# TinyFish Search 搜尋成本每千任務 $0，但回答品質 71、平均耗時 57.2 秒

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：TinyFish (@Tiny_Fish) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-09-01

> 原始來源：https://x.com/tiny_fish/status/2094500472556052644

## 證據與延伸閱讀

- [TinyFish Search 搜尋成本每千任務 $0，但回答品質 71、平均耗時 57.2 秒。](https://artificialanalysis.ai/agents/search-api) — 官方文件 · 最後核對：2026-09-01 · 支持主張：The benchmark compares 19 Search API products across 9 providers on answer quality, cost, and latency; its public table reports TinyFish Search at a score of 71 with 57.2 seconds per task.
- [引用 Artificial Analysis 評測，比較 19 個 API](https://x.com/tiny_fish/status/2094500472556052644)

## 中文摘要

TinyFish Search 搜尋成本每千任務 $0，但回答品質 71、平均耗時 57.2 秒。

**核心結果** TinyFish 在 2026 年 8 月 31 日公布的資料中，引用 Artificial Analysis 的公開評測，而非自行執行 benchmark。評測比較 9 家供應商的 19 個 Search API products，固定作答模型（answer model）、harness、任務集與設定，唯一變動是 Search API。公開表格中的 TinyFish Search (web) 結果為：

- Artificial Analysis Search Index：71 分
- 搜尋成本：每 1,000 個 benchmark 任務 $0
- model 成本：每 1,000 個任務 $34.55
- 每題平均時間：57.2 秒
- DeepSearchQA F1：67
- BrowseComp accuracy：75
- AA-Omniscience accuracy：71

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/c8985e8271ac28df.png)
> TinyFish Search (web) 在 Artificial Analysis 的 Search API 每 1,000 次查詢成本評測中以 $0 成本領先其他 Search API 產品。

Artificial Analysis 的模型基準是未使用搜尋工具的 GPT-5.6 Luna（medium），分數為 33、model 成本為每 1,000 題 $2.92、平均耗時 20.1 秒。因此，TinyFish Search 的 Index 相較基準增加 38 分，但同時帶來更高的 model 成本與更長的端到端時間。

**評測範圍** Artificial Analysis Search Index 將多種任務的結果等權平均，涵蓋三個公開 benchmark：

- DeepSearchQA：需要多次搜尋的廣泛研究問題，完整評測集有 900 題，以答案項目的 F1 評分。
- BrowseComp：需要多跳瀏覽才能找到的冷門事實，採用完整題庫中的 200 題子集，檢查精確答案。
- AA-Omniscience：涵蓋 6 個領域的 600 題私有事實問題，用正確率評分，以衡量搜尋對 model 內部知識的補充程度。

公開榜單中，Perplexity Search (medium) 以 80 分取得最高回答品質；Parallel Search (fast) 的每題平均時間最快，為 17.9 秒。相較之下，TinyFish 的優勢集中在搜尋價格，而不是品質或速度。

**如何解讀 $0** TinyFish 強調「免費搜尋」受到質疑後，這項結果提供了固定 model 與任務條件下的成本比較。不過，$0 只代表該 benchmark 中列出的 Search API 搜尋成本，不等於所有情境都沒有費用，也不能直接推論生產環境的總成本。Artificial Analysis 另指出，model 成本會受到搜尋結果內容、搜尋次數，以及較低品質結果所增加的 reasoning token 使用量影響；搜尋單次呼叫很快，也可能因 model 更常呼叫它而拉長每題時間。

**實務建議** Artificial Analysis 建議開發者先閱讀評測定義與 methodology，再依自身需求選擇供應商。若要重現比較，應固定候選模型（candidate model）、harness 與設定，並在自己的 query mix 上分別量測回答品質、model 成本、搜尋成本與端到端延遲。TinyFish 與 Artificial Analysis 也提醒，榜單上的價格與排名屬於當時資料，可能隨供應商調價或資料更新而改變；因此在做 production 決策前，仍需重新核對供應商價格與最新榜單。可參考 [Artificial Analysis Search Index](https://artificialanalysis.ai/agents/search-api) 與 [TinyFish 的原始貼文](https://x.com/tiny_fish/status/2094500472556052644)。

## 標籤

TinyFish Search (web), Artificial Analysis, GPT-5.6 Luna (medium), Perplexity Search (medium), Parallel Search, BrowseComp