Parallel Web Systems 推出搜尋 API：最精確的 AI 代理網路搜尋

簡要介紹

Parallel Web Systems 已推出 Parallel Search API 網路搜尋工具，以提供相關數據，提升準確性、降低成本並增強代理工作流程的效率。

專注於打造適合 AI 代理的新型網路基礎設施的新創公司 Parallel Web Systems，已推出 Parallel Search API，這是一款專為優化相關且高效的網路資料傳遞、以最低成本獲取的網路搜尋工具。此創新旨在提供更精確的答案、減少往返次數，並降低 AI 代理的成本。

傳統搜尋引擎是為人類用戶設計的。它們根據用戶點擊率、關鍵字搜尋和頁面佈局來排序網址，這些操作在毫秒內完成且成本低廉。第一代的 AI 搜尋 API 試圖將這種以人為中心的搜尋模型改造為適合 AI，但未能充分滿足 AI 代理的特殊需求。

與人類用戶不同，AI 搜尋需要不同的方法：不是為了人類點擊而排序網址，而是要判定最相關的標記（tokens），將其放入 AI 代理的上下文窗口，以協助完成任務。目標不是為了吸引人類參與，而是提升 AI 模型的推理與決策能力。

這種新型搜尋架構包含幾個關鍵創新：採用超越關鍵字匹配的語義目標來捕捉代理的意圖，優先考慮標記的相關性而非人類中心的頁面指標，提供濃縮且高質量的資訊以促進推理，並能用一次搜尋呼叫解決複雜查詢，而非多次操作。

透過此 AI 優先的搜尋設計，代理能在其上下文窗口中存取更豐富的網路標記資訊，從而減少搜尋次數、提高準確性，並降低成本與延遲。

推進複雜、多源網路搜尋以支援 AI 代理

雖然許多現有搜尋系統專注於簡單的問答，但未來對於更複雜、多面向的搜尋需求將逐步增加。用戶與 AI 代理都將越來越需要整合多來源資訊、進行深度推理，並存取較難取得的網路內容。

為因應此需求，Parallel 評估了其搜尋 API 在多個基準測試中的表現，範圍涵蓋挑戰性較高的多跳任務 (例如 BrowseComp)，到較簡單的單跳查詢 (例如 SimpleQA)。

Parallel 在較複雜的查詢中展現出優勢——這些查詢跨越多個主題、需要深入理解難以爬取的內容，或涉及從分散來源合成資訊。在多跳推理的基準測試中，如 HLE、BrowseComp、WebWalker、FRAMES 和 Batched SimpleQA，Parallel 不僅提供更高的準確率，也更有效率地解決問題，使用較少的推理步驟。

傳統搜尋 API 通常需要多次連續搜尋，導致延遲增加、上下文窗口擴大、標記成本升高，且準確率降低。而 Parallel 的方法則能在一次搜尋中解決更複雜的查詢，減少連續搜尋次數，提升準確率，降低成本與延遲。

在較簡單的單跳基準測試如 SimpleQA（涉及直接的事實查詢）中，Parallel 仍表現良好，雖然在這些情境中提升空間較有限，因為問題本身較為直接。

Parallel 能達到最先進的成果，源自兩年來打造的堅實基礎架構，不斷透過反饋循環優化搜尋流程的每一層。系統專注於索引難以爬取的網路內容，如多模態長 PDF 和大量 JavaScript 的網站，同時盡量減少對網站所有者的影響。Parallel 的網路索引是增長最快的之一，每天刷新超過 10 億頁。

在排名方面，Parallel 採用不同於傳統搜尋的策略。它不依賴人類點擊率來排序網址，而是專注於辨識對大型語言模型（LLM）推理最相關且具權威性的標記（tokens）。Parallel 的專有模型會評估標記的相關性、頁面與域名的權威性、上下文窗口的效率，以及跨來源驗證，重點在於品質而非參與度。

Parallel Search API：賦能 AI 系統以高品質、即時的網路資料

當今，最先進的開發者選擇使用 Parallel 提供的搜尋來建立與部署 AI 系統。這些組織已測試過多種方案，並認識到網路資料的品質直接影響 AI 代理的決策。不論是 Sourcegraph Amp 的程式碼代理解決錯誤、Claygent 優化每個市場策略決策、Starbridge 發掘政府招標案，或是領先的保險公司更有效率地承保理賠，這些系統的表現都依賴於資料的準確性與相關性。

Parallel 的搜尋 API 作為支撐其網路代理的核心基礎設施。例如，負責多步驟豐富與研究任務的 Parallel Task API，皆建立在搜尋 API 之上。每個在生產環境運行的 Task API 查詢，都依賴搜尋 API 在背後穩定運作。

這種架構為 Parallel 標準設定了高標準，因為搜尋性能、延遲或品質的任何提升，都會直接影響每日處理數百萬查詢的生產系統。搜尋 API 的任何低效或不準確，都會立即反映在相關產品中。

因此，Parallel 的基礎架構持續被優化與實戰測試，以應對代理工作負載的真實需求。有效完成代理任務的關鍵在於最大化訊號、最小化噪音，Parallel Search API 確保代理能獲得最相關、濃縮的網路內容，提升任務的準確性與效率。