Pinecones Nexus Knowledge Engine for AI-agenter nås generell tilgjengelighet

Pinecone gjorde sin Nexus-kunnskapsmotor generelt tilgjengelig den 6. august 2026, og presenterer det som laget som sitter mellom et foretakss eget data og AI-agenter som forbruker det – og slipper benchmark-resultater og interne produksjonstall for å argumentere for at laget, ikke modellen, er der agentens ytelse vinnes.

Produktet, som gikk inn i offentlig forhåndsvisning fem uker tidligere, kompilerer et selskaps dokumenter og arbeidsflyter til et styrt, forhåndsstrukturert kunnskapslag som agenter spør i ett enkelt oppkall, i stedet for å gjenoppbygge kontekst fra rådokumenter på hver forespørsel. Det distribueres innenfor kundens eget skytjeneste på AWS, Google Cloud eller Azure, kjører på hvilke modeller kunden velger – inkludert åpne modeller – uten noen stående Pinecone-tilgang til dataene, ifølge selskapets kunngjøring.

Pinecones kjernepåstand er at bedriftsagenter treffers på en kunnskapsgrense før de treffers på en modellgrense. Modellen, i denne rammen, er en vare som enhver konkurrent kan leie; den varige eiendommen er selskapets eget kunnskap, som konvensjonelle agentstaker gjenoppretter dyrt på hver forespørsel.

“Agenter brenner tokens gjennom rådata, så kostnaden og forsinkelsen øker mens nøyaktigheten forblir lavere enn den burde være,” sa Pinecone-sjef Ash Ashutosh i lanseringsmeldingen. “Nexus setter en kunnskapsmotor i din egen sky, øker nøyaktigheten, senker den totale kostnaden for å kjøre AI og holder dine egne eksperter til å forme hvordan agenter fungerer.”

Benchmark-resultater på Sierra’s τ-Knowledge

Pinecones hovedsakelige bevis er et løp på τ-Knowledge, en åpen benchmark fra Sierra som vurderer agenter på kunnskapsintensive kundesupportoppgaver – flertrinns resonnering over en fintech-kunnskapsbase på 698 dokumenter, streng politikkoverholdelse og koordinert verktøybruk, scoret på om agenten driver den underliggende systemet til riktig slutttilstand i stedet for på konversasjonskvalitet.

Ifølge Pinecones tekniske skriv, løste GPT-5.5 med et Nexus-kunnskapslag 47,4% av oppgavene, den beste scoren på benchmarken, mot 46,4% for GPT-5.5 alene – holdt nøyaktigheten omtrent flat mens den kutta kostnaden per oppgave med 77%. GPT-5.2 med Nexus nådde 36,1% mot 32,2% uten hjelp, en 12% relativ nøyaktighetsøkning ved 80% lavere kostnad. Mekanismen vises i oppkallstallene: GPT-5.2s verktøyoppringer per oppgave falt fra 42,5 til 17,7 og modellkallene fra 81,7 til 42,6, som Pinecone sier er hvordan en 1,45-dollar-oppgave blir en 0,53-dollar-oppgave.

Disse er Pinecones egne løp, sendt til Sierras leaderboard, og verdt å lese som leverandør-rapporterte tall. Benchmarket i seg selv er virkelig og krevende: Sierras publiserte resultater viser at den beste konfigurasjonen håndterer bare omtrent en 26% bestått rate på kunnskapsdomenet, tre til fire ganger hardere enn benchmarkets andre domener.

Hva Pinecones egen supportkø viser

Den mer uvanlige åpenheten er at Pinecone kjørte Nexus bak sin egen kundesupportagent fra 17. juli 2026, og publiserte tallene før og etter. Andelen innkommende billetter som agenten løste uten menneskelig innblanding gikk fra 24,6% til 55,1%, ifølge selskapet. Tildelings- og assistansefrekvenser økte også.

Under de fem ukers offentlige forhåndsvisningen, opprettet kundene 300 kunnskapskontekster, kompilerte 3,5 millioner kildekilder til omtrent 26 000 strukturerte, spørbar kunnskapsobjekter over korpus som inkluderer supportkunnskapsbaser, juridiske kontrakter, finansielle rapporter og samtaletranskripter.

Hvordan Nexus fungerer

Nexus erstatter den hente-vurdere-gjenhente-løkken i konvensjonell forbedret generering med en kompileringstrinn. En fagperson – ikke et sentralt datateam – skriver en Manifest som beskriver enhetene, relasjonene og svartypene deres jobb krever. Nexus kompilerer så den rå korpusen mot denne strukturen til et lag med sammenfatninger, strukturerte utdrag og et enhet-relasjonsgraf, og agenter spør det gjennom KnowQL, et deklarativt spørrespråk som returnerer et typet, sitert svar på ett oppkall. KnowQL-spekifikasjonen er publisert på spec.knowql.org.

Styring er bygget inn i laget i stedet for å bli bedt om i en forespørsel: felt-nivå-tilgangskontroll, per-felt-citat, konfidenspoeng, PII-merking ved inntak, og avstamning tilbake til kiljedokumenter. Det kompilerte kunnskapslaget er nedlastbart, som Pinecone presenterer som en garanti mot låsing. Tilnærmingen markerer en avvik fra vektor-søk-henting som Pinecone bygde sitt navn på – top-K chunk-henting fjerner relasjonene mellom faktum, som er nettopp hva kunnskapsintensive oppgaver avhenger av.

Det fine skriftet

Lanseringstermene inneholder grensene en kjøper ville ønske å merke seg. Nexus kjører BYOC – bring din egen sky – med kunden som leverer modell-credensialer og inferensoppringer som går fra kundens sky til leverandøren de navngir. Det sitter innenfor den bredere Pinecone-plattformen, som bruker Pinecone Database som sin hentefundament, så det er en tilføyelse til en Pinecone-eiendom i stedet for et selvstendig produkt. Pinecone har ikke publisert Nexus-prising med GA-annonseringen; selskapet dirigerer kjøpere til en standard prosess for innkjøp.

Den konkurranse-rammen Pinecone tegner er mot to alternativer: agenter med RAG, som gjenoppretter kontekst per forespørsel, og sentrale bedriftsontologier – selskapet nevner Palantirs og Microsofts modell-hele-bedrift-tilnærming – som de argumenterer for at de forfaller fra dagen de sendes ut fordi de som gjør jobben ikke vedlikeholder dem.

Pinecone, hvis grunnlegger og sjefsforsker Edo Liberty tidligere har beskrevet selskapets vektor-database som infrastruktur for en utviklerpublikum, stiller nå Nexus uttrykkelig mot linje-for-bedriftsprofesjonelle som driver bedrifts AI-tilpasning nå – finansielle analytikere, underwriters, advokater og kundeserviceteam. Nexus er tilgjengelig for å evaluere, prøve og innkjøpe fra og med 6. august 2026, med en prøve tilbudt gjennom produkt-siden.