Artificial Analysis Search Index: benchmark y ranking de Search APIs

Name: Artificial Analysis Search Index
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Las Search APIs permiten que los agentes de IA recuperen información de la web y fundamenten sus respuestas en fuentes actualizadas. Se utilizan en una amplia gama de aplicaciones agénticas, como la investigación profunda, la programación y el trabajo de conocimiento general, para mejorar la veracidad y la calidad de los resultados. Las Search APIs se diferencian en varios aspectos importantes: el índice web sobre el que buscan, la forma en que se presentan los resultados al modelo y los compromisos que asumen entre costo, velocidad y calidad de recuperación. Evaluamos 29 productos de Search API de 14 proveedores para ayudar a los desarrolladores a tomar decisiones mejor informadas al elegir una herramienta de búsqueda para su próximo agente de IA.

Para conocer las definiciones de los benchmarks, la puntuación y el tratamiento de los datos, consulta la página de metodología.

Datos más recientes: Oct 19, 2026.

Chatbots

Endpoints de API de modelos de lenguaje

Metodología de Artificial Analysis

Artículo de lanzamiento del Artificial Analysis Search Index

Artificial Analysis Search Index

Mejor resultado de Search API entre 3 benchmarks

Costo por tarea

Costo medio del modelo y de la Search API por tarea (USD) · Lower is better

Tiempo por tarea

Tiempo medio de modelo y de búsqueda por tarea · Lower is better

Resultados

Calidad de respuesta con búsqueda en benchmarks públicos.

Artificial Analysis Search Index

Media con igual ponderación del F1 de DeepSearchQA, la precisión en BrowseComp y la precisión en AA-Omniscience · Higher is better

Solo modelo (33)

Herramienta de búsqueda y entorno integrados del propio proveedor

The equal-weighted mean of each Search API provider's score on DeepSearchQA (average F1), BrowseComp (exact-answer accuracy), and AA-Omniscience (accuracy), shown on a 0-100 scale. Every result runs the same candidate answer model, harness, and settings. The only variable is the Search API provider.

The dashed line represents the candidate answer model, GPT-5.6 Luna (medium), run with no search tools and is considered the baseline. Dotted bars show the same model with an integrated first-party search tool and harness (OpenAI Web Search). See the Search API methodology for the full harness settings.

Costo

Costo del modelo candidato y de la Search API por tarea del benchmark y por consulta de búsqueda.

Costo por tarea

Costo medio del modelo candidato y de la Search API por tarea (USD) · Lower is better

Solo modelo ($0.0029)

Herramienta de búsqueda y entorno integrados del propio proveedor

Total cost of one benchmark task, split into the candidate answer model's tokens (input, cached, reasoning, and output) and the Search API provider's list price for the searches the model chose to run. The model-only baseline runs no searches, so its cost is token cost alone. Model cost can differ per provider due to differences in returned payloads for a given query, increased numbers of searches performed (due to not getting the right results) as well as increased reasoning token usage when search results are of lower quality.

Artificial Analysis Search Index frente al costo por tarea

Artificial Analysis Search Index frente al costo total de modelo y búsqueda por tarea del benchmark (USD)

Most attractive quadrant

Pareto line

Latencia

Tiempo de modelo y tiempo de búsqueda por tarea del benchmark y por consulta de búsqueda.

Tiempo por tarea

Tiempo medio de modelo derivado y tiempo de búsqueda medido por tarea · Lower is better

Solo modelo (18.0s)

Herramienta de búsqueda y entorno integrados del propio proveedor

The sum of model time and search time for one benchmark task. Model time is derived: answer and reasoning tokens per task divided by the model's canonical answer output speed. Search time is the measured time spent in web_search calls. A provider can be fast per call and still add more total time if the model searches against it more often.

For OpenAI Web Search, search time is an upper limit. It includes OpenAI processing time.

Artificial Analysis Search Index frente al tiempo por tarea

Artificial Analysis Search Index frente al tiempo medio de modelo y búsqueda por tarea del benchmark (segundos)

Most attractive quadrant

Pareto line

For OpenAI Web Search, search time is an upper limit. It includes OpenAI processing time.

