WideSearch

WideSearch demande au modèle de remplir un tableau entier : à partir d’une requête et d’un schéma de colonnes imposé, il doit trouver chaque entité et chaque attribut, par exemple tous les lancements d’une famille de fusées avec leurs dates et leurs résultats. Ses 200 tâches (100 en anglais, 100 en chinois) sont évaluées strictement — une tâche n’est comptabilisée que si chaque ligne et chaque cellule correspondent au tableau de référence. Nous l’exécutons en gardant le même modèle et en faisant varier le moteur de recherche, le format des requêtes et le budget de recherche maximal. Là où BrowseComp explore en profondeur un seul fait caché, WideSearch couvre un large éventail de faits et d’attributs.

Dernière exécution de l’évaluation comparative 18 août 2026, 02:39 UTC

Article Projet Jeu de données

Fournisseurs de recherche: 4 fournisseurs de recherche; comparaison entre configurations
Modèles: 4 modèles; GPT-5.6 Luna, GPT-5.6 Sol, Claude Opus 5 et DeepSeek V4 Flash 0731
Configurations de test: 1 / 5 / 25; budgets de recherche et mode des plugins

Quelle configuration de recherche arrive en tête sur WideSearch ?

GPT-5.6 Sol · high, via Perplexity avec 25-turn au 11 août 2026 est en tête avec un score Item F1 de 84,0 %, la mesure de précision des éléments de réponse du banc d’essai. Les scores affichés sont arrondis à une décimale, de sorte que les configurations regroupées sont ex æquo en tête à cette précision d’affichage. La comparaison utilise les mêmes parcours SSR vérifiés et la même méthodologie WideSearch présentés ci-dessous.

Résultat gagnant

La configuration ayant obtenu le meilleur score, le détail de ce score et les meilleures alternatives en matière de rapport qualité-prix et de rapidité.

Qualité la plus élevée

Perplexity25-turn

GPT-5.6 Sol · high

84,0 %exactitude des éléments de réponse

Résultat gagnant en détail

Tableaux complets: 21,0 % · 21 sur 100
Tableaux incomplets: 79 sur 100
Coût / question: 0,83 $US
Temps moyen de génération / question: 2,3m

Meilleur rapport qualité-prix: 0,063 $US / question; Perplexity
GPT-5.6 Luna · xhigh5-turn de budget de recherche 80,0 % exactitude des éléments de réponse
Résultat de qualité le plus rapide: 1,9m / question; Perplexity
GPT-5.6 Sol · high1-turn de budget de recherche 79,8 % exactitude des éléments de réponse

Qualité et achèvement

L’exactitude des éléments de réponse est le critère principal ; le taux de réussite sur le tableau complet est affiché en dessous.

200 tâches · 100 en anglais · 100 en chinois

Perplexity

GPT-5.6 Sol · high 25-turn

84,0 %21,0 % tableaux complets

OpenAI Native

GPT-5.6 Sol · high 25-turn

81,8 %16,0 % tableaux complets

Parallel

GPT-5.6 Sol · high 25-turn

80,6 %16,5 % tableaux complets

Exa

GPT-5.6 Luna · xhigh 25-turn

78,0 %16,0 % tableaux complets

Exactitude des éléments de réponse Tableaux complets

Prix et vitesse

Comparez l’exactitude des éléments de réponse au coût et au temps moyen de génération ; les tableaux complets et les points de Pareto figurent dans chaque graphique.

Prix par rapport à la qualité

Coût moyen par question sur une échelle logarithmique. La courbe indique la meilleure qualité disponible à chaque niveau de prix.

