首个搜索API综合基准发布，专为AI智能体设计

Artificial Analysis于2026年8月发布「Search Index」，这是目前首个专门针对AI智能体场景设计的搜索API综合评测基准。测试对象涵盖Parallel、Exa、Firecrawl、You.com、Tavily、Keenable和Brave七家主流提供商。所有测试均在同一模型GPT-5.6 Luna下进行，智能体框架采用Artificial Analysis自研的开源工具Stirrup，每项任务执行25次搜索与网页抓取，确保结果的统计可靠性。

「Search Index」由三项子基准等权重合并而成。DeepSearchQA包含900道需要多次查询才能作答的研究型问题；BrowseComp子集收录200道需要多步骤浏览才能找到的难题；AA-Omniscience则横跨六大知识领域，共设600道题目。此外，测试还设置了一个无工具基线——让模型在不借助任何搜索能力的情况下独立作答，以此作为对照参考点。

测试结果显示，模型在无搜索工具辅助时得分仅为33分，接入搜索API后得分大幅提升至65至75分区间。Parallel以75分居首，Exa和Firecrawl分别以74分和73分紧随其后。这一结果表明，搜索质量的高低对智能体的整体推理能力具有显著影响，优质的搜索结果能够直接减少模型的无效推理步骤。

搜索质量的提升还带来了意想不到的成本优势。当搜索结果质量更高时，模型所需消耗的token数量明显减少。以Parallel Search的高级版本为例，其token消耗量相比基础版本降低超过40%。尽管单次搜索的费用有所上升，但每项任务的总成本反而从0.11美元降至0.084美元，整体经济性更优。

速度维度的测试结果同样值得关注。Parallel Search的Turbo版本每次查询响应时间仅为0.51秒，远快于基础版本的1.03秒，但其质量得分（67分）低于高级版本（73分），导致智能体需要执行更多轮次的搜索，最终每项任务的总耗时与其他版本相差无几。这说明单纯追求查询速度并不等同于整体效率的提升，质量与速度之间的平衡至关重要。

Artificial Analysis表示，Parallel、Firecrawl以及Parallel Turbo在成本与性能的综合权衡上表现最佳。目前，该基准的完整方法论已对外公开，其他搜索API提供商也可申请加入测评。随着AI智能体在企业场景中的应用日益广泛，此类专项基准的出现有望推动搜索API市场向更高质量、更透明的方向发展。

要点

• Artificial Analysis发布「Search Index」，是首个专为AI智能体场景设计的搜索API综合基准，涵盖质量、成本与速度三个维度。
• Parallel、Exa和Firecrawl在七家参测提供商中位居前三，得分分别为75、74和73分，而无搜索工具时模型基线得分仅为33分。
• 搜索质量越高，模型消耗的token越少，综合成本反而更低——Parallel高级版总成本比基础版低约24%。
• 单次查询速度快并不等于整体任务效率高，低质量搜索会迫使智能体执行更多轮次，抵消速度优势。
• 该基准方法论已完全公开，其他提供商可申请加入，有望成为行业评估搜索API的通用参考标准。