Tokens

Tokens de entrada y salida del modelo candidato por tarea del benchmark, y calidad frente al uso total de tokens.

Tokens totales por tarea

Tokens medios de entrada, razonamiento y respuesta del modelo candidato por tarea del benchmark · Lower is better

Solo modelo (2.6k)

Herramienta de búsqueda y entorno integrados del propio proveedor

Average total input, reasoning and answer tokens per task. Grader tokens are excluded.

Artificial Analysis Search Index frente a los tokens totales por tarea

Artificial Analysis Search Index frente al total de tokens del modelo candidato por tarea del benchmark

Most attractive quadrant

Pareto line

Average total input, reasoning and answer tokens per task. Grader tokens are excluded.

Búsquedas

Consultas de búsqueda que el modelo candidato realiza por tarea del benchmark.

Consultas de búsqueda por tarea

Número medio de consultas de búsqueda que el modelo candidato realiza por tarea del benchmark

The average number of web_search calls the candidate answer model makes for one benchmark task, averaged across the three benchmarks. The model decides when to search, so the count reflects how it works with each provider's results. A higher count is not necessarily worse, a provider may return results intentionally designed to encourage more, frequent searches. The model-only baseline runs no searches.

Detalles del ranking

Filas ordenables del benchmark público de Search APIs y desglose por benchmark.

Ranking público de Search APIs

Calidad, latencia y costo de Search API por proveedor, con desglose por benchmark.

13 filas

Proveedor
Exa Search (auto, dynamic highlights)	80	47	86	83	73	$53.17	$12.43	43.7s
Perplexity Search (medium)	80	47	81	87	72	$62.30	$8.04	25.5s
Exa Search (lite, dynamic highlights)	79	46	85	81	72	$31.20	$13.18	29.0s
Perplexity Search (high)	79	46	81	86	71	$56.93	$9.72	26.1s
Octen Search (highlights)	77	44	80	86	66	$9.07	$14.92	13.9s
Parallel Search (advanced)	75	42	81	77	67	$47.93	$11.29	39.2s
Brave Search (LLM context)	75	42	78	77	69	$61.96	$17.46	20.3s
OpenAI Web Search (medium)	74	41	78	74	72	$40.19	$9.40	29.0s
You.com Search (highlights)	74	41	77	77	69	$47.54	$19.58	17.7s
Nimble Search (standard)	74	41	76	75	71	$46.14	$19.57	37.4s
Firecrawl Search	73	40	74	74	73	$30.48	$12.09	58.8s
Parallel Search (basic)	73	40	79	73	68	$45.14	$21.65	23.9s
Solo modelo	33	línea base	45	17	38	—	$2.92	18.0s

Search $/1k and Model $/1k are the average cost of 1,000 benchmark tasks broken down into search and model token costs. The model-only baseline runs no searches.

For OpenAI Web Search, search time is an upper limit. It includes OpenAI processing time.

Tareas de ejemplo

Tareas de ejemplo representativas de cada benchmark que compone el Artificial Analysis Search Index.

DeepSearchQA

Preguntas de investigación amplias que requieren muchas búsquedas. Las respuestas son listas de elementos. Un evaluador LLM puntúa cada respuesta con un puntaje F1 sobre los elementos de la respuesta. La división completa de evaluación tiene 900 tareas.

Ejemplo representativo

Ya completé la misión Desert Treasure en Old School Runescape. ¿Puedes enumerar los hechizos con los que puedo teletransportarme a Wilderness y que requieren más de cuatro runas?

Respuesta: Dareeyak Teleport, Ghorrock Teleport

BrowseComp

Datos difíciles de encontrar que requieren navegación multi-paso. Usamos un subconjunto difícil de 200 muestras del pool completo de evaluación. El evaluador verifica una respuesta exacta.

Ejemplo representativo

Busco el nombre y la ubicación de una estructura que cumple los siguientes criterios: 1. Está en el este de Australia. 2. Se puede visitar a pie. 3. Fue reconstruida en 2016. 4. Mide más de 50 m de largo. 5. Se puede ver desde otra estructura similar. 6. Alberga una cena anual. 7. Se construyó originalmente para otro uso, pero hace varios años que no se utiliza con ese fin.