Perplexity
OpenAI Native
Parallel
Exa

Perplexity, 25-turn : GPT-5.6 Luna · xhigh, 83,4 % exactitude des éléments de réponse, 22,0 % tableaux complets, 0,17 $US, sur la frontière d’efficacité et de qualité
Perplexity, 25-turn : GPT-5.6 Sol · high, 84,0 % exactitude des éléments de réponse, 21,0 % tableaux complets, 0,83 $US, sur la frontière d’efficacité et de qualité
Perplexity, 25-turn : Claude Opus 5 · high, 68,2 % exactitude des éléments de réponse, 20,2 % tableaux complets, 2,14 $US
Perplexity, 25-turn : DeepSeek V4 Flash 0731 · high, 77,1 % exactitude des éléments de réponse, 20,0 % tableaux complets, 0,10 $US
Perplexity, 5-turn : GPT-5.6 Luna · xhigh, 80,0 % exactitude des éléments de réponse, 18,0 % tableaux complets, 0,063 $US, sur la frontière d’efficacité et de qualité
Perplexity, 5-turn : GPT-5.6 Sol · high, 81,4 % exactitude des éléments de réponse, 18,0 % tableaux complets, 0,45 $US
Perplexity, 5-turn : DeepSeek V4 Flash 0731 · high, 72,1 % exactitude des éléments de réponse, 17,3 % tableaux complets, 0,050 $US, sur la frontière d’efficacité et de qualité
OpenAI Native, 5-turn : GPT-5.6 Sol · high, 78,4 % exactitude des éléments de réponse, 17,0 % tableaux complets, 0,53 $US
Parallel, 25-turn : GPT-5.6 Sol · high, 80,6 % exactitude des éléments de réponse, 16,5 % tableaux complets, 1,46 $US
Exa, 25-turn : GPT-5.6 Luna · xhigh, 78,0 % exactitude des éléments de réponse, 16,0 % tableaux complets, 0,22 $US
OpenAI Native, 25-turn : GPT-5.6 Sol · high, 81,8 % exactitude des éléments de réponse, 16,0 % tableaux complets, 0,98 $US
Exa, 25-turn : DeepSeek V4 Flash 0731 · high, 74,5 % exactitude des éléments de réponse, 15,0 % tableaux complets, 0,15 $US
Parallel, 25-turn : Claude Opus 5 · high, 65,9 % exactitude des éléments de réponse, 13,6 % tableaux complets, 4,42 $US
Parallel, 5-turn : GPT-5.6 Sol · high, 77,8 % exactitude des éléments de réponse, 13,5 % tableaux complets, 0,60 $US
Perplexity, 5-turn : Claude Opus 5 · high, 67,8 % exactitude des éléments de réponse, 13,1 % tableaux complets, 0,74 $US
Perplexity, 1-turn : GPT-5.6 Sol · high, 79,8 % exactitude des éléments de réponse, 13,0 % tableaux complets, 0,26 $US
Parallel, 1-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 13,0 % tableaux complets, 0,33 $US
OpenAI Native, 1-turn : GPT-5.6 Sol · high, 76,9 % exactitude des éléments de réponse, 13,0 % tableaux complets, 0,35 $US
Exa, 5-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 12,1 % tableaux complets, 0,62 $US
Exa, 25-turn : Claude Opus 5 · high, 67,0 % exactitude des éléments de réponse, 12,1 % tableaux complets, 1,85 $US
Exa, 5-turn : GPT-5.6 Luna · xhigh, 75,7 % exactitude des éléments de réponse, 12,0 % tableaux complets, 0,075 $US
Exa, 25-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 0,86 $US
Exa, 5-turn : GPT-5.6 Sol · high, 74,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 0,47 $US
Parallel, 5-turn : Claude Opus 5 · high, 65,2 % exactitude des éléments de réponse, 11,5 % tableaux complets, 0,95 $US
Parallel, 25-turn : GPT-5.6 Luna · xhigh, 74,4 % exactitude des éléments de réponse, 11,5 % tableaux complets, 0,12 $US
Perplexity, 1-turn : GPT-5.6 Luna · xhigh, 71,1 % exactitude des éléments de réponse, 11,0 % tableaux complets, 0,037 $US, sur la frontière d’efficacité et de qualité
Parallel, 5-turn : GPT-5.6 Luna · xhigh, 72,9 % exactitude des éléments de réponse, 11,0 % tableaux complets, 0,058 $US, sur la frontière d’efficacité et de qualité
Perplexity, 1-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 10,0 % tableaux complets, 0,23 $US
Parallel, 25-turn : DeepSeek V4 Flash 0731 · high, 71,2 % exactitude des éléments de réponse, 9,8 % tableaux complets, 0,089 $US
Exa, 5-turn : DeepSeek V4 Flash 0731 · high, 66,3 % exactitude des éléments de réponse, 9,2 % tableaux complets, 0,059 $US
Exa, 1-turn : GPT-5.6 Sol · high, 68,2 % exactitude des éléments de réponse, 8,5 % tableaux complets, 0,29 $US
Parallel, 1-turn : GPT-5.6 Luna · xhigh, 67,9 % exactitude des éléments de réponse, 8,5 % tableaux complets, 0,039 $US
Parallel, 1-turn : Claude Opus 5 · high, 61,7 % exactitude des éléments de réponse, 8,0 % tableaux complets, 0,26 $US
Exa, 1-turn : GPT-5.6 Luna · xhigh, 69,1 % exactitude des éléments de réponse, 8,0 % tableaux complets, 0,038 $US
Parallel, 5-turn : DeepSeek V4 Flash 0731 · high, 66,2 % exactitude des éléments de réponse, 8,0 % tableaux complets, 0,040 $US
Exa, 1-turn : Claude Opus 5 · high, 59,6 % exactitude des éléments de réponse, 5,5 % tableaux complets, 0,26 $US
Parallel, 1-turn : DeepSeek V4 Flash 0731 · high, 59,4 % exactitude des éléments de réponse, 4,0 % tableaux complets, 0,019 $US, sur la frontière d’efficacité et de qualité

Temps moyen de génération par rapport à la qualité

Temps moyen de génération par question, pondéré par le nombre d’échantillons. La courbe indique la meilleure qualité disponible pour chaque durée.

