同一个 AI 换个搜索 API，得分从 33 到 83：最新 Search Index 榜单怎么选？

作者注：Artificial Analysis Search Index 的 2026-11-09 榜单显示，固定一个回答模型，只更换搜索配置，综合得分可以从 33 分变化到 83 分。不过，选型时还需要同时看任务成本、耗时和评测边界。

很多人做 Agent 时会先挑模型，再顺手接一个搜索工具。在不少团队眼里，搜索只是“能联网就行”的配件。Artificial Analysis 在 2026 年 11 月 9 日更新的 Search Index 给出了不一样的结果：同一个模型，不接搜索时得 33 分，换上最好的搜索 API 配置可以到 83 分。

这不是又一份“各家各有千秋”的榜单搬运。 本文会拆开说明 83 分的计算方式和测试条件，并把质量、完整任务耗时、搜索费与模型费放在一起比较。最后按场景说明这份榜单能用在哪些决策上，以及在哪些地方不能直接套用。

核心价值：读完本文，你能用公开榜单筛出搜索 API 候选，再结合自己的任务做二次对比，避免只看最高分做决定。

读懂搜索 API 榜单前的 to know 术语

一句话摘要：Search Index 比较的是同一模型在不同搜索配置下的表现，分差最大达到 50 分。但“分高”不等于“最适合你”，还要看成本、耗时和评测覆盖范围。

读榜单之前，先统一下面几个术语：

• Search Index：由指定检索基准按规则汇总出来的综合分数。本文特指 Artificial Analysis 的搜索 API 评测指数，满分 100。
• F1：精确率与召回率的调和平均。答案是“一组实体”时，用它衡量答得准不准、全不全。
• Harness：组织模型输入、工具执行和任务计分的测试框架。Artificial Analysis 使用的 Agent 循环名为 Stirrup。
• Search API：按查询返回网页链接、标题、相关片段等检索结果的接口，例如 Exa、Brave、Perplexity Search API。
• Token：模型处理文本的计量单位。搜索结果越冗长，送进模型的 Token 越多，模型费就越高。

搜索 API 居然能让同一个 AI 差 50 分？

Artificial Analysis 在 2026 年 8 月 18 日推出搜索 API 基准测试。最新公开数据更新于 2026 年 11 月 9 日，覆盖 14 家服务商、26 款 Search API 产品或配置。它评的不是模型，而是搜索服务放进 Agent 之后的实际效果。

实验设计的关键在于“控制变量”。候选回答模型固定为 GPT-5.6 Luna（medium），Agent 框架也固定不变，只替换搜索服务。在这个条件下，不使用搜索工具的基线只有 33 分，排名第一的 Keenable Pro 达到 83 分，相差 50 个指数分数点。即使在接了搜索的配置之间，从 DeepSeek Search Summary 的 69 分到 Keenable Pro 的 83 分，差距也有 14 分。

有一个例外需要单独说明：OpenAI 原生 Web Search 的运行方式不同。其他独立 Search API 都跑在 Artificial Analysis 的外部 Agent 循环中。OpenAI Web Search 则使用 Responses API 的内置工具流程，搜索次数和执行方式由 OpenAI 自己决定。因此它的 74 分可以作为参考，但不能看作完全相同条件下的“换 API”实验。

还要注意，这 50 分是同一评测体系里的搜索增强效果。它不代表任何人用任何模型接上搜索都能提升 50 个百分点。

Search Index 的 83 分到底是怎么测出来的？

Search Index 三项基准与计分方式

综合分由三个基准等权平均得到，每项各占三分之一：

三项合计 1,700 个任务，但综合分不是把 1,700 道题合并起来算正确率。以 Keenable Pro 为例，三项分数依次为 88、87、73，平均约 82.67，四舍五入后显示为 83。所以，83 分不等于“答对率 83%”。

Search Index 的测试条件

方法论中公开的关键配置如下：

从这张表可以看出两点。第一，返回给模型的是“服务商原生响应”。片段长度、摘要方式、高亮组织都会进入模型上下文，所以分数反映的不只是底层网页索引质量，也包括信息的组织方式。第二，429、5xx 或超时等致命错误会被持续重试，直到成功，且这些错误不计入最终结果。这意味着榜单衡量的是“跑通时”的质量，不能拿来证明各家在生产环境中的可用性或故障率。

最新 Search Index 排名：谁的搜索 API 效果最好？

下表中，质量分数和 BrowseComp 来自 2026-11-09 榜单。耗时采用 2026-11-13 读取的榜单值，指一个标准测试任务从开始到结束的平均耗时，不是搜索 API 单次请求的网络延迟。