Respuesta: Shorncliffe Pier, Brisbane, Australia

AA-Omniscience

Un subconjunto privado de 600 preguntas de hechos, equilibradas en 6 dominios. El evaluador puntúa la precisión. El puntaje muestra cuánto aporta la búsqueda al conocimiento interno del modelo.

Ejemplo representativo

In Karen Russell's short story "St. Lucy's Home for Girls Raised by Wolves," from which locality was the three-piece jazz band hired for the Debutante Ball?

Respuesta: West Toowoomba

Los ejemplos son tipos de problemas representativos, no muestras de los benchmarks.

Metodología e información adicional

Las métricas de Search API se agregan a partir de ejecuciones públicas de benchmarks e incluyen líneas base de solo modelo cuando están disponibles. Consulta la página de metodología para conocer los detalles de puntuación, latencia, costo y cobertura de benchmarks.

Preguntas frecuentes

Exa Search (auto, dynamic highlights) lidera el Artificial Analysis Search Index con 80 entre los 14 proveedores de Search API evaluados por Artificial Analysis.

Por tarea, Octen Search (highlights) es la más rápida, con un tiempo medio por tarea de 13.9s (tiempo de modelo más tiempo de búsqueda). Por consulta de búsqueda individual, Octen Search (highlights) es la más rápida, con un tiempo medio por consulta de búsqueda de 0.21s.

TinyFish Search (web) tiene el menor costo de búsqueda medido, con $0 por cada 1000 tareas del benchmark.

La búsqueda aporta la mayor mejora de calidad medida en Exa Search (auto, dynamic highlights), elevando el Artificial Analysis Search Index en 47 frente al mismo modelo sin búsqueda (su línea base de solo modelo).

La calidad de respuesta de las Search APIs se agrega a partir de benchmarks públicos, entre ellos AA-Omniscience, BrowseComp y DeepSearchQA. Cada uno mide la capacidad de un modelo para encontrar, extraer o verificar información mediante búsqueda.

El mejor proveedor depende de tus prioridades. Usa los gráficos de calidad para comparar la precisión de las respuestas, los gráficos de costo para equilibrar calidad frente al costo de búsqueda y de modelo, y los gráficos de latencia para casos de uso en tiempo real. Los diagramas de dispersión de compromisos destacan a los proveedores situados en las fronteras de calidad-costo y calidad-latencia. Ver la metodología completa

Artificial Analysis Search Index: benchmark y ranking de Search APIs

Enlaces relacionados

Descubre cómo funciona el benchmark

Artificial Analysis Search Index

Costo por tarea

Tiempo por tarea

Resultados

Artificial Analysis Search Index

Artificial Analysis Search Index

Model-Only Baseline and First-Party Search

Costo

Costo por tarea

Cost per Task

Model-Only Baseline and First-Party Search

Artificial Analysis Search Index frente al costo por tarea

Cost per Task

Latencia

Tiempo por tarea

Time per Task

Model-Only Baseline and First-Party Search

Artificial Analysis Search Index frente al tiempo por tarea

Time per Task

Tokens

Tokens totales por tarea

Total Tokens per Task

Model-Only Baseline and First-Party Search

Artificial Analysis Search Index frente a los tokens totales por tarea

Total Tokens per Task

Búsquedas

Consultas de búsqueda por tarea

Search Queries per Task

Detalles del ranking

Ranking público de Search APIs

Cost per 1,000 Tasks

Time per Task

Tareas de ejemplo

DeepSearchQA

BrowseComp

AA-Omniscience

Metodología e información adicional

Preguntas frecuentes

¿Qué Search API ofrece la mayor calidad de respuesta?

¿Qué Search API tiene la menor latencia?

¿Qué Search API es la más barata?

¿Cuánto mejora la calidad de respuesta al añadir búsqueda?

¿Qué benchmarks se utilizan para puntuar las Search APIs?

¿Cómo elijo un proveedor de Search API?