Perplexity
OpenAI Native
Parallel
Exa

Perplexity, 25-turn : GPT-5.6 Luna · xhigh, 83,4 % exactitude des éléments de réponse, 22,0 % tableaux complets, 2,7m
Perplexity, 25-turn : GPT-5.6 Sol · high, 84,0 % exactitude des éléments de réponse, 21,0 % tableaux complets, 2,3m, sur la frontière d’efficacité et de qualité
Perplexity, 25-turn : Claude Opus 5 · high, 68,2 % exactitude des éléments de réponse, 20,2 % tableaux complets, 2,5m
Perplexity, 25-turn : DeepSeek V4 Flash 0731 · high, 77,1 % exactitude des éléments de réponse, 20,0 % tableaux complets, 2,0m
Perplexity, 5-turn : GPT-5.6 Luna · xhigh, 80,0 % exactitude des éléments de réponse, 18,0 % tableaux complets, 2,4m
Perplexity, 5-turn : GPT-5.6 Sol · high, 81,4 % exactitude des éléments de réponse, 18,0 % tableaux complets, 2,2m, sur la frontière d’efficacité et de qualité
Perplexity, 5-turn : DeepSeek V4 Flash 0731 · high, 72,1 % exactitude des éléments de réponse, 17,3 % tableaux complets, 2,6m
OpenAI Native, 5-turn : GPT-5.6 Sol · high, 78,4 % exactitude des éléments de réponse, 17,0 % tableaux complets, 2,7m
Parallel, 25-turn : GPT-5.6 Sol · high, 80,6 % exactitude des éléments de réponse, 16,5 % tableaux complets, 2,7m
Exa, 25-turn : GPT-5.6 Luna · xhigh, 78,0 % exactitude des éléments de réponse, 16,0 % tableaux complets, 2,9m
OpenAI Native, 25-turn : GPT-5.6 Sol · high, 81,8 % exactitude des éléments de réponse, 16,0 % tableaux complets, 3,9m
Exa, 25-turn : DeepSeek V4 Flash 0731 · high, 74,5 % exactitude des éléments de réponse, 15,0 % tableaux complets, 2,3m
Parallel, 25-turn : Claude Opus 5 · high, 65,9 % exactitude des éléments de réponse, 13,6 % tableaux complets, 3,5m
Parallel, 5-turn : GPT-5.6 Sol · high, 77,8 % exactitude des éléments de réponse, 13,5 % tableaux complets, 2,6m
Perplexity, 5-turn : Claude Opus 5 · high, 67,8 % exactitude des éléments de réponse, 13,1 % tableaux complets, 1,8m, sur la frontière d’efficacité et de qualité
Perplexity, 1-turn : GPT-5.6 Sol · high, 79,8 % exactitude des éléments de réponse, 13,0 % tableaux complets, 1,9m, sur la frontière d’efficacité et de qualité
Parallel, 1-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 13,0 % tableaux complets, 2,0m
OpenAI Native, 1-turn : GPT-5.6 Sol · high, 76,9 % exactitude des éléments de réponse, 13,0 % tableaux complets, 2,7m
Exa, 5-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 12,1 % tableaux complets, 2,0m
Exa, 25-turn : Claude Opus 5 · high, 67,0 % exactitude des éléments de réponse, 12,1 % tableaux complets, 2,8m
Exa, 5-turn : GPT-5.6 Luna · xhigh, 75,7 % exactitude des éléments de réponse, 12,0 % tableaux complets, 2,4m
Exa, 25-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 3,4m
Exa, 5-turn : GPT-5.6 Sol · high, 74,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 3,1m
Parallel, 5-turn : Claude Opus 5 · high, 65,2 % exactitude des éléments de réponse, 11,5 % tableaux complets, 2,1m
Parallel, 25-turn : GPT-5.6 Luna · xhigh, 74,4 % exactitude des éléments de réponse, 11,5 % tableaux complets, 3,0m
Perplexity, 1-turn : GPT-5.6 Luna · xhigh, 71,1 % exactitude des éléments de réponse, 11,0 % tableaux complets, 2,4m
Parallel, 5-turn : GPT-5.6 Luna · xhigh, 72,9 % exactitude des éléments de réponse, 11,0 % tableaux complets, 2,5m
Perplexity, 1-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 10,0 % tableaux complets, 70s, sur la frontière d’efficacité et de qualité
Parallel, 25-turn : DeepSeek V4 Flash 0731 · high, 71,2 % exactitude des éléments de réponse, 9,8 % tableaux complets, 3,3m
Exa, 5-turn : DeepSeek V4 Flash 0731 · high, 66,3 % exactitude des éléments de réponse, 9,2 % tableaux complets, 2,8m
Exa, 1-turn : GPT-5.6 Sol · high, 68,2 % exactitude des éléments de réponse, 8,5 % tableaux complets, 2,8m
Parallel, 1-turn : GPT-5.6 Luna · xhigh, 67,9 % exactitude des éléments de réponse, 8,5 % tableaux complets, 2,5m
Parallel, 1-turn : Claude Opus 5 · high, 61,7 % exactitude des éléments de réponse, 8,0 % tableaux complets, 77s
Exa, 1-turn : GPT-5.6 Luna · xhigh, 69,1 % exactitude des éléments de réponse, 8,0 % tableaux complets, 2,4m
Parallel, 5-turn : DeepSeek V4 Flash 0731 · high, 66,2 % exactitude des éléments de réponse, 8,0 % tableaux complets, 2,9m
Exa, 1-turn : Claude Opus 5 · high, 59,6 % exactitude des éléments de réponse, 5,5 % tableaux complets, 90s
Parallel, 1-turn : DeepSeek V4 Flash 0731 · high, 59,4 % exactitude des éléments de réponse, 4,0 % tableaux complets, 1,8m

Comment le budget de recherche affecte-t-il l’exactitude des éléments de réponse ?

Découvrez comment l’exactitude de chaque élément de réponse évolue selon le budget de recherche ; le taux de réussite pour le tableau complet apparaît en dessous. Les cellules manquantes correspondent à des tests non exécutés.

Exactitude des éléments de réponse et taux de réussite des tableaux complets par fournisseur de recherche et budget de recherche (nombre maximal de tours de l’agent).
Fournisseur de recherche	1-turn	5-turn	25-turn
Perplexity	79,8 %13,0 % tableaux completsGPT-5.6 Sol · high	81,4 %18,0 % tableaux completsGPT-5.6 Sol · high	84,0 %21,0 % tableaux completsGPT-5.6 Sol · high
OpenAI Native	76,9 %13,0 % tableaux completsGPT-5.6 Sol · high	78,4 %17,0 % tableaux completsGPT-5.6 Sol · high	81,8 %16,0 % tableaux completsGPT-5.6 Sol · high
Parallel	77,4 %13,0 % tableaux completsGPT-5.6 Sol · high	77,8 %13,5 % tableaux completsGPT-5.6 Sol · high	80,6 %16,5 % tableaux completsGPT-5.6 Sol · high
Exa	69,1 %8,0 % tableaux completsGPT-5.6 Luna · xhigh	75,7 %12,0 % tableaux completsGPT-5.6 Luna · xhigh	78,0 %16,0 % tableaux completsGPT-5.6 Luna · xhigh

Toutes les configurations de recherche

Configurations vérifiées pour tous les modèles, classées par exactitude des éléments de réponse ; le taux de réussite sur le tableau complet et les intervalles sont également affichés.

