Tavily vs Exa vs Serper vs API Pick: które Web Search API dla LLM?

Tavily, Exa, Serper i API Pick — wszystkie obiecują być warstwą wyszukiwania dla Twojego LLM. Mocno różnią się formą wyników, filtrami i sposobem rozliczeń. Oto porównanie z perspektywy kogoś, kto wypuszcza agentów na produkcję.

TL;DR

• •Wybierz Tavily, gdy chcesz jeden hostowany endpoint RAG zwracający odpowiedzi gotowe pod LLM — kosztem nieprzejrzystego rankingu i minimalnego progu abonamentowego.
• •Wybierz Exa do odkrywania semantic-first, gdzie ranking neuronowy liczy się bardziej niż świeżość; budżetuj odpowiednio przy skali.
• •Wybierz Serper, jeśli potrzebujesz surowych SERP-ów Google i sam zajmiesz się czyszczeniem, rankingiem i kształtowaniem snippetów.
• •Wybierz API Pick Web Search, gdy chcesz wstępnie ukształtowane snippety JSON, przejrzystą cenę kredytów za wywołanie, filtry kraju i daty oraz płacisz wyłącznie za odpowiedzi HTTP 200.

Co naprawdę znaczy „web search API dla LLM”

Ogólne API wyszukiwania, jak Google Custom Search, Bing Web Search i SerpAPI, zwracają strony wyników wyszukiwarki — te same niebieskie linki i rich snippety, które zobaczyłby człowiek. Ten format jest zły dla modelu językowego. Agent nie chce parsować SERP-a. Chce małej, uszeregowanej listy tytułów, adresów URL i czystych fragmentów tekstu, które może zacytować wprost do okna kontekstu. Wszystkie cztery API tutaj to obiecują, ale różnie idą na kompromis w tym, jak to robią.

Porównamy je na pięciu praktycznych osiach: forma wyników, filtrowanie, model cenowy, ergonomia integracji oraz to, czego nie robią.

Pretendenci, każdy w jednym akapicie

Tavily

Hostowany RAG-as-a-service. tavily.search zwraca uszeregowane snippety; tavily.qna łączy wyszukiwanie z szybką odpowiedzią LLM. Mocno pasuje do asystentów czatu, gdzie chcesz „dać modelowi gotowy do odpowiedzi blob”. Oparty na abonamencie z kredytami na użycie.

Exa (dawniej Metaphor)

Indeks neuronowy / semantic-first. Zaprojektowany wokół „znajdź mi adresy URL podobne do tego URL” i rankingu opartego na embeddingach, z opcjami pobierania highlightów lub pełnej treści. Najmocniejszy, gdy świeżość liczy się mniej niż podobieństwo tematyczne. Abonament z nadwyżkami kredytowymi.

Serper

Surowe API SERP Google. Zwraca formę JSON prawdziwej strony wyników wyszukiwania Google — organic, knowledge graph, places, videos. Czyszczenie snippetów i ranking robisz sam. Tanie za zapytanie, ale warstwę kształtowania pod LLM dostarczasz ty.

API Pick Web Search

Semantyczne wyszukiwanie webowe pay-as-you-go ukształtowane pod tool calling LLM. POST /api/search/web zwraca 5 uszeregowanych wyników z tytułami, adresami URL i wstępnie oczyszczonymi snippetami, plus opcjonalne filtry country_code oraz start_date/end_date. 15 kredytów za wywołanie (~$0,015), pobierane tylko przy sukcesie.

Obok siebie

Forma wyników: część, która liczy się najbardziej

Powodem istnienia tej kategorii jest to, że LLM-y nie potrafią skutecznie wnioskować na podstawie bloba HTML z SERP-a. Wnioskują na podstawie krótkiego, nazwanego, uszeregowanego tekstu. Dlatego największym pojedynczym predyktorem tego, czy API wyszukiwania dobrze działa jako narzędzie agenta, jest: jak czysty jest snippet?

Tavily i API Pick agresywnie czyszczą snippety. Exa zwraca albo highlighty, albo treść w zależności od flag — w porządku, ale to ty decydujesz, ile poprosić. Serper podaje surowy SERP i zakłada, że potem uruchomisz ekstraktor. To rozsądny wybór, jeśli już prowadzisz ekstraktor treści; w przeciwnym razie to ukryta praca.

