詳細を読む
米メディアVentureBeatは2026年8月2日、Persistent SystemsのR&D;アーキテクトであるダッタラジ・ラオ氏による寄稿を公開し、知識グラフを使うGraphRAGが従来のベクトル検索型RAGを上回る条件を、マイクロソフトの論文と4本の独立ベンチマークから整理しました。結論は明快で、複数の情報をつなぐ質問では大きく勝ち、単純な事実検索では互角にとどまるというものです。
最も差が開いたのは、コーパス全体を俯瞰して答える種類の質問です。マイクロソフトの検証では、GraphRAGが網羅性の比較で7割超、多様性でも6割超の勝率を記録し、最上位の要約は原文をそのまま処理する場合より最大97%少ないトークンで済みました。多段推論のQAベンチマークでも、上位5件の再現率は73.4%から87.8%へ伸びています。
一方で、万能の改良ではありません。ミシガン州立大学とMetaが条件をそろえて比較した2025年の研究では、単一ホップの事実検索は従来のRAGがF1値64.8で上回り、多段推論ではグラフ側が正答率70.3%で前に出ました。ICLR 2026で発表されたGraphRAG-Benchも、単純な事実検索はほぼ同点、複雑推論で10ポイント、文脈要約で13ポイントのグラフ優位という線引きを示しています。
導入前に見ておくべき落とし穴は二つあります。ひとつは索引構築の費用で、中規模のコーパスでも約48ドルかかるとの試算があり、マイクロソフト自身も抽出をクエリ時に遅らせるLazyGraphRAGでコストを約0.1%まで下げています。もうひとつは評価の信頼性で、勝敗を判定するLLMには位置や長さの偏りがあり、補正後に勝率66.7%が39%まで落ちた例も報告されました。
では、どこで使い分けるべきでしょうか。多段推論や全体把握が中心で、事例集や障害履歴のように相互に結びついた資料を扱うならグラフが効き、単発の事実照会が大半で運用の軽さを優先するならチャンク検索で十分です。各研究が共通して勧めるのは両者の併用で、質問ごとに手法を振り分けるルーターを組めるかどうかが、2026年に成果を出すチームの分かれ目になりそうです。