Parallel Web Systems 推出搜索 API：为 AI 代理提供最精准的网页搜索

简要介绍

Parallel Web Systems 已推出 Parallel Search API 网络搜索工具，旨在提供相关数据，提升准确性，降低成本，并增强基于代理的工作流程效率。

专注于打造适用于 AI 代理的新型网络基础设施的创业公司 Parallel Web Systems，推出了 Parallel Search API，这是一款专为优化相关性和 token 效率、以最低成本提供网页数据的网络搜索工具。此创新旨在提供更准确的答案，减少往返次数，并降低 AI 代理的成本。

传统搜索引擎为人类用户设计，依据关键词排名 URL，优化点击率、页面布局和浏览体验，所有操作在毫秒级完成，成本极低。第一代基于 AI 的搜索 API 试图将此人类中心的搜索模型适配于 AI，但未能充分满足 AI 代理的特殊需求。

与人类用户不同，AI 搜索更关注：不是排名 URL 以吸引点击，而是确定最相关的 tokens，放入 AI 代理的上下文窗口，帮助其完成任务。目标不是优化人类互动，而是增强 AI 的推理和决策能力。

这种新型搜索架构包含多项创新：采用超越关键词匹配的语义目标，捕捉代理意图；优先考虑 tokens 的相关性而非页面指标；提供浓缩且高质量的信息以支持推理；以及通过单次搜索调用解决复杂查询，避免多次步骤。

利用这种以 AI 为先的搜索设计，代理可以在其上下文窗口中获取更丰富的信息密集型网页 tokens，从而减少搜索次数，提高准确性，降低成本和延迟。

推动复杂多源网页搜索，满足 AI 代理需求

虽然许多现有搜索系统专注于简单问答，但未来对更复杂、多面向的搜索需求将不断增长。用户和 AI 代理都将越来越需要整合多源信息、进行复杂推理、访问难以触达的网页内容的答案。

为应对这一趋势，Parallel 在多个基准测试中评估了其 Search API 的性能，包括挑战性多跳任务（如 BrowseComp）和较简单的单跳查询（如 SimpleQA）。

在多跳推理任务（如 HLE、BrowseComp、WebWalker、FRAMES 和 Batched SimpleQA）中，Parallel 在复杂查询上表现出优势，不仅准确率更高，还能更高效地解决问题，减少推理步骤。

传统搜索 API 通常需要多次连续搜索，导致延迟增加、上下文窗口扩大、tokens 成本上升、准确率下降。而 Parallel 的方法允许在一次搜索中解决更复杂的问题，减少连续查询次数，提升准确性，降低成本和延迟。

在简单的单跳任务（如 SimpleQA）中，Parallel 仍表现良好，尽管在此类场景中，准确率提升空间有限，因问题本身较为直接。

Parallel 之所以能取得行业领先的成果，源于两年时间打造的坚实基础架构，不断通过反馈优化每一层搜索流程。系统重点索引难以抓取的网页内容，如多模态长 PDF 和 JavaScript-heavy 网站，同时尽量减少对网站所有者的影响。Parallel 的网页索引增长迅速，每天刷新超过 10 亿页面。

在排名方面，Parallel 采取不同策略：不依赖人类点击率排名 URL，而是专注于识别最相关、最具权威性的 tokens，用于大型语言模型（LLM）推理。其自主模型评估 tokens 相关性、网页和域名权威性、上下文窗口效率以及跨源验证，优先保证内容质量而非用户参与度。

Parallel Search API：赋能 AI 系统，提供高质量实时网页数据

当今，最先进的开发者选择使用 Parallel 提供的搜索能力构建和部署 AI 系统。这些组织经过多方测试，认识到网页数据的质量直接影响 AI 代理的决策表现。无论是 Sourcegraph Amp 的编码代理解决 bug，Claygent 优化市场策略（GTM），Starbridge 发现政府招标信息，还是领先保险公司更高效地核保理赔，这些系统的表现都依赖于网页数据的准确性和相关性。

Parallel 的 Search API 作为支撑其 Web 代理的核心基础设施。例如，处理复杂多步骤丰富和研究任务的 Parallel Task API，都是建立在 Search API 之上。每个在生产环境中运行的 Task API 查询，都依赖于 Search API 的稳定高效。

这种架构为 Parallel 设定了高标准：搜索性能、延迟和质量的任何提升，都会直接影响到每日处理数百万查询的生产系统。任何在 Search API 中出现的低效或不准确，都会立即反映在依赖它的产品中。

因此，Parallel 不断优化其基础设施，经受实际应用的考验。实现代理任务高效完成的关键在于最大化信号、最小化噪声，确保代理获得最相关、最浓缩的网页上下文，从而提升任务的准确性和效率。