WideSearch

WideSearch はモデルに表全体を埋めるよう求めるもので、クエリと必須の列スキーマが与えられると、ロケットシリーズのすべての打ち上げとその日付や結果など、すべてのエンティティと属性を見つける必要があります。200 件のタスク（英語 100 件、中国語 100 件）は厳密に採点され、すべての行とすべてのセルが参照表と一致した場合にのみ、タスクが正解とみなされます。モデルを固定したまま、検索エンジン、リクエスト形式、検索予算の上限を変えて実行します。BrowseComp が隠れた事実を深く掘り下げるのに対し、WideSearch は多くの事実と属性を幅広く調べます。

前回のベンチマーク実行 2026/08/18 2:39 UTC

論文プロジェクトデータセット

検索プロバイダー: 4 検索プロバイダー; 構成間で比較
モデル: 4 個のモデル; GPT-5.6 Luna、GPT-5.6 Sol、Claude Opus 5、DeepSeek V4 Flash 0731
テスト構成: 1 / 5 / 25; 検索予算とプラグインモード

最優秀の結果

最高スコアを獲得した構成、そのスコアの内訳、そしてコストパフォーマンスと速度で最も優れた代替候補です。

最高品質

Perplexity25-turn

GPT-5.6 Sol · high

84.0%回答項目の正解率

最良結果の詳細

完全な表: 21.0% · 100 件中 21 件
未完成の表: 100 件中 79 件
質問あたりの費用: $0.83
質問あたりの平均生成時間: 2.3m

最高のコストパフォーマンス: $0.063 / 質問; Perplexity
GPT-5.6 Luna · xhigh検索予算 5-turn 80.0% 回答項目の正解率
最速の高品質な結果: 1.9m / 質問; Perplexity
GPT-5.6 Sol · high検索予算 1-turn 79.8% 回答項目の正解率

