New benchmark ranks search APIs for AI agents on quality, cost, and speed

核心概覽

Artificial Analysis 今日公布「Search Index」基準，首次以品質、成本與速度三大面向，量化各大 搜尋 API 在 AI 代理程式（AI agents）中的表現。首批測試對象包括 Parallel、Exa、Firecrawl、You.com、Tavily、Keenable 與 Brave，全部在同一模型 GPT‑5.6 Luna 以及同一開源框架 Stirrup 下執行，唯一變數僅是搜尋提供者本身。

基準設計與測試流程

基準由三個等權重子測試組成：

• DeepSearchQA：900 題研究性問題，每題需多次查詢才能得到答案。
• BrowseComp 子集：200 筆難以直接取得的事實，要求代理程式進行多步瀏覽。
• AA‑Omniscience：600 題橫跨六大知識領域的問答。

此外，還設置 無工具基線（模型自行回答），作為品質與成本的比較參照。每項任務執行 25 次，以統計搜尋與抓取網頁的表現差異。

主要結果與成本效益

• 搜尋品質 直接影響 代幣使用量（tokens），品質越高，模型在取得正確資訊後所需的推理代幣就越少。以 Parallel Search（advanced） 為例，代幣使用量較基礎版下降逾 40%。雖然每次查詢的費用略升，但 每任務總成本 反而較低（$0.084 vs. $0.11）。
• 速度 並非單純的查詢回應時間即可說明。Parallel Search（turbo） 的單次回應最快（0.51 秒），但因搜尋品質較低（得分 67 vs. 73），代理程式必須重複執行多輪，導致 每任務總時長 與其他方案相當。
• 綜合考量，Parallel、Firecrawl 與 Parallel（turbo） 在 成本與效能的平衡 上表現最佳。

產業影響與未來展望

此基準首次提供客觀、可重現的 搜尋 API 評比，對於開發 AI 代理程式的企業而言，可快速辨識出在 資訊品質、運算成本 以及 回應時效 上最適配的服務供應商。未來若有更多提供者加入測試，指數將更具代表性，亦有望推動搜尋服務供應商在 品質優化 與 價格透明 兩端加速競爭。

對於關注 AI 應用的讀者，建議持續追蹤 Search Index 的更新，將此類基準作為選型決策的參考依據，才能在快速變化的 AI 生態系統中，保持技術與成本的雙重優勢。