Search API 让 AI 智能体能够从网络获取信息，并让回答基于最新的来源。它们被广泛用于各类智能体应用，包括深度研究、编程和通用知识工作，以提升事实准确性和整体输出质量。Search API 在若干重要方面存在差异，包括其检索的底层网页索引、搜索结果呈现给模型的方式，以及在成本、速度和检索质量之间所做的取舍。我们对 12 家服务商的 25 款 Search API 产品进行了基准测试，帮助开发者在为下一个 AI 智能体挑选搜索工具时做出更明智的决策。
有关基准测试定义、评分方式和数据处理细节，请参阅方法论页面。
最新数据：Sep 22, 2026。
亮点
在各项公开基准测试中启用搜索后的回答质量。
每项基准测试任务和每次搜索查询的候选模型成本与 Search API 成本。
每项基准测试任务和每次搜索查询的模型耗时与搜索耗时。
每项基准测试任务的候选模型输入与输出 token 数，以及质量与 token 总用量的关系。
候选模型在每项基准测试任务中执行的搜索查询次数。
可排序的 Search API 公开基准测试数据行，以及各项基准测试的细分数据。
服务商 | ||||||||
|---|---|---|---|---|---|---|---|---|
 Perplexity Search（medium） | 80 | 47 | 81 | 87 | 72 | $62.30 | $8.04 | 27.1s |
| Perplexity Search（high） | 79 | 46 | 81 | 86 | 71 | $56.93 | $9.72 | 27.8s |
 Octen Search（highlights） | 77 | 44 | 80 | 86 | 66 | $9.07 | $14.92 | 15.4s |
 Parallel Search（advanced） | 75 | 42 | 81 | 77 | 67 | $47.93 | $11.29 | 40.9s |
 Brave Search（LLM context） | 75 | 42 | 78 | 77 | 69 | $61.96 | $17.46 | 22.2s |
 You.com Search（highlights） | 74 | 41 | 77 | 77 | 69 | $47.54 | $19.58 | 19.1s |
 Nimble Search（standard） | 74 | 41 | 76 | 75 | 71 | $46.14 | $19.57 | 41.0s |
 Exa Search（auto） | 74 | 41 | 78 | 74 | 70 | $65.57 | $17.73 | 31.2s |
 Firecrawl Search | 73 | 40 | 74 | 74 | 73 | $30.48 | $12.09 | 60.9s |
| Parallel Search（basic） | 73 | 40 | 79 | 73 | 68 | $45.14 | $21.65 | 25.8s |
 TinyFish Search（web） | 71 | 38 | 67 | 75 | 71 | $0 | $9.30 | 57.5s |
| Exa Search（instant） | 68 | 35 | 73 | 65 | 67 | $72.23 | $21.44 | 18.4s |
仅模型 | 33 | 基线 | 45 | 17 | 38 | — | $2.92 | 20.3s |
构成 Artificial Analysis Search Index 的各项基准测试的代表性示例任务。
Broad research questions that need many searches. Answers are lists of items. An LLM grader scores each answer with an F1 score over the answer items. The full eval split has 900 tasks.
Representative example
I've completed the Desert Treasure quest on Old School Runescape, can you list all the names of the spells I can use to teleport into the wilderness that require more than four runes?
Answer: Dareeyak Teleport, Ghorrock Teleport
Hard-to-find facts that need multi-hop browsing. We use a hard 200-sample subset from the full evaluation pool. The grader checks for an exact answer.
Representative example
I'm looking for the name and location of a structure which fulfills the following criteria: 1. Located in Eastern Australia. 2. Can be visited on foot. 3. Was re-built in 2016. 4. Is longer than 50m. 5. Can be seen from another similar structure. 6. Hosts a yearly dinner. 7. Was originally built for another use case, but has not served that use case for a number of years.
Answer: Shorncliffe Pier, Brisbane, Australia
A private subset of 600 factual questions, balanced across 6 domains. The grader scores accuracy. The score shows how much search adds to the model's internal knowledge.
Representative example
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?
Answer: West Toowoomba
The examples are representative problem types, not samples from the benchmarks.
在 Artificial Analysis 基准测试的 12 家 Search API 服务商中，Perplexity Search（medium） 以 80 位居 Artificial Analysis Search Index 首位。
按任务计算，Octen Search（highlights） 最快，每任务平均耗时为 15.4s（模型耗时加搜索耗时）。按单次搜索查询计算，Octen Search（highlights） 最快，每次搜索查询平均耗时为 0.21s。
TinyFish Search（web） 的实测搜索成本最低，每 1,000 项基准测试任务为 $0。
搜索为 Perplexity Search（medium） 带来的实测质量提升最大，相比同一模型在不使用搜索时（其仅模型基线），Artificial Analysis Search Index 提高了 47。
Search API 的回答质量汇总自公开基准测试，包括 AA-Omniscience、BrowseComp和DeepSearchQA。每项基准测试都衡量模型借助搜索查找、提取或核实信息的能力。
最合适的服务商取决于你的优先事项。可用质量图表比较回答准确率，用成本图表在质量与搜索、模型成本之间取得平衡，用延迟图表评估实时场景。权衡散点图会标出位于质量-成本和质量-延迟前沿的服务商。 查看完整方法论