Artificial Analysis 发布 Search Index 评测搜索 API 表现

Artificial Analysis 推出 Search Index，在 1700 个任务和 BrowseComp、DeepSearchQA、AA-Omniscience 三个搜索基准上，用同一基础模型和测试框架衡量各 Search API 的性能、成本与延迟。

目前 Exa (auto) 和 Perplexity (medium) 领先，最好成绩为 80 分。

开发者可借此为智能体选择搜索工具。

Artificial Analysis 推出 Search Index，用统一基础模型和测试框架，在 1700 个任务及三个搜索基准上比较 Search API 的性能、成本与延迟，Exa 与 Perplexity 暂领先。

• Artificial Analysis 推出 Search Index，用统一基础模型和测试框架，在 1700 个任务及三个搜索基准上比较 Search API 的性能、成本与延迟，Exa 与 Perplexity 暂领先。
• 原贴提到：Artificial Analysis 推出 Search Index，在 1700 个任务和 BrowseComp、DeepSearchQA、
• 来源：x.com

这是什么信号：搜索 API 正从各家自说自话进入可横向比较的阶段。Search Index 把 1700 个任务、BrowseComp、DeepSearchQA、AA-Omniscience 三个基准、同一基础模型和测试框架放在一起，同时观察性能、成本与延迟，意味着选型维度不再只看单点效果。

为什么重要：智能体的关键瓶颈往往在找得准、找得全、找得快、找得起。搜索层不稳定，上层规划与生成会被放大误差；成本与延迟又直接决定能否规模化。把三者放进同一评测，更接近生产选型。

对谁有价值：做智能体、RAG、搜索增强产品的开发者，以及需要为多个业务场景选 Search API 的团队。尤其适合在 Exa、Perplexity 等候选之间做初筛。

可以怎么行动：先把 Search Index 当作候选池和初筛信号，记录 Exa (auto)、Perplexity (medium) 等配置的分数差异；再用自己的业务 query 集复测准确率、引用质量、成本与延迟；最后按场景建立默认搜索加备用搜索的路由策略。

风险或限制：1700 个任务和三个基准不能覆盖所有垂直场景；80 分是当前最好成绩，不代表生产可用性；同一基础模型与框架能控制变量，但不同 API 的配置、额度、地域和调用方式仍会影响结果。不要把榜单分数直接等同于业务效果，需用真实流量验证。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 x.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Artificial Analysis 发布 Search Index 评测搜索 API 表现》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• @ArtificialAnlys 原帖