# Exa 釋出 Dynamic Highlights：跨文件篩選內容，特定測試平均減少約 95% token > 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt) > 原作者：Exa (@ExaAILabs) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-08-30 > 原始來源：https://x.com/ExaAILabs/status/2093395399608578235 ## 證據與延伸閱讀 - [Exa 釋出 Dynamic Highlights：跨文件篩選內容，特定測試平均減少約 95% token。](https://exa.ai/blog/dynamic-highlights) — 官方文件 · 最後核對：2026-08-29 · 支持主張：Adds cross-document, token-level retrieval with published token-savings and quality measurements and a dynamic API option. ## 中文摘要 Exa 釋出 Dynamic Highlights：跨文件篩選內容，特定測試平均減少約 95% token。 官方表示，此方式平均可減少約 95% 的 token，但該數字僅來自特定測試設定，不能視為所有 query 或資料集都能達成的普遍結果。 **運作方式** 傳統 retrieval 通常逐一從每個搜尋結果擷取固定片段；Dynamic Highlights 則把 query 與整組結果一起處理。Exa 的 custom model 會跨文件比較內容，在資料送到下游 Agent 前，先移除與 query 無關的材料，也抑制其他文件已更完整呈現的重複資訊。技術重點是跨文件、token-level 的選取與整體最佳化，而不只是分別截短每個結果。 **官方測量** Exa 在官方技術文章〈[Dynamic Highlights](https://exa.ai/blog/dynamic-highlights)〉中公布自家 benchmark，結果依測試情境而異： - 在 12,000 字元的設定中，token efficiency 約提升 40%，品質提升 3.8%。 - 在 Agent 情境中，token 使用量約減少 30%，品質提升 2.1%。 - 整體評估的平均 token 減少約 95%，但 Exa 明確將這些結果限定為自身測試配置，未宣稱適用於每個 query 或 corpus。 **API 與驗證** Dynamic Highlights 已透過 API 的 dynamic 選項提供，呼叫端可要求採用這種處理方式。Exa 將它定位為 research preview，而不是已確立能取代 ordinary retrieval 的方案；實務上應在自己的 corpus 上比較 token 效率與品質，再決定是否採用。展示畫面中的計數會隨處理進度變動；抽樣影格從已處理 1,484,401 個字元、傳送 0 個字元，更新為已處理 1,491,815 個字元、傳送 11,998 個字元（畫面標示 99.3% token reduction）。這只能視為 demo 畫面的流程觀察，不等同於官方普遍效能保證。 > 介面顯示此範例的計數由已處理 1,484,401 個字元、傳送 0 個字元，更新為已處理 1,491,815 個字元、傳送 11,998 個字元（畫面標示 99.3% token reduction）；下方為多篇論文卡片，來源包含 arxiv.org、aclanthology.org 等。 ## 標籤 功能更新, LLM, Exa