Chaque configuration WideSearch vérifiée, classée par exactitude des éléments de réponse, puis par réussite du tableau complet et nombre de questions.
#	Modèle	Fournisseur de recherche	Budget de recherche	Effort de raisonnement	Exactitude des éléments de réponse	Tableaux complets	Coût / question	Temps moyen de génération / question	Questions
1	GPT-5.6 Sol	Perplexity	25-turn	high	84,0 %	21,0 %	0,83 $US	2,3m	100
2	GPT-5.6 Luna	Perplexity	25-turn	xhigh	83,4 %	22,0 %	0,17 $US	2,7m	100
3	GPT-5.6 Sol	OpenAI Native	25-turn	high	81,8 %	16,0 %	0,98 $US	3,9m	100
4	GPT-5.6 Sol	Perplexity	5-turn	high	81,4 %	18,0 %	0,45 $US	2,2m	100
5	GPT-5.6 Sol	Parallel	25-turn	high	80,6 %	16,5 %	1,46 $US	2,7m	200
6	GPT-5.6 Luna	Perplexity	5-turn	xhigh	80,0 %	18,0 %	0,063 $US	2,4m	100
7	GPT-5.6 Sol	Perplexity	1-turn	high	79,8 %	13,0 %	0,26 $US	1,9m	100
8	GPT-5.6 Sol	OpenAI Native	5-turn	high	78,4 %	17,0 %	0,53 $US	2,7m	100
9	GPT-5.6 Luna	Exa	25-turn	xhigh	78,0 %	16,0 %	0,22 $US	2,9m	100
10	GPT-5.6 Sol	Parallel	5-turn	high	77,8 %	13,5 %	0,60 $US	2,6m	200

Pourquoi nous réalisons cette évaluation comparative

WideSearch mesure l’étendue de la recherche. L’agent doit énumérer un ensemble complet d’entités, rechercher chaque attribut et produire un tableau structuré — une démarche plus proche des processus de recherche réels (études de marché, revues de littérature, tableaux comparatifs de la concurrence) que des questions de culture générale à réponse unique. La moitié des tâches sont en chinois, ce qui met aussi les moteurs à l’épreuve au-delà des résultats en anglais.

Nous l’exécutons en gardant le modèle fixe, car cela permet d’isoler les variables que les utilisateurs d’OpenRouter contrôlent réellement. Il s’agit du moteur qui traite les recherches, de l’exécution de la recherche sous forme d’outil serveur ou de plugin, et du nombre de tours d’agent autorisés dans la boucle. Ces paramètres sont précisément ceux que vous pouvez définir dans une requête aujourd’hui.

Ce que les scores peuvent et ne peuvent pas vous dire

Ces scores comparent des configurations de recherche, et non des produits d’agents. Le modèle lit uniquement des extraits des résultats de recherche, sans récupération de pages complètes ni outils de code, si bien que les valeurs absolues restent inférieures à celles des classements d’agents publiés, qui autorisent les deux. Comparez les configurations plutôt que les niveaux bruts.

Le score principal est l’exactitude des éléments de réponse, qui accorde un crédit partiel aux éléments de tableau correspondants afin que les réponses presque correctes restent visibles. Le taux de réussite strict WideSearch reste la mesure secondaire et exige que chaque ligne et chaque cellule du tableau soient correctes. Même les modèles de pointe obtiennent de faibles scores dans l’étude d’origine — l’article rapporte un taux de réussite d’environ 4,5 % avec un seul agent pour OpenAI o3 (Avg@4), avec une exactitude des éléments de réponse d’environ 52–58 % pour les meilleurs systèmes à agent unique. Les écarts entre moteurs inférieurs aux intervalles de confiance ne permettent pas de conclure, et le coût d’une configuration doit être considéré en parallèle de sa qualité.

Les questions sont publiques, ce qui signifie que la mémorisation peut gonfler les scores absolus au fil du temps ; les différences entre les configurations de recherche restent pertinentes, car toutes utilisent le même modèle.

Comment les tâches sont notées

Chaque tâche est une requête accompagnée d’un tableau de référence. Le tableau du modèle est analysé, ses lignes et ses colonnes sont alignées sur la référence par un modèle juge, et chaque cellule est comparée — correspondance exacte lorsque c’est possible, équivalence évaluée par le juge sinon. Une tâche ne réussit que si chaque ligne de référence est trouvée et que chaque cellule correspond, sans aucune ligne manquante ou supplémentaire.

reward = all_rows_aligned ∧ every_cell_correct   // ∈ {0, 1}
judge  = gpt-4.1 at temperature 0 for alignment and fuzzy cells
unparseable or empty tables score 0

Une configuration de recherche comprend un modèle, un moteur de recherche, un format de requête et un budget de recherche maximal. Les scores sont pondérés par le nombre de questions de chaque exécution vérifiée ; les petits tests de bon fonctionnement sont exclus.

Exemple d’exécution réelle

Exécutions historiques fixes, indépendantes du filtre de modèles ci-dessus. Les résultats longs et les métadonnées opérationnelles sont abrégés ; certaines requêtes peuvent être modifiées ou omises.

Tâche

Créer un tableau vérifié des cliniques de la région de Fresno

Make a comprehensive, verified list of abortion clinics operating in California during 2024 within 65 miles of E Fedora Ave in Fresno. Omit facilities that closed during 2024. Return clinic, county, full address, phone number, and Saturday hours in one Markdown table.

Il s’agit d’un aperçu historique des résultats d’évaluation de 2024, et non de recommandations actuelles concernant les services de santé.

Référence

Six rows: Planned Parenthood Fulton Street, FPA Women's Health Fresno, Planned Parenthood Family First, Planned Parenthood Madera, Planned Parenthood Merced, and FPA Women's Health Tulare. The reference marks only Fulton Street as open Saturday.

