据动察 Beating ตรวจสอบพบว่า OpenRouter เปิดตัว Web Search Benchmarks เพื่อทดสอบโดยเฉพาะว่าควรกำหนดค่าการค้นหาออนไลน์ของ AI อย่างไร รอบแรกครอบคลุม Exa, Parallel, Perplexity และการค้นหาในตัวของโมเดล พร้อมจับคู่กับโมเดลอย่าง GPT-5.6 Sol, Claude Opus 5, DeepSeek V4 Flash เพื่อเปรียบเทียบความแม่นยำ ต้นทุน และความเร็วในการประเมินการค้นหา 4 ชุด
ผลลัพธ์ที่ชัดเจนที่สุดคือ: จำนวนรอบการค้นหาสำคัญกว่าการเปลี่ยนเสิร์ชเอนจิน ในโจทย์ยากอย่าง BrowseComp การเพิ่มขีดจำกัดการค้นหาจาก 1 รอบเป็น 25 รอบ คะแนนจะเพิ่มขึ้นประมาณเท่าตัว ขณะที่ต้นทุนต่อโจทย์เพิ่มขึ้นประมาณ 2.5 ถึง 7 เท่า เช่น Claude Opus 5 จับคู่กับ Perplexity เพิ่มจาก 35.8% ใน 1 รอบเป็น 89.0% ใน 25 รอบ
ตัวโมเดลเองก็สำคัญกว่าเสิร์ชเอนจินเช่นกัน หากคงเงื่อนไขอื่นไว้เท่าเดิม การเปลี่ยนโมเดลเฉลี่ยจะสร้างความแตกต่างประมาณ 15 คะแนน ขณะที่การเปลี่ยนเสิร์ชเอนจินอย่าง Exa, Parallel, Perplexity เฉลี่ยมีผลประมาณ 10 คะแนน การค้นหาในตัวของผู้ผลิตโมเดลก็ไม่จำเป็นต้องดีที่สุดเสมอไป ขึ้นอยู่กับงานเฉพาะ
แต่การค้นหามากขึ้นไม่จำเป็นต้องคุ้มค่าเสมอไป ใน BrowseComp เมื่อตอบถูก โมเดลจะค้นหาเฉลี่ย 10.3 ครั้ง แต่เมื่อตอบผิดกลับค้นหามากถึง 19.7 ครั้ง สำหรับงานที่ยากจะหาคำตอบได้อยู่แล้ว การปล่อยจำนวนการค้นหาให้มากขึ้น อาจทำให้ Agent ล้มเหลวด้วยต้นทุนที่แพงขึ้นเท่านั้น
