Тест поисковых API: Firecrawl, Tavily, Exa, DeepSeek

#Кого сравнивали и как считали

Методика простая, поэтому её легко повторить. Набор - 40 запросов, по восемь на каждую из пяти задач, по пять результатов на запрос, все фрагменты обрезаны до 1 200 символов. Оценка слепая: наборы перемешивались под анонимными метками, балл выставляла LLM по заранее написанной рубрике для каждой задачи. Вторую половину работы измеряли отдельно. 40 страниц четырёх типов, по десять штук, и с каждой в Chrome вручную снимались три-пять точных предложений основного текста. Автор теста расписал эти условия в разборе от 23 октября 2026 года, включая два краула по 25 страниц на docs.astral.sh/uv и docusaurus.io/docs.

• Актуальные факты - 8 запросов, где ответ менялся незадолго до теста; сверка с официальными страницами в тот же день.
• Новостной срез - 8 запросов по заголовкам недели, например снижение заявок на пособие в США до 194 000.
• Документация для кодового агента - 8 запросов, где нужна официальная страница, а не пересказ в блогах.
• Похожие компании и статьи - 8 открытых запросов на поиск сущностей, а не материалов о них.
• Региональный угол - ЮАР на английском плюс китайский, немецкий, испанский и японский.

#Кто выиграл по задачам

Tavily не выиграл ни одной категории. Базовый режим стоил $8 за 1 000 поисков, дал 6,5 из 10 по актуальным фактам и 6,0 по новостям, зато уложил выдачу в 5 600 символов. Это меньше, чем у любого другого участника, и заметная экономия на токенах. Advanced-режим поднял новостной балл до 7,9 и цену до $16. Платить вдвое за рост на одну задачу невыгодно.

#Почему агент отвечает старыми цифрами

Все четыре инструмента ответили на вопрос о курсе ЮАР правильно: текущие 7,25 %. Но Tavily в базовом режиме вернул четыре страницы со старым значением 7 %, и агент, который голосует за большинство источников, выдал бы пользователю устаревшее число. Дело не в поиске. Проваливается стратегия чтения: набор формально релевантный, а свежий в нём один документ из пяти.

Ни одного запроса на русском в этот набор не попало.

Показательный вход в тест - Python 3.15.1, вышедший 21 октября. Через два дня страницу релиза вернул только Exa, остальные три инструмента отдали материалы с 3.15.0 или 3.14. По доле результатов про событие двухдневной давности точнее всех оказался DeepSeek: 40 свежих из 40 против 39 у Exa. Дальше Tavily advanced с 32 и Firecrawl с 30, а базовый Tavily собрал 22. Свежесть и качество выдачи расходятся: новости у DeepSeek покрыты полностью, но в целом наборе он проиграл Exa и по фактам, и по документации.

#Чем читать PDF, если поиск отдал только ссылки

Страницы для чтения делились на четыре группы по десять: статика, сайты с тяжёлым JavaScript, PDF и страницы, которые отдают основной текст только полноценному браузеру. Пригодность проверялась по совпадению тех самых предложений, снятых в Chrome вручную. Когда я прогонял похожую схему на своих адресах, больше всего времени ушло именно на эти эталоны: выписывать их из браузера руками долго, и легко ошибиться в одном слове. Разрыв между участниками тут больше, чем в поиске.

DeepSeek вернул 404 на каждый PDF: документация сервиса описывает это как ответ на неподдерживаемый тип содержимого. Exa оказался самым быстрым на чтении: медиана 0,41 с против 7,42 с у DeepSeek. Но один раз подвёл именно скоростью. На 100-страничный технический отчёт GPT-4 он выдал библиографическую запись со списком авторов вместо текста статьи. Краул есть только у Firecrawl и Tavily. Firecrawl прошёл оба сайта документации по 25 страниц из 25, а краулы Tavily уходили на сторонние домены: 23-24 страницы за прогон, из которых на нужном сайте оставались четыре.

#Что делать с русскими запросами

Региональная часть теста - это ЮАР, а также испанский, китайский, немецкий и японский. Русского там нет. Цифра Exa 8,4 из 10 по этой категории не говорит о Рунете ничего. Свой набор соберите из десяти запросов: по два на каждую из тех же пяти задач, желательно про темы, где ответ менялся в последние дни.

• Факты: ключевая ставка и курс валюты на сегодня.
• Свежая лента: две темы из сегодняшних заголовков.
• Документация: страница российского сервиса и страница популярной библиотеки.
• Сущности и местный угол: аналоги известной вам фирмы из отраслевого каталога плюс тариф или правило конкретного региона.

Оценку держите слепой: перемешайте наборы и отдайте их разбор модели по одной рубрике на задачу, обрезав фрагменты до одинаковой длины. Такой прогон через срезAI занимает десять запросов, то есть рубль по тарифу 0,10 ₽ за запрос, и его можно повторять раз в месяц. Флажки свежести выставляются параметрами timeRange и publishedAfter. Страницы без даты публикации в заданное окно не попадают, поэтому после узкого фильтра выдачу стоит ослаблять, а не считать пустой. Мини-тест не сработает, если все десять запросов брать из одной темы: разброс на такой выборке съест разницу между инструментами. Полезные детали лежат в документации, лимиты бесплатного плана - в личном кабинете.

import json, os, urllib.request # свежие страницы за неделю: у страниц без даты публикации шансов меньше
payload = { "tool": "web_search", "arguments": { "query": "ключевая ставка Банка России сегодня", "num": 5, "timeRange": "week", "depth": "flash", },
}
req = urllib.request.Request( "https://srezai.ru/docs data=json.dumps(payload).encode("utf-8"), headers={ "Authorization": "Bearer " + os.environ["SREZAI_API_KEY"], "Content-Type": "application/json", },
)
print(urllib.request.urlopen(req).read().decode("utf-8"))

#Где срезAI проигрывает

срезAI в этом тесте не участвовал, поэтому прямых сравнений с Exa по тем же 40 запросам нет. По собственным замерам на бенчмарке GAIA результат 87,3 % - второе место после Tavily с 91,2 %. Медиана отклика p50 - 976 мс, что медленнее 0,83 с у DeepSeek на поиске. И главное ограничение: мини-тест на десяти запросах не заменяет статистику, на такой выборке разброс велик, так что менять стек по одному спорному вопросу не стоит. Тариф 0,10 ₽ за запрос и 100 ₽ при регистрации смотрите на странице цены.