Artificial Analysis: Parallel Search delar toppen bland sök-API:er med 83 poäng
I Artificial Analysis jämförelse av söktjänster fick Parallel Search 83 poäng i läget advanced, lika mycket som Keenable Search (pro). Det snabbare läget fast fick 82 poäng till en total kostnad av omkring 0,014 dollar per uppgift.
Artificial Analysis (AA) publicerade resultaten på X den 20 november. Parallels resultat har stigit tydligt sedan augusti. Då fick läget advanced 75 poäng och läget fast 73. I novembertestet fyllde modellen i det valfria målfältet (objective) och 1–3 sökfraser i varje sökanrop. I diagrammet i AA:s inlägg saknar augustiresultaten beteckningen objective. AA uppger inte vad ökningen beror på eller om den beror på målfältet.
Via ett sök-API hämtar en AI-agent information från webben. AA jämförde 26 sökprodukter från 14 leverantörer med samma svarsmodell, GPT-5.6 Luna (medium), och samma inställningar. Sök-API:erna kördes i AA:s Stirrup, som är öppen källkod. Det är en harness, alltså ett program som styr agenten, ger modellen verktyg och kör dess arbetssteg. Bara söktjänsten byttes ut. OpenAI Web Search är en referenspunkt där samma modell använde OpenAI:s eget integrerade sökverktyg och egen harness. Utan sökning fick modellen 33 poäng.
Indexet är ett likaviktat medelvärde av tre benchmarkar på en skala från 0 till 100. DeepSearchQA består av 900 breda forskningsuppgifter vars svarslistor en språkmodell poängsätter med F1-värde. Från BrowseComp användes en delmängd om 200 svåra uppgifter. AA-Omniscience är AA:s egen opublicerade delmängd om 600 frågor.
Tabellen visar index, kostnader och tid per uppgift för toppen och referenspunkterna. Siffrorna är uppmätta med en och samma svarsmodell.
| Söktjänst | Index | Sökning / 1 000 uppgifter | Modell / 1 000 uppgifter | Tid / uppgift |
|---|---|---|---|---|
| Parallel (advanced, objective) | 83 | 23,00 $ | 7,04 $ | 24,1 s |
| Keenable (pro) | 83 | 31,87 $ | 8,35 $ | 16,2 s |
| Keenable (realtime) | 82 | 31,94 $ | 8,52 $ | 15,7 s |
| Parallel (fast, objective) | 82 | 4,63 $ | 9,40 $ | 15,4 s |
| Exa (auto, dynamic highlights) | 80 | 53,17 $ | 10,60 $ | 36,4 s |
| Perplexity (medium) | 80 | 62,30 $ | 8,04 $ | 30,7 s |
| Octen (highlights) | 77 | 9,07 $ | 14,50 $ | 15,3 s |
| Brave (LLM context) | 75 | 61,96 $ | 16,95 $ | 22,1 s |
| OpenAI Web Search (medium) | 74 | 40,19 $ | 9,40 $ | 32,8 s |
| DeepSeek (summary) | 69 | 8,47 $ | 20,19 $ | 22,0 s |
| Modell utan sökning | 33 | – | 2,92 $ | 25,8 s |
Källa: Artificial Analysis, sidan Search API, den 19 november 2026. Sökkostnaderna är beräknade med söktjänsternas listpriser. Tiden omfattar uppmätt söktid och beräknad modelltid. För OpenAI är söktiden en övre gräns, eftersom den inkluderar OpenAI:s behandlingstid. OpenAI Web Search använde eget sökverktyg och egen harness; övriga använde Stirrup.
Söktjänstens pris visar inte ensamt den totala kostnaden. DeepSeeks sökning kostade till exempel 8,47 dollar per 1 000 uppgifter, men modellkostnaderna var 20,19 dollar. AA förklarar skillnaderna i modellkostnad generellt: tjänsterna returnerar olika mycket text, och sämre resultat får modellen att söka och resonera mer. AA anger inte orsaken för någon enskild tjänst.
Parallels sökning i läget advanced är fem gånger så dyr som i läget fast (5 respektive 1 dollar per 1 000 förfrågningar). Ändå förbrukade advanced omkring 82 000 token per uppgift och fast omkring 116 000. Nästan alla är indatatoken, och i dem ingår sökresultaten som returnerats till modellen. Totalt kostade advanced omkring 0,030 dollar per uppgift och fast omkring 0,014. Medianen för hela jämförelsen var 0,063 dollar.
Läs mer: Hur en agent fungerar · Agentkarta