Exactitude des éléments de réponse : 62,2 %

ExaClaude Opus 4.8 1 turn

Réponse finale

Clinic	County	Address	Phone	Saturday hours
Planned Parenthood - Fulton Street	Fresno	650 N. Fulton Street, Fresno, CA 93728	(559) 488-4900	8:00 am - 4:30 pm
Planned Parenthood - Family First	Fresno	6095 N. 1st Street, Fresno, CA 93710	(559) 446-1515	8:00 am - 4:30 pm
FPA Women's Health - Fresno	Fresno	165 N. Clark Street, Fresno, CA 93701	(559) 233-8657	Not available

Ce qui s’est passé

The one-turn run found three of six clinics. Two rows were fully correct; Family First had the wrong Saturday hours. Answer-item accuracy was 62.2%, and the complete-table verdict was incorrect.

Méthodologie

Les exécutions ont lieu sur Kepler, le harness d’évaluation comparative d’OpenRouter, sur des points de terminaison de production. Les configurations d’outil serveur définissent un budget d’appels d’outil par requête pour l’ outil serveur de recherche web. Les configurations d’extension effectuent une seule recherche de la question avant l’inférence avec l’ extension de recherche web. Les moteurs utilisent les mêmes configurations par défaut que celles qui traitent le trafic de production.

Chaque exécution conserve le modèle exact, le moteur, le format de requête, le budget de recherche, le coût et les données de télémétrie temporelle disponibles. Les configurations manquantes restent absentes du tableau comparatif, et une télémétrie temporelle absente ou nulle n’est pas considérée comme une performance instantanée.

Télécharger et citer

Un instantané de ce classement est publié dans le jeu de données ouvert search-benchmark-lanes (filtrez sur la colonne benchmark ), régénéré daily sans qu’aucune clé API soit requise. L’instantané actuel a été généré le 2 nov. 2026, 01:45 UTC. Il est distribué sous licence CC BY 4.0, vous pouvez donc le réutiliser et le republier en mentionnant OpenRouter.

Télécharger le CSV (text/csv)
Télécharger le JSON (application/json)
Manifeste de l’instantané (Sommes de contrôle SHA-256 des fichiers ci-dessus)
Dernier manifeste (alias modifiable, mis à jour à mesure que les instantanés sont publiés)

Les définitions des colonnes, la méthodologie et les règles de masquage figurent dans le README du jeu de données.

Citer ce classement

OpenRouter (2026). Résultats de recherche WideSearch sur OpenRouter, instantané du 2026-11-02. https://openrouter.ai/benchmarks/widesearch. Sous licence CC BY 4.0.

Tous les tests de référence

WideSearch

Dernière exécution de l’évaluation comparative 18 août 2026, 02:39 UTC

Article Projet Jeu de données

Fournisseurs de recherche: 4 fournisseurs de recherche; comparaison entre configurations
Modèles: 4 modèles; GPT-5.6 Luna, GPT-5.6 Sol, Claude Opus 5 et DeepSeek V4 Flash 0731
Configurations de test: 1 / 5 / 25; budgets de recherche et mode des plugins

Quelle configuration de recherche arrive en tête sur WideSearch ?

Résultat gagnant

La configuration ayant obtenu le meilleur score, le détail de ce score et les meilleures alternatives en matière de rapport qualité-prix et de rapidité.

Qualité la plus élevée

Perplexity25-turn

GPT-5.6 Sol · high

84,0 %exactitude des éléments de réponse

Résultat gagnant en détail

Tableaux complets: 21,0 % · 21 sur 100
Tableaux incomplets: 79 sur 100
Coût / question: 0,83 $US
Temps moyen de génération / question: 2,3m

Meilleur rapport qualité-prix: 0,063 $US / question; Perplexity
GPT-5.6 Luna · xhigh5-turn de budget de recherche 80,0 % exactitude des éléments de réponse
Résultat de qualité le plus rapide: 1,9m / question; Perplexity
GPT-5.6 Sol · high1-turn de budget de recherche 79,8 % exactitude des éléments de réponse

Qualité et achèvement

L’exactitude des éléments de réponse est le critère principal ; le taux de réussite sur le tableau complet est affiché en dessous.

200 tâches · 100 en anglais · 100 en chinois

Perplexity

GPT-5.6 Sol · high 25-turn

84,0 %21,0 % tableaux complets

OpenAI Native

GPT-5.6 Sol · high 25-turn

81,8 %16,0 % tableaux complets

Parallel

GPT-5.6 Sol · high 25-turn

80,6 %16,5 % tableaux complets

Exa

GPT-5.6 Luna · xhigh 25-turn

78,0 %16,0 % tableaux complets

Exactitude des éléments de réponse Tableaux complets

Prix et vitesse

Comparez l’exactitude des éléments de réponse au coût et au temps moyen de génération ; les tableaux complets et les points de Pareto figurent dans chaque graphique.

Prix par rapport à la qualité

Coût moyen par question sur une échelle logarithmique. La courbe indique la meilleure qualité disponible à chaque niveau de prix.

