Exa 3.0 搜索 API 发布：新增 Exa Lite 档位，8 项基准自测优于 Perplexity、Brave

Exa Labs 近日发布了 Exa 3.0，这是对其面向 AI 代理的网页搜索 API 的一次重要升级。新版本通过改进检索栈和引入新的计费层级，旨在为开发者提供更高效、更具成本效益的检索方案。

检索质量的三项核心改进

Exa 3.0 的性能提升主要归功于检索架构中的三个变化：

首先是采用了规模更大的嵌入模型。Exa 投入了更多的计算资源和数据来训练该模型，尽管具体的参数数量尚未公开，但这直接提升了语义匹配的精度。

其次是 Dynamic Highlights（动态高亮）功能的正式可用。传统的检索往往返回整页文本，而 Dynamic Highlights 允许模型跨所有搜索结果智能选择关键 token。它会为高质量页面分配更多 token，同时丢弃重复信息。据 Exa 官方数据，这种方式比返回整页文本减少了 95% 的 token 消耗，且不收取额外费用。对于高度依赖上下文 token 的 AI 代理工作流而言，这能显著降低整体推理成本。

最后是索引库的大幅扩展。除了常规网页，新索引覆盖了 12.7 亿条带价格和库存状态的电子商务列表、2.11 亿家本地企业，以及实时的新闻、体育、天气和市场数据。Exa Library 还将这些数据结构化，包含 3.2 亿个人物页面、3300 万个公司页面、5 亿篇研究论文，以及数千万份 SEC 文件、专利和法院意见。

Exa Lite：更具性价比的检索选项

为了满足不同场景的成本需求，Exa 3.0 引入了 Exa Lite 搜索类型。Lite 模式与 Exa Auto 运行在同一个索引上，但在候选生成、高亮处理和排名阶段消耗的计算资源更少。

在定价上，Lite 模式为每 1,000 次请求 4 美元，而 Auto 模式为 7 美元。相比之下，Perplexity、Brave 和 Parallel 的同类高级接口标价多为 5 美元。需要注意的是，Lite 模式不支持所有高级参数（如某些复杂的过滤条件），如果传入不支持的参数，API 会直接返回 400 错误并指明字段。因此，部分复杂管道仍需依赖 Auto 模式。

基准测试表现与局限性

Exa 在 8 个基准测试中对比了 Exa 3.0 Auto、Perplexity Web、Brave LLM Context 和 Parallel Advanced。测试环境统一使用 GPT-6 Luna 作为代理模型，最多进行 25 轮搜索，每次返回 10 个结果。

数据显示，Exa 3.0 Auto 在这 8 个测试中均位列第一。其优势在 WebCode（领先 5.6 分）和 ATLAS（领先 4.8 分）上最为明显。但在 BrowseComp 等测试中，其对 Perplexity 的领先优势仅为 0.3 个百分点，差距较为微弱。

在评估这些数据时，有几个客观限制需要开发者留意：

1. 评估由 Exa 自行运行，且 ATLAS 是 Exa 自身发布的基准，测试环境和代理模型的选择可能存在偏向性。
2. 部分微弱的领先优势在其他测试框架（harness）中可能无法复现。
3. 嵌入模型的具体规模和底层架构细节仍未披露。

对于正在构建 AI 代理的开发者而言，Exa 3.0 提供的 Lite 模式和 Dynamic Highlights 确实为控制 token 成本提供了新思路。但在决定切换搜索提供商之前，建议在实际的业务查询和数据集上进行独立测试，以验证其检索质量是否真正符合特定场景的需求。