W API Pick typowa odpowiedź wygląda tak:

{
  "results": [
    {
      "title": "Retrieval-augmented generation - Wikipedia",
      "url": "https://en.wikipedia.org/wiki/Retrieval-augmented_generation",
      "snippet": "Retrieval-augmented generation (RAG) is a technique that combines\nsearch with text generation, often using vector search to ground LLM\nanswers in retrieved documents."
    }
    /* …more */
  ],
  "result_count": 5,
  "credits_used": 15,
  "remaining_credits": 985
}

Ta forma trafia wprost do odpowiedzi function-calling bez dalszego parsowania.

Filtrowanie: kraj i aktualność

Dwa wymiary filtrowania liczą się dla agentów produkcyjnych:

• Kraj / locale: agent finansowy w Wielkiej Brytanii nie powinien domyślnie dostawać wyłącznie źródeł amerykańskich.
• Zakres dat: agent badań rynku pytający „co się wydarzyło w tym tygodniu” musi odrzucać wszystko starsze niż 7 dni.

Wszystkie cztery API udostępniają jakąś formę obu, ale ekspresyjność bywa różna. API Pick używa ciągów dat ISO (start_date="2026-04-01"), co jest jednoznaczne, w przeciwieństwie do grubszych kubełków qdr Google (ostatnia godzina / dzień / tydzień / miesiąc).

Model cenowy: abonament vs pay-as-you-go

API oparte na abonamencie (Tavily, Exa) dobrze sprawdzają się przy przewidywalnym, stabilnym ruchu. Stają się niewygodne w trzech częstych wzorcach:

• Prototypujesz i nie chcesz miesięcznego zobowiązania.
• Twój ruch jest skokowy (np. agent badawczy działający partiami).
• Budujesz agentów, którzy agresywnie ponawiają próby przy częściowych niepowodzeniach.

API Pick korzysta z modelu kredytowego — $5 kupuje 5000 kredytów; Web Search kosztuje 15 kredytów za wywołanie; kredyty nigdy nie wygasają i są pobierane tylko przy odpowiedziach HTTP 200. Ta ostatnia klauzula liczy się bardziej, niż brzmi: pętla agenta ponawiająca pięć razy przy przejściowym 502 jest darmowa, a nie 5×.

Ergonomia integracji

Integracja o najmniejszym tarciu to taka, w której możesz wkleić JSON-owy schemat narzędzia do kodu swojego agenta bez pisania wrappera. API Pick publikuje gotowe do użycia schematy:

# OpenAI function tool schema
curl https://www.apipick.com/api/search/web/tool-schema

# Returns OpenAI tool definition + Claude tool use definition

Z OpenAI Assistants:

from openai import OpenAI
import requests

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

assistant = client.beta.assistants.create(
    name="Research Agent",
    model="gpt-4o",
    tools=[{"type": "function", "function": schema["openai"]}],
)

Z Claude tool use:

import anthropic
import 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": "What's new in RAG research this week?"}],
)

Czego żadne z tych API nie robi

Żadne web search API nie odpowie wiarygodnie „każdy X z tej domeny od 2019 roku”. Dla głębokiego pokrycia archiwalnego nadal warto połączyć wyszukiwanie z ukierunkowanym crawlerem lub zbiorem danych specyficznym dla domeny. Żadne z nich nie deduplikuje idealnie bardzo podobnych adresów URL. I żadne nie rozwiązuje problemu po stronie źródła — przestarzałego lub o niskim autorytecie — to decyzja o jakości treści, którą musi podjąć Twój agent.

Jeśli twój agent działa wyłącznie na Gemini, jest piąta opcja: grounding z wyszukiwarką Google, wbudowany w wywołanie modelu. W teście Grounding Google Search a API wyszukiwania porównaliśmy go z jednym wywołaniem API Pick na pytanie na 40 pytaniach o najnowsze wiadomości. Grounding był dokładniejszy; API wyszukiwania kosztuje mniej za pytanie po przekroczeniu 5000 darmowych zapytań miesięcznie i działa z każdym modelem.

Szybki wybór

Autor

Sarah Choy

CEO, API Pick

Sarah Choy jest CEO API Pick. Pisze o budowaniu produkcyjnych API dla agentów AI i przepływów pracy z LLM.