고 설명했다.

이번 출시는 AI 모델 경쟁이 답변 생성 능력에서 검색·검색증강생성(RAG) 인프라로 넓어지고 있음을 보여준다. 국내에서도 에이전틱 검색을 상품 탐색에 적용하는 사례가 나오면서 AI가 조건과 맥락을 해석해 후보를 좁히는 방식에 관심이 이어지고 있다.

대형언어모델이 기업 문서, 법률 자료, 재무 문서처럼 출처 확인이 중요한 데이터를 다룰수록 검색 전담 계층의 성능과 비용 구조는 서비스 품질에 직접 영향을 준다. 다만 Toast 1의 모델 가중치가 공개되지 않은 만큼 외부 개발자가 자체 환경에서 모델을 직접 검증하거나 수정하는 데는 제한이 있다.

검증 출처: BlockBeats 원문 https://www.theblockbeats.info/flash/361613, Mixedbread 공식 문서 https://www.mixedbread.com/docs/stores/search/agentic-search