Perplexity
OpenAI Native
Parallel
Exa

Perplexity, 25-turn : GPT-5.6 Luna · xhigh, 83,4 % exactitude des éléments de réponse, 22,0 % tableaux complets, 0,17 $US, sur la frontière d’efficacité et de qualité
Perplexity, 25-turn : GPT-5.6 Sol · high, 84,0 % exactitude des éléments de réponse, 21,0 % tableaux complets, 0,83 $US, sur la frontière d’efficacité et de qualité
Perplexity, 25-turn : Claude Opus 5 · high, 68,2 % exactitude des éléments de réponse, 20,2 % tableaux complets, 2,14 $US
Perplexity, 25-turn : DeepSeek V4 Flash 0731 · high, 77,1 % exactitude des éléments de réponse, 20,0 % tableaux complets, 0,10 $US
Perplexity, 5-turn : GPT-5.6 Luna · xhigh, 80,0 % exactitude des éléments de réponse, 18,0 % tableaux complets, 0,063 $US, sur la frontière d’efficacité et de qualité
Perplexity, 5-turn : GPT-5.6 Sol · high, 81,4 % exactitude des éléments de réponse, 18,0 % tableaux complets, 0,45 $US
Perplexity, 5-turn : DeepSeek V4 Flash 0731 · high, 72,1 % exactitude des éléments de réponse, 17,3 % tableaux complets, 0,050 $US, sur la frontière d’efficacité et de qualité
OpenAI Native, 5-turn : GPT-5.6 Sol · high, 78,4 % exactitude des éléments de réponse, 17,0 % tableaux complets, 0,53 $US
Parallel, 25-turn : GPT-5.6 Sol · high, 80,6 % exactitude des éléments de réponse, 16,5 % tableaux complets, 1,46 $US
Exa, 25-turn : GPT-5.6 Luna · xhigh, 78,0 % exactitude des éléments de réponse, 16,0 % tableaux complets, 0,22 $US
OpenAI Native, 25-turn : GPT-5.6 Sol · high, 81,8 % exactitude des éléments de réponse, 16,0 % tableaux complets, 0,98 $US
Exa, 25-turn : DeepSeek V4 Flash 0731 · high, 74,5 % exactitude des éléments de réponse, 15,0 % tableaux complets, 0,15 $US
Parallel, 25-turn : Claude Opus 5 · high, 65,9 % exactitude des éléments de réponse, 13,6 % tableaux complets, 4,42 $US
Parallel, 5-turn : GPT-5.6 Sol · high, 77,8 % exactitude des éléments de réponse, 13,5 % tableaux complets, 0,60 $US
Perplexity, 5-turn : Claude Opus 5 · high, 67,8 % exactitude des éléments de réponse, 13,1 % tableaux complets, 0,74 $US
Perplexity, 1-turn : GPT-5.6 Sol · high, 79,8 % exactitude des éléments de réponse, 13,0 % tableaux complets, 0,26 $US
Parallel, 1-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 13,0 % tableaux complets, 0,33 $US
OpenAI Native, 1-turn : GPT-5.6 Sol · high, 76,9 % exactitude des éléments de réponse, 13,0 % tableaux complets, 0,35 $US
Exa, 5-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 12,1 % tableaux complets, 0,62 $US
Exa, 25-turn : Claude Opus 5 · high, 67,0 % exactitude des éléments de réponse, 12,1 % tableaux complets, 1,85 $US
Exa, 5-turn : GPT-5.6 Luna · xhigh, 75,7 % exactitude des éléments de réponse, 12,0 % tableaux complets, 0,075 $US
Exa, 25-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 0,86 $US
Exa, 5-turn : GPT-5.6 Sol · high, 74,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 0,47 $US
Parallel, 5-turn : Claude Opus 5 · high, 65,2 % exactitude des éléments de réponse, 11,5 % tableaux complets, 0,95 $US
Parallel, 25-turn : GPT-5.6 Luna · xhigh, 74,4 % exactitude des éléments de réponse, 11,5 % tableaux complets, 0,12 $US
Perplexity, 1-turn : GPT-5.6 Luna · xhigh, 71,1 % exactitude des éléments de réponse, 11,0 % tableaux complets, 0,037 $US, sur la frontière d’efficacité et de qualité
Parallel, 5-turn : GPT-5.6 Luna · xhigh, 72,9 % exactitude des éléments de réponse, 11,0 % tableaux complets, 0,058 $US, sur la frontière d’efficacité et de qualité
Perplexity, 1-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 10,0 % tableaux complets, 0,23 $US
Parallel, 25-turn : DeepSeek V4 Flash 0731 · high, 71,2 % exactitude des éléments de réponse, 9,8 % tableaux complets, 0,089 $US
Exa, 5-turn : DeepSeek V4 Flash 0731 · high, 66,3 % exactitude des éléments de réponse, 9,2 % tableaux complets, 0,059 $US
Exa, 1-turn : GPT-5.6 Sol · high, 68,2 % exactitude des éléments de réponse, 8,5 % tableaux complets, 0,29 $US
Parallel, 1-turn : GPT-5.6 Luna · xhigh, 67,9 % exactitude des éléments de réponse, 8,5 % tableaux complets, 0,039 $US
Parallel, 1-turn : Claude Opus 5 · high, 61,7 % exactitude des éléments de réponse, 8,0 % tableaux complets, 0,26 $US
Exa, 1-turn : GPT-5.6 Luna · xhigh, 69,1 % exactitude des éléments de réponse, 8,0 % tableaux complets, 0,038 $US
Parallel, 5-turn : DeepSeek V4 Flash 0731 · high, 66,2 % exactitude des éléments de réponse, 8,0 % tableaux complets, 0,040 $US
Exa, 1-turn : Claude Opus 5 · high, 59,6 % exactitude des éléments de réponse, 5,5 % tableaux complets, 0,26 $US
Parallel, 1-turn : DeepSeek V4 Flash 0731 · high, 59,4 % exactitude des éléments de réponse, 4,0 % tableaux complets, 0,019 $US, sur la frontière d’efficacité et de qualité

Temps moyen de génération par rapport à la qualité

Temps moyen de génération par question, pondéré par le nombre d’échantillons. La courbe indique la meilleure qualité disponible pour chaque durée.

