Exa 3.0 搜索API升级：AI Agent 数据更丰富，成本更低

Exa 3.0 作为面向 AI Agent 的搜索 API 迎来重大更新，通过更大的嵌入模型、数十亿新增文档以及创新的 Dynamic Highlights 技术，在提升搜索质量的同时显著降低 token 消耗。新增的 Exa Lite 和 Exa Auto 分层定价，让开发者能以更低成本为 AI Agent 提供更丰富的数据。

搜索质量全面跃升：更大嵌入模型与海量文档

Exa 3.0 是 Exa 搜索 API 迄今为止最大的质量更新。据官方介绍，新版本采用了更大的嵌入模型，并新增了数十亿份文档，其中包括 12.7 亿条电商商品列表和超过 2.11 亿个本地商家信息。这意味着 AI Agent 在检索时能够获得更广泛、更细粒度的数据源，无论是商品比价、本地服务查询还是通用知识获取，都能得到更精准的结果。

对于依赖搜索 API 构建应用的开发者来说，数据覆盖面的扩大直接提升了 Agent 的实用价值。例如，电商场景下的 Agent 可以实时获取商品信息，本地生活类 Agent 则能基于商家数据提供推荐服务，而无需额外维护多个数据源。

嵌入模型（Embedding Model） 是将文本、图像等非结构化数据映射为高维稠密向量的神经网络模型，语义相近的内容在向量空间中距离更近。搜索系统通常用嵌入模型把查询和文档分别编码成向量，再通过向量相似度（如余弦相似度）检索候选结果，这一过程被称为语义检索或向量检索。嵌入模型的参数量、训练数据规模与向量维度会直接影响检索的召回率和语义泛化能力。Exa 3.0 采用“更大的嵌入模型”，意味着它能更细腻地刻画查询意图，减少关键词字面匹配带来的漏检与误检，尤其适合自然语言描述模糊、意图复杂的 AI Agent 查询场景。

Dynamic Highlights：用 95% 更少的 token 传递关键信息

Exa 3.0 引入了 Dynamic Highlights 功能，它能够从网页中动态提取与查询最相关的片段，而不是返回整页文本。官方数据显示，这种方式比返回完整页面文本节省 95% 的 token 消耗。

对于 AI Agent 而言，token 成本是长期运营的关键支出。Dynamic Highlights 不仅降低了成本，还减少了无关信息对模型上下文的干扰，有助于提升响应速度和准确性。开发者无需在信息完整性和成本之间做艰难取舍，Agent 可以更高效地处理搜索返回的内容。

Token 是大语言模型处理文本的基本计量单位，一个 token 大致对应英文的半个单词或中文的一到两个字。模型的上下文窗口、API 计费以及推理延迟都与 token 数量直接相关：输入越长，成本越高、响应越慢，且过多无关内容会稀释模型的注意力，导致关键信息被淹没。因此，在把网页内容喂给 Agent 之前先做“片段级”压缩，是控制成本与保证效果的关键手段。Dynamic Highlights 属于抽取式内容精简——保留原文中与查询最相关的句子或段落而非生成改写，因此既避免了摘要幻觉，又能大幅缩短上下文长度。

新定价分层：Exa Lite 每千次请求 4 美元

Exa 3.0 推出了全新的定价层级，进一步降低使用门槛。Exa Lite 定价为每 1,000 次请求 4 美元，适合对成本敏感或请求量大的场景；Exa Auto 定价为每 1,000 次请求 7 美元，可能提供更自动化的优化或更高质量的结果。目前这些新层级已通过 API 开放使用。

分层定价策略让不同规模的开发者都能找到适合自己的方案。初创团队或个人开发者可以从 Lite 起步，而需要更高搜索质量的企业则可以选择 Auto，灵活控制成本。

搜索 API 的计量方式通常分为按请求次数计费和按返回内容量（token 或字符数）计费两类。Exa 3.0 的定价以“每 1,000 次请求”为单位，而 Dynamic Highlights 又大幅压低了单次请求返回的文本量，两者叠加意味着开发者的实际单位信息成本进一步下降。对 Agent 应用而言，搜索往往是每次任务中最高频的外部调用，请求量与 token 量会随用户规模线性增长，因此在选型时需同时评估请求单价、返回内容体积和结果质量三个维度，分层定价正是让开发者按业务阶段做权衡的机制。

对 AI Agent 生态的影响

Exa 3.0 的更新反映了搜索 API 正在向“为 AI 优化”的方向演进。更丰富的文档库、更智能的片段提取以及更精细的成本控制，都是围绕 Agent 的实际需求设计的。随着 AI Agent 应用场景的不断扩展，搜索 API 不再只是返回链接，而是需要提供可直接被模型消费的高质量数据。

Exa 3.0 通过 Dynamic Highlights 和分层定价，在数据丰富度、成本和易用性之间找到了新的平衡点，有望推动更多开发者构建基于实时搜索的智能体应用。