[ blog · comparison ]11 min read

Exa vs Tavily：AI エージェントにどちらの検索 API を選ぶ？（2026）

Sarah Choy·公開: 2026年5月29日·読了 11 分

エージェントに検索を組み込むとき、最初に挙がる 2 つの名前が Exa と Tavily だ。両者は同じ仕事を正反対のやり方で解く。実際の API の形と 2026 年の価格つきで、正直な一騎打ちをまとめた。

要点

• •Exa は独自の embedding インデックス上のニューラル検索エンジン — 生の鮮度より、トピックの類似度と発見が重要なときに最良。
• •Tavily はエージェントネイティブな Web アクセスレイヤー（search、extract、crawl、map）で、1 回の呼び出しで LLM 向けテキストを返す — ホスト型 RAG とチャットアシスタントに最良。
• •価格の種類が違う：Exa はリクエスト単位（contents 付き検索で約 $7 / 1,000）、Tavily は credit 単位（basic 1 / advanced 2、従量課金で 1 件約 $0.008）。
• •両者とも 2026 年に節目を迎えた：Tavily は Nebius に $275M で買収され、Exa は評価額約 $700M で $85M のシリーズ B を調達。
• •サブスクの下限も多軸課金もどちらも避けたいなら、API Pick Web Search（15 credits ≈ $0.015）のような 1 回単位・成功時のみ課金の API が最もシンプルな第三の選択肢。

同じ仕事を、正反対の方向で解く

AI エージェントに検索を組み込むとき、最初に浮かぶ 2 つの名前が Exa と Tavily だ。どちらも「AI のための検索」を掲げ、どちらもモデルが読めるテキストを返す。だが内部では、賭けている対象が違う。

Exa は インデックス に賭けた。自分で Web をクロールし、embedding で結果をランク付けする。だからその核心的な主張は、検索がより賢い — ページがどのキーワードを含むかだけでなく、何を 意味する かを理解している — というものだ。Tavily は 統合 に賭けた。ライブ Web を検索し、地味な作業 — クリーニング、チャンク分割、必要なら回答 — をこなすので、「ユーザーの質問」から「grounding 済みコンテキスト」までのグルーコードをほとんど書かずに済む。

この違いはすべてに波及する：API の形、価格モデル、レイテンシのプロファイル、そしてどの種類のエージェントを楽にするか。軸ごとに見ていこう。

API の形：何を送り、何を得るか

Exa

Exa の表面は検索エンジンの表面だ。POST /search はクエリと type（neural、keyword、または auto）を取り、ページ本文・highlights・要約をインライン化する contents オブジェクトを伴う。専用の /contents、 /answer、/findSimilar エンドポイント、非同期の /research タスク API、そして構造化発見のための Websets リストビルダーがある。

POST https://api.exa.ai/search
{
  "query": "agent-native search API launches",
  "type": "auto",
  "numResults": 10,
  "category": "news",
  "contents": { "text": true, "highlights": true }
}

Tavily

Tavily の表面はエージェントの表面だ。POST /search はクエリと search_depth（basic または advanced）を取り、include_answer、 include_raw_content、topic（general / news / finance）、time_range といったスイッチを備える。併設の /extract、 /crawl、/map、/research エンドポイントが、Web アクセスワークフローの残りをカバーする。

POST https://api.tavily.com/search
{
  "query": "agent-native search API launches",
  "search_depth": "advanced",
  "topic": "news",
  "include_answer": "basic",
  "max_results": 10
}

その手がかりが include_answer だ：Tavily は LLM を走らせ、同じ呼び出しの中で書かれた回答を返す。Exa はそれを別の /answer エンドポイントに置いている。 どちらの選択も間違いではない — バンドルは便利、分離は制御しやすい。

横並び

価格計算を、正直に

見出しの数値はミスリードを招く。2 社が違う計量をしているからだ。具体的なループを歩いてみよう：1,000 検索 を走らせ、質問ごとに 5 ページ を読むリサーチエージェントを、1 日 1,000 回。

• Exa：contents 付き検索は最初の 10 件の本文と highlights をバンドルするので、1 回の /search で検索と読み込みの両方を約 $7 / 1,000 でカバーできることが多い。追加の結果や AI 要約は別途課金される。
• Tavily：basic 検索は 1 credit（約 $8 / 1,000）、/extract によるページ読み込みは 5 URL あたり約 1 credit なので、5 件の読み込みは約 1 credit の追加。advanced 深度は検索を 2 credit に倍増させるが、より多くを返す。

レイテンシと鮮度

Exa は明示的なレイテンシティアを公開している。インタラクティブなエージェント向けのサブ秒の instant/fast モードから、返す前に実際の推論を行う数秒の deep モードまで。自前インデックスから配信するため、鮮度はそのクロール頻度と livecrawl 設定に依存する。後者は、ページの最新版が必要なときにライブ取得を強制できる。

Tavily はライブ Web を検索し、fast モードではサブ秒の結果に調整される。advanced 深度はレイテンシを関連性と引き換える。「今日何があったか」型のクエリには、Tavily の topic=news と time_range が鮮度のレバーだ。どちらも同期ツール呼び出しに問題なく使える。どちらでもレイテンシの崖はバンドル回答モードだ。検索呼び出しの中に LLM の往復を追加するからである。

それぞれが勝つとき

第三の選択肢：下限も多軸課金もなし

Exa も Tavily もそれぞれの主張において優れているが、両者ともそれに伴う複雑さを抱える — 複数の価格軸、有料プランへと期限切れする無料枠、回答や抽出の呼び出しを追加するにつれ増えていく課金面。実際に欲しいのが退屈なもの — ツール呼び出し用のクリーンで ranked なタイトル・URL・スニペットのリストを、シンプルに、動いたときだけ課金 — なら、それは別のプロダクトだ。

API Pick Web Search は POST /api/search/web から最大 10 件の整形済み ranked スニペットを返し、country_code と start_date/end_date フィルターに対応、1 回 15 credits（$5 / 5,000 credits ≈ $0.015）、課金は HTTP 200 のときのみ、credit は無期限。月額下限なし、価格軸は 1 つ、貼って使える tool schema：

import anthropic, requests

schema = requests.get("https://www.apipick.com/api/search/web/tool-schema").json()
client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    tools=[schema["claude"]],
    messages=[{"role": "user", "content": "Compare Exa and Tavily pricing"}],
)

執筆

Sarah Choy

CEO, API Pick

API Pick の CEO。AI エージェントと LLM ワークフロー向けの本番運用可能な API について執筆。