Perplexity
OpenAI Native
Parallel
Exa

Perplexity, 25-turn : GPT-5.6 Luna · xhigh, 83,4 % exactitude des éléments de réponse, 22,0 % tableaux complets, 2,7m
Perplexity, 25-turn : GPT-5.6 Sol · high, 84,0 % exactitude des éléments de réponse, 21,0 % tableaux complets, 2,3m, sur la frontière d’efficacité et de qualité
Perplexity, 25-turn : Claude Opus 5 · high, 68,2 % exactitude des éléments de réponse, 20,2 % tableaux complets, 2,5m
Perplexity, 25-turn : DeepSeek V4 Flash 0731 · high, 77,1 % exactitude des éléments de réponse, 20,0 % tableaux complets, 2,0m
Perplexity, 5-turn : GPT-5.6 Luna · xhigh, 80,0 % exactitude des éléments de réponse, 18,0 % tableaux complets, 2,4m
Perplexity, 5-turn : GPT-5.6 Sol · high, 81,4 % exactitude des éléments de réponse, 18,0 % tableaux complets, 2,2m, sur la frontière d’efficacité et de qualité
Perplexity, 5-turn : DeepSeek V4 Flash 0731 · high, 72,1 % exactitude des éléments de réponse, 17,3 % tableaux complets, 2,6m
OpenAI Native, 5-turn : GPT-5.6 Sol · high, 78,4 % exactitude des éléments de réponse, 17,0 % tableaux complets, 2,7m
Parallel, 25-turn : GPT-5.6 Sol · high, 80,6 % exactitude des éléments de réponse, 16,5 % tableaux complets, 2,7m
Exa, 25-turn : GPT-5.6 Luna · xhigh, 78,0 % exactitude des éléments de réponse, 16,0 % tableaux complets, 2,9m
OpenAI Native, 25-turn : GPT-5.6 Sol · high, 81,8 % exactitude des éléments de réponse, 16,0 % tableaux complets, 3,9m
Exa, 25-turn : DeepSeek V4 Flash 0731 · high, 74,5 % exactitude des éléments de réponse, 15,0 % tableaux complets, 2,3m
Parallel, 25-turn : Claude Opus 5 · high, 65,9 % exactitude des éléments de réponse, 13,6 % tableaux complets, 3,5m
Parallel, 5-turn : GPT-5.6 Sol · high, 77,8 % exactitude des éléments de réponse, 13,5 % tableaux complets, 2,6m
Perplexity, 5-turn : Claude Opus 5 · high, 67,8 % exactitude des éléments de réponse, 13,1 % tableaux complets, 1,8m, sur la frontière d’efficacité et de qualité
Perplexity, 1-turn : GPT-5.6 Sol · high, 79,8 % exactitude des éléments de réponse, 13,0 % tableaux complets, 1,9m, sur la frontière d’efficacité et de qualité
Parallel, 1-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 13,0 % tableaux complets, 2,0m
OpenAI Native, 1-turn : GPT-5.6 Sol · high, 76,9 % exactitude des éléments de réponse, 13,0 % tableaux complets, 2,7m
Exa, 5-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 12,1 % tableaux complets, 2,0m
Exa, 25-turn : Claude Opus 5 · high, 67,0 % exactitude des éléments de réponse, 12,1 % tableaux complets, 2,8m
Exa, 5-turn : GPT-5.6 Luna · xhigh, 75,7 % exactitude des éléments de réponse, 12,0 % tableaux complets, 2,4m
Exa, 25-turn : GPT-5.6 Sol · high, 77,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 3,4m
Exa, 5-turn : GPT-5.6 Sol · high, 74,4 % exactitude des éléments de réponse, 11,6 % tableaux complets, 3,1m
Parallel, 5-turn : Claude Opus 5 · high, 65,2 % exactitude des éléments de réponse, 11,5 % tableaux complets, 2,1m
Parallel, 25-turn : GPT-5.6 Luna · xhigh, 74,4 % exactitude des éléments de réponse, 11,5 % tableaux complets, 3,0m
Perplexity, 1-turn : GPT-5.6 Luna · xhigh, 71,1 % exactitude des éléments de réponse, 11,0 % tableaux complets, 2,4m
Parallel, 5-turn : GPT-5.6 Luna · xhigh, 72,9 % exactitude des éléments de réponse, 11,0 % tableaux complets, 2,5m
Perplexity, 1-turn : Claude Opus 5 · high, 65,8 % exactitude des éléments de réponse, 10,0 % tableaux complets, 70s, sur la frontière d’efficacité et de qualité
Parallel, 25-turn : DeepSeek V4 Flash 0731 · high, 71,2 % exactitude des éléments de réponse, 9,8 % tableaux complets, 3,3m
Exa, 5-turn : DeepSeek V4 Flash 0731 · high, 66,3 % exactitude des éléments de réponse, 9,2 % tableaux complets, 2,8m
Exa, 1-turn : GPT-5.6 Sol · high, 68,2 % exactitude des éléments de réponse, 8,5 % tableaux complets, 2,8m
Parallel, 1-turn : GPT-5.6 Luna · xhigh, 67,9 % exactitude des éléments de réponse, 8,5 % tableaux complets, 2,5m
Parallel, 1-turn : Claude Opus 5 · high, 61,7 % exactitude des éléments de réponse, 8,0 % tableaux complets, 77s
Exa, 1-turn : GPT-5.6 Luna · xhigh, 69,1 % exactitude des éléments de réponse, 8,0 % tableaux complets, 2,4m
Parallel, 5-turn : DeepSeek V4 Flash 0731 · high, 66,2 % exactitude des éléments de réponse, 8,0 % tableaux complets, 2,9m
Exa, 1-turn : Claude Opus 5 · high, 59,6 % exactitude des éléments de réponse, 5,5 % tableaux complets, 90s
Parallel, 1-turn : DeepSeek V4 Flash 0731 · high, 59,4 % exactitude des éléments de réponse, 4,0 % tableaux complets, 1,8m

Comment le budget de recherche affecte-t-il l’exactitude des éléments de réponse ?