搜索 API 排名中的三个典型差距

同分不同速。 Exa Auto 与 Perplexity Medium 都是 80 分，但完整任务耗时分别为 36.7 秒和 31.1 秒。Keenable Pro 分数更高，耗时却只有 16.6 秒左右。对需要实时响应的 Agent 来说，这种差距用户能直接感受到。

BrowseComp 不完全跟随综合分。 Perplexity Medium 的 BrowseComp 达到 87%，与 Keenable Pro 持平，但综合分低 3 分。差距主要出在另外两项基准上。如果你的业务更接近“难题网页检索”，可以单独参考 BrowseComp 这一列。

同一厂商的不同模式差别很大。 Exa Lite 与 Exa Auto 只差 1 分，耗时却相差近一倍。所以应当按具体产品模式解读，不要把 Exa Lite、Exa Auto 合并成一个“Exa 分数”。

💡 数据说明：以上分数为 Artificial Analysis 第三方评测结果，耗时为标准任务耗时。如果想在自己的业务问题上复现类似对比，可以通过 API易 apiyi.com 固定一个回答模型，再分别接入不同的搜索工具做 A/B 测试。

搜索 API 最高分就是最划算的吗？

Artificial Analysis 还公开了每 1,000 个基准任务的估算费用，并拆分为搜索费和模型费（2026-11-09 榜单，美元）。“每分成本”一列是本文编辑按“总费用 ÷ 综合分”粗略推导的，仅用于横向参考，不是官方指标。

搜索 API 成本表里的三个结论

最高分不一定最贵。 Keenable Pro 以 83 分排第一，每千任务约 $40.22，折合单个任务约 $0.04，在样本中处于中等水平。Perplexity Medium 分数低 3 分，总费用却高出约 75%。

1 分的差距，成本可能差三成多。 Exa Lite + Highlights 为 79 分、$42.15/千任务，Exa Auto + Highlights 为 80 分、$63.77/千任务，前者便宜约 34%，耗时也更短。参考 Exa 官方定价页（截至 2026-11-13 的资料），Lite 档位为每 1,000 次请求 $4，Auto 档位为每 1,000 次请求 $7。榜单中搜索费的差异与这个价位结构是一致的。

搜索费低，模型费可能更高。 DeepSeek Search Summary 的搜索费只有 $8.47，但模型费达到 $20.19，是表中最高的。Octen 的总费用最低，但模型费也高于 Keenable、Exa、Perplexity。搜索结果给得不够有效，Agent 就会多搜几轮、多读几页，Token 消耗随之上升。所以计算成本时，应当以“完成一个任务的总费用”为单位，而不是只看搜索 API 的单次标价。

这份 Search Index 榜单能指导哪些实际选择？

Search Index 是英文为主的通用事实检索评测，不是中文互联网专项基准。下面把它和常见 Agent 场景对应起来，标出哪些场景可以直接参考，哪些需要补充测试。

用 Search Index 做搜索 API 二次对比的方法

更合理的做法是把公开榜单当作“初筛工具”，再用自己的任务做第二轮比较：

1. 按质量、耗时、总费用三项，从榜单中选出 3–4 个候选配置；
2. 准备 50–100 道自己的业务问题，覆盖简单事实、近期新闻、多跳问题、中文和跨语言查询；
3. 固定同一个回答模型、相同的最大轮次和结果条数，只替换搜索工具；
4. 记录准确率、引用正确率、单任务总费用、P50/P95 耗时以及空结果和超时次数；
5. 生产环境的稳定性另做压测，因为榜单已经排除了重试后的致命错误。

搜索 API 选型决策建议与快速上手

🎯 选择建议：追求综合质量和速度，优先测试 Keenable Pro/Realtime；对成本敏感又想要接近 80 分的质量，Exa Lite + Highlights 和 Octen 值得重点测试；已经深度使用 OpenAI 生态的团队可以直接用内置 Web Search，但要接受它的执行流程不可控。实际落地时，我们建议通过 API易 apiyi.com 统一调用回答模型，把搜索工具做成可插拔模块，这样换搜索 API 时不用改模型侧的代码。

极简示例：模型侧走统一接口

下面的代码固定回答模型，把搜索工具声明为函数，具体由哪家 Search API 实现，在本地代码中替换即可：

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 统一接口，模型可替换
)

tools = [{"type": "function", "function": {
    "name": "web_search",
    "description": "联网搜索，返回最多10条结果",
    "parameters": {"type": "object",
                   "properties": {"query": {"type": "string"}},
                   "required": ["query"]}}}]

resp = client.chat.completions.create(
    model="gpt-4o-mini",  # 换成你要评测的模型
    messages=[{"role": "user", "content": "Exa 3.0 是哪天发布的？"}],
    tools=tools,
)
print(resp.choices[0].message)

import json
import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

MODEL = "gpt-4o-mini"   # 固定回答模型，保持控制变量
MAX_TURNS = 25          # 与 Search Index 一致的轮次上限

