Аналитическая платформа Artificial Analysis представила специализированный рейтинг Search Index, призванный навести порядок в быстрорастущем сегменте поисковых инструментов для ИИ. Исследование, о котором сообщает издание The Decoder, фокусируется на критических для разработчиков метриках: качестве выдачи, операционных расходах и скорости обработки запросов.

В дебютный список тестируемых вошли такие игроки, как Parallel, Exa, Firecrawl, You.com, Tavily, Keenable и Brave. В качестве единого мерила для всех провайдеров использовалась модель GPT-5.6 Luna, работающая в стандартизированной среде на базе опенсорсного фреймворка Stirrup. Такой подход позволяет исключить влияние «ума» самой модели и сфокусироваться исключительно на эффективности поиска.

Методология рейтинга опирается на три равнозначных столпа. DeepSearchQA предлагает 900 исследовательских вопросов, требующих каскада поисковых запросов. Блок BrowseComp проверяет умение находить 200 труднодоступных фактов через многоступенчатый просмотр страниц, а AA-Omniscience охватывает 600 вопросов в шести различных областях знаний.

Экономика качества и парадоксы скорости

Цифры наглядно демонстрируют, что без доступа к актуальной сети возможности даже самых продвинутых моделей остаются весьма скромными. Если базовая модель без инструментов поиска набирает всего 33 балла, то подключение внешних API поднимает этот показатель до диапазона 65–75 баллов. Лидерами гонки на текущий момент стали Parallel, Exa и Firecrawl.

Интересно, что высокое качество поиска напрямую конвертируется в экономию средств, несмотря на стоимость самих API. Когда агент получает релевантные данные с первой попытки, он потребляет значительно меньше токенов. Например, при использовании продвинутой версии Parallel Search объем используемых токенов сокращается более чем на 40% по сравнению с базовой версией, что снижает итоговую стоимость задачи с $0,11 до $0,084.

Смещение фокуса с чистой стоимости API на совокупные затраты вычислительных ресурсов — это долгожданный шаг к зрелости индустрии. Однако не стоит обольщаться лидерством текущих фаворитов: их преимущество часто держится на агрессивном кэшировании и специфической фильтрации, которая может оказаться бесполезной в узких нишевых задачах. Пока рынок празднует рост цифр, разработчики остаются заложниками проприетарных алгоритмов ранжирования, которые меняются чаще, чем погода.

В вопросах быстродействия исследователи также обнаружили любопытный нюанс. Самый быстрый отклик на единичный запрос не гарантирует оперативного выполнения всей задачи. Версия Parallel Search (turbo) выдает результат в два раза быстрее базовой, но из-за меньшей точности заставляет агента совершать дополнительные циклы поиска. В итоге общее время выполнения задания оказывается идентичным.

На данный момент эксперты Artificial Analysis выделяют связку Parallel и Firecrawl как наиболее сбалансированное решение по соотношению цены и производительности. Остальным участникам рынка остается либо оптимизировать алгоритмы, либо готовиться к роли догоняющих в мире, где ИИ-агенты становятся главными потребителями веб-контента.