Exactitude des éléments de réponse et taux de réussite des tableaux complets par fournisseur de recherche et budget de recherche (nombre maximal de tours de l’agent).
Fournisseur de recherche	1-turn	5-turn	25-turn
Perplexity	79,8 %13,0 % tableaux completsGPT-5.6 Sol · high	81,4 %18,0 % tableaux completsGPT-5.6 Sol · high	84,0 %21,0 % tableaux completsGPT-5.6 Sol · high
OpenAI Native	76,9 %13,0 % tableaux completsGPT-5.6 Sol · high	78,4 %17,0 % tableaux completsGPT-5.6 Sol · high	81,8 %16,0 % tableaux completsGPT-5.6 Sol · high
Parallel	77,4 %13,0 % tableaux completsGPT-5.6 Sol · high	77,8 %13,5 % tableaux completsGPT-5.6 Sol · high	80,6 %16,5 % tableaux completsGPT-5.6 Sol · high
Exa	69,1 %8,0 % tableaux completsGPT-5.6 Luna · xhigh	75,7 %12,0 % tableaux completsGPT-5.6 Luna · xhigh	78,0 %16,0 % tableaux completsGPT-5.6 Luna · xhigh

Toutes les configurations de recherche

Configurations vérifiées pour tous les modèles, classées par exactitude des éléments de réponse ; le taux de réussite sur le tableau complet et les intervalles sont également affichés.

Chaque configuration WideSearch vérifiée, classée par exactitude des éléments de réponse, puis par réussite du tableau complet et nombre de questions.
#	Modèle	Fournisseur de recherche	Budget de recherche	Effort de raisonnement	Exactitude des éléments de réponse	Tableaux complets	Coût / question	Temps moyen de génération / question	Questions
1	GPT-5.6 Sol	Perplexity	25-turn	high	84,0 %	21,0 %	0,83 $US	2,3m	100
2	GPT-5.6 Luna	Perplexity	25-turn	xhigh	83,4 %	22,0 %	0,17 $US	2,7m	100
3	GPT-5.6 Sol	OpenAI Native	25-turn	high	81,8 %	16,0 %	0,98 $US	3,9m	100
4	GPT-5.6 Sol	Perplexity	5-turn	high	81,4 %	18,0 %	0,45 $US	2,2m	100
5	GPT-5.6 Sol	Parallel	25-turn	high	80,6 %	16,5 %	1,46 $US	2,7m	200
6	GPT-5.6 Luna	Perplexity	5-turn	xhigh	80,0 %	18,0 %	0,063 $US	2,4m	100
7	GPT-5.6 Sol	Perplexity	1-turn	high	79,8 %	13,0 %	0,26 $US	1,9m	100
8	GPT-5.6 Sol	OpenAI Native	5-turn	high	78,4 %	17,0 %	0,53 $US	2,7m	100
9	GPT-5.6 Luna	Exa	25-turn	xhigh	78,0 %	16,0 %	0,22 $US	2,9m	100
10	GPT-5.6 Sol	Parallel	5-turn	high	77,8 %	13,5 %	0,60 $US	2,6m	200

Pourquoi nous réalisons cette évaluation comparative

Ce que les scores peuvent et ne peuvent pas vous dire

Comment les tâches sont notées

reward = all_rows_aligned ∧ every_cell_correct   // ∈ {0, 1}
judge  = gpt-4.1 at temperature 0 for alignment and fuzzy cells
unparseable or empty tables score 0

Exemple d’exécution réelle

Tâche

Créer un tableau vérifié des cliniques de la région de Fresno

Il s’agit d’un aperçu historique des résultats d’évaluation de 2024, et non de recommandations actuelles concernant les services de santé.

Référence

Exactitude des éléments de réponse : 62,2 %

ExaClaude Opus 4.8 1 turn

Réponse finale

Clinic	County	Address	Phone	Saturday hours
Planned Parenthood - Fulton Street	Fresno	650 N. Fulton Street, Fresno, CA 93728	(559) 488-4900	8:00 am - 4:30 pm
Planned Parenthood - Family First	Fresno	6095 N. 1st Street, Fresno, CA 93710	(559) 446-1515	8:00 am - 4:30 pm
FPA Women's Health - Fresno	Fresno	165 N. Clark Street, Fresno, CA 93701	(559) 233-8657	Not available

Ce qui s’est passé

The one-turn run found three of six clinics. Two rows were fully correct; Family First had the wrong Saturday hours. Answer-item accuracy was 62.2%, and the complete-table verdict was incorrect.

Méthodologie

Télécharger et citer

Télécharger le CSV (text/csv)
Télécharger le JSON (application/json)
Manifeste de l’instantané (Sommes de contrôle SHA-256 des fichiers ci-dessus)
Dernier manifeste (alias modifiable, mis à jour à mesure que les instantanés sont publiés)

Les définitions des colonnes, la méthodologie et les règles de masquage figurent dans le README du jeu de données.

Citer ce classement

OpenRouter (2026). Résultats de recherche WideSearch sur OpenRouter, instantané du 2026-11-02. https://openrouter.ai/benchmarks/widesearch. Sous licence CC BY 4.0.

WideSearch

Quelle configuration de recherche arrive en tête sur WideSearch ?

Prix par rapport à la qualité

Temps moyen de génération par rapport à la qualité

Pourquoi nous réalisons cette évaluation comparative

Ce que les scores peuvent et ne peuvent pas vous dire

Comment les tâches sont notées

Exemple d’exécution réelle

Créer un tableau vérifié des cliniques de la région de Fresno

Recherches sélectionnées : 2 sur 2 affichées

Méthodologie

Télécharger et citer

Citer ce classement

WideSearch

Quelle configuration de recherche arrive en tête sur WideSearch ?

Prix par rapport à la qualité

Temps moyen de génération par rapport à la qualité

Pourquoi nous réalisons cette évaluation comparative

Ce que les scores peuvent et ne peuvent pas vous dire

Comment les tâches sont notées

Exemple d’exécution réelle

Créer un tableau vérifié des cliniques de la région de Fresno

Recherches sélectionnées : 2 sur 2 affichées

Méthodologie

Télécharger et citer

Citer ce classement