Компания Databricks расширила возможности модели Adaptive Instructed-Retriever. Инструмент ускоряет время ответа для ИИ-агентов, которым требуется несколько этапов поиска данных. Модель интегрирована в платформы Genie Code, Genie One и Genie Agents.
По данным разработчика, модель работает в два раза быстрее, чем Claude Sonnet 5, GPT-5.6 Luna и V4-Flash от Hangzhou DeepSeek. Результаты основаны на семи внутренних и внешних тестах, охватывающих различные домены и уровни сложности поисковых запросов.
Adaptive Instructed-Retriever динамически управляет количеством поисковых шагов. Разработчики устанавливают лимит, а модель самостоятельно прекращает поиск при получении достаточного объема данных. Ранее архитектура Instructed-Retriever-1 показала прирост производительности более чем на 70% относительно стандартных RAG-решений.
При обучении использовались синтетические корпоративные среды и методы обучения с подкреплением. Система штрафов позволяет клиентам выбирать контрольные точки модели, настраивая баланс между качеством поиска и задержкой в зависимости от задач — от интерактивных приложений до офлайн-обработки данных.
В ходе внутреннего тестирования модель нашла информацию за два шага, в то время как Claude Sonnet 5 потребовалось три, а GPT-5.6 Luna — четыре. Databricks пока не раскрывает параметры модели, стоимость использования и сроки общего доступа к ней.