# 各家搜索 API 的适配函数，按官方文档自行实现
def search_provider_a(query: str) -> list:
    return []  # 返回 [{"title":..., "url":..., "snippet":...}]

def search_provider_b(query: str) -> list:
    return []

TOOLS = [{"type": "function", "function": {
    "name": "web_search",
    "description": "联网搜索，返回最多10条结果",
    "parameters": {"type": "object",
                   "properties": {"query": {"type": "string"}},
                   "required": ["query"]}}}]

def run_task(question: str, search_fn) -> dict:
    messages = [{"role": "user", "content": question}]
    start, searches = time.time(), 0
    for _ in range(MAX_TURNS):
        resp = client.chat.completions.create(
            model=MODEL, messages=messages, tools=TOOLS)
        msg = resp.choices[0].message
        if not msg.tool_calls:
            return {"answer": msg.content, "searches": searches,
                    "seconds": round(time.time() - start, 1)}
        messages.append(msg)
        for call in msg.tool_calls:
            query = json.loads(call.function.arguments)["query"]
            results = search_fn(query)[:10]
            searches += 1
            messages.append({"role": "tool", "tool_call_id": call.id,
                             "content": json.dumps(results, ensure_ascii=False)})
    return {"answer": None, "searches": searches,
            "seconds": round(time.time() - start, 1)}

for name, fn in [("A", search_provider_a), ("B", search_provider_b)]:
    print(name, run_task("Perplexity 何时推出独立 Search API？", fn))

🚀 快速开始：新用户可以在 API易 apiyi.com 领取免费测试额度，先用少量业务问题跑通上面的 A/B 脚本，再决定把哪家搜索 API 纳入正式方案。

常见问题 FAQ

Search Index 搜索 API 选型 Key Takeaways

• 搜索是独立变量：同一模型从 33 分提升到 83 分，搜索 API 的选择直接影响 Agent 的质量。
• 83 分不是正确率：它是三项基准的等权平均，计分口径各不相同。
• 耗时看完整任务：Keenable 约 16 秒，Exa Auto 约 37 秒，都不是单次 API 延迟。
• 成本要拆开看：搜索费低可能换来模型费高，应以单任务总费用比较。
• 1 分可能差 34%：Exa Lite 与 Auto 只差 1 分，前者便宜约三成多。
• 榜单只做初筛：中文、编程文档等场景需要用自己的任务做二次 A/B 对比。

总结

这份 Search Index 榜单最有价值的地方，是用“同一模型、不同搜索工具”的设计，把搜索质量对 Agent 的影响单独测了出来：

1. 质量：无搜索 33 分，最高 83 分。即使都接了搜索，配置之间也有约 14 分的差距；
2. 速度：同为 80 分，完整任务耗时可以相差 5 秒以上；高分配置也可以很快；
3. 成本：Keenable Pro 质量最高，成本处于中等；Exa Lite、Octen 在成本效率上表现突出；DeepSeek Summary 的例子说明低搜索费不等于低总成本。

建议先用榜单选出 3–4 个候选，再在自己的问题集上固定模型做 A/B 测试。推荐通过 API易 apiyi.com 统一调用回答模型，把搜索工具做成可替换模块，用质量、速度、成本三项数据来定最终方案。

参考资料

1. Artificial Analysis Search API 榜单：质量分、费用与耗时数据
2. 链接：artificialanalysis.ai/agents/search-api

3. 说明：本文分数、费用与耗时的主要来源

4. Artificial Analysis Search API 评测方法：测试配置与计分规则

5. 链接：artificialanalysis.ai/methodology/search-api

6. 说明：包含模型、轮次、结果条数、重试规则等说明

7. Exa Pricing：Lite、Auto 等档位定价

8. 链接：exa.ai/pricing

9. 说明：用于理解榜单中 Exa 不同模式的搜索费差异

10. Exa 3.0 公告：Lite 模式与 Dynamic Highlights

11. 链接：exa.ai/blog/exa-3

12. 说明：2026-10-19 发布，含厂商自测数据

13. OpenAI Web Search 文档：Responses API 内置搜索工具

14. 链接：developers.openai.com/api/docs/guides/tools-web-search

15. 说明：了解 OpenAI 原生搜索的执行方式与参数

16. Perplexity Search API 定价：标准与 Fast 档位

17. 链接：docs.perplexity.ai/docs/getting-started/pricing
18. 说明：了解按请求计费的规则

作者：API易 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• DeepSeek Search & Fetch API 开放：3 分钟读懂联网检索新能力与 4 类开发者影响:DeepSeek 开放 Search & Fetch API，本文梳理官方指南的核心信息，分析它对 RAG、Agent 与联网问答开发者的 4 类影响，并给出接入前的准备建议。