品質と完了

回答項目の正解率を主指標とし、表全体の成功率をその下に表示します。

200 件のタスク · 英語 100 件 · 中国語 100 件

Perplexity

GPT-5.6 Sol · high 25-turn

84.0%21.0% 個の完成したテーブル

OpenAI Native

GPT-5.6 Sol · high 25-turn

81.8%16.0% 個の完成したテーブル

Parallel

GPT-5.6 Sol · high 25-turn

80.6%16.5% 個の完成したテーブル

Exa

GPT-5.6 Luna · xhigh 25-turn

78.0%16.0% 個の完成したテーブル

回答項目の正確性完成したテーブル

価格と速度

回答項目の正確性をコストおよび平均生成時間と比較でき、各チャートには完全な表とパレート点が表示されます。

価格と品質の比較

質問あたりの平均コストを対数スケールで表示しています。線は、各価格帯で得られる最高の品質を示しています。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity、 25-turn： GPT-5.6 Luna · xhigh、 83.4% 回答項目の正確性、 22.0% 完全な表、 $0.17、効率と品質のフロンティア上
Perplexity、 25-turn： GPT-5.6 Sol · high、 84.0% 回答項目の正確性、 21.0% 完全な表、 $0.83、効率と品質のフロンティア上
Perplexity、 25-turn： Claude Opus 5 · high、 68.2% 回答項目の正確性、 20.2% 完全な表、 $2.14
Perplexity、 25-turn： DeepSeek V4 Flash 0731 · high、 77.1% 回答項目の正確性、 20.0% 完全な表、 $0.10
Perplexity、 5-turn： GPT-5.6 Luna · xhigh、 80.0% 回答項目の正確性、 18.0% 完全な表、 $0.063、効率と品質のフロンティア上
Perplexity、 5-turn： GPT-5.6 Sol · high、 81.4% 回答項目の正確性、 18.0% 完全な表、 $0.45
Perplexity、 5-turn： DeepSeek V4 Flash 0731 · high、 72.1% 回答項目の正確性、 17.3% 完全な表、 $0.050、効率と品質のフロンティア上
OpenAI Native、 5-turn： GPT-5.6 Sol · high、 78.4% 回答項目の正確性、 17.0% 完全な表、 $0.53
Parallel、 25-turn： GPT-5.6 Sol · high、 80.6% 回答項目の正確性、 16.5% 完全な表、 $1.46
Exa、 25-turn： GPT-5.6 Luna · xhigh、 78.0% 回答項目の正確性、 16.0% 完全な表、 $0.22
OpenAI Native、 25-turn： GPT-5.6 Sol · high、 81.8% 回答項目の正確性、 16.0% 完全な表、 $0.98
Exa、 25-turn： DeepSeek V4 Flash 0731 · high、 74.5% 回答項目の正確性、 15.0% 完全な表、 $0.15
Parallel、 25-turn： Claude Opus 5 · high、 65.9% 回答項目の正確性、 13.6% 完全な表、 $4.42
Parallel、 5-turn： GPT-5.6 Sol · high、 77.8% 回答項目の正確性、 13.5% 完全な表、 $0.60
Perplexity、 5-turn： Claude Opus 5 · high、 67.8% 回答項目の正確性、 13.1% 完全な表、 $0.74
Perplexity、 1-turn： GPT-5.6 Sol · high、 79.8% 回答項目の正確性、 13.0% 完全な表、 $0.26
Parallel、 1-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 13.0% 完全な表、 $0.33
OpenAI Native、 1-turn： GPT-5.6 Sol · high、 76.9% 回答項目の正確性、 13.0% 完全な表、 $0.35
Exa、 5-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 12.1% 完全な表、 $0.62
Exa、 25-turn： Claude Opus 5 · high、 67.0% 回答項目の正確性、 12.1% 完全な表、 $1.85
Exa、 5-turn： GPT-5.6 Luna · xhigh、 75.7% 回答項目の正確性、 12.0% 完全な表、 $0.075
Exa、 25-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 11.6% 完全な表、 $0.86
Exa、 5-turn： GPT-5.6 Sol · high、 74.4% 回答項目の正確性、 11.6% 完全な表、 $0.47
Parallel、 5-turn： Claude Opus 5 · high、 65.2% 回答項目の正確性、 11.5% 完全な表、 $0.95
Parallel、 25-turn： GPT-5.6 Luna · xhigh、 74.4% 回答項目の正確性、 11.5% 完全な表、 $0.12
Perplexity、 1-turn： GPT-5.6 Luna · xhigh、 71.1% 回答項目の正確性、 11.0% 完全な表、 $0.037、効率と品質のフロンティア上
Parallel、 5-turn： GPT-5.6 Luna · xhigh、 72.9% 回答項目の正確性、 11.0% 完全な表、 $0.058、効率と品質のフロンティア上
Perplexity、 1-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 10.0% 完全な表、 $0.23
Parallel、 25-turn： DeepSeek V4 Flash 0731 · high、 71.2% 回答項目の正確性、 9.8% 完全な表、 $0.089
Exa、 5-turn： DeepSeek V4 Flash 0731 · high、 66.3% 回答項目の正確性、 9.2% 完全な表、 $0.059
Exa、 1-turn： GPT-5.6 Sol · high、 68.2% 回答項目の正確性、 8.5% 完全な表、 $0.29
Parallel、 1-turn： GPT-5.6 Luna · xhigh、 67.9% 回答項目の正確性、 8.5% 完全な表、 $0.039
Parallel、 1-turn： Claude Opus 5 · high、 61.7% 回答項目の正確性、 8.0% 完全な表、 $0.26
Exa、 1-turn： GPT-5.6 Luna · xhigh、 69.1% 回答項目の正確性、 8.0% 完全な表、 $0.038
Parallel、 5-turn： DeepSeek V4 Flash 0731 · high、 66.2% 回答項目の正確性、 8.0% 完全な表、 $0.040
Exa、 1-turn： Claude Opus 5 · high、 59.6% 回答項目の正確性、 5.5% 完全な表、 $0.26
Parallel、 1-turn： DeepSeek V4 Flash 0731 · high、 59.4% 回答項目の正確性、 4.0% 完全な表、 $0.019、効率と品質のフロンティア上

平均生成時間と品質の比較

質問あたりの生成時間のサンプル数で重み付けした平均です。線は、各時間水準で利用可能な最高品質を示しています。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity、 25-turn： GPT-5.6 Luna · xhigh、 83.4% 回答項目の正確性、 22.0% 完全な表、 2.7m
Perplexity、 25-turn： GPT-5.6 Sol · high、 84.0% 回答項目の正確性、 21.0% 完全な表、 2.3m、効率と品質のフロンティア上
Perplexity、 25-turn： Claude Opus 5 · high、 68.2% 回答項目の正確性、 20.2% 完全な表、 2.5m
Perplexity、 25-turn： DeepSeek V4 Flash 0731 · high、 77.1% 回答項目の正確性、 20.0% 完全な表、 2.0m
Perplexity、 5-turn： GPT-5.6 Luna · xhigh、 80.0% 回答項目の正確性、 18.0% 完全な表、 2.4m
Perplexity、 5-turn： GPT-5.6 Sol · high、 81.4% 回答項目の正確性、 18.0% 完全な表、 2.2m、効率と品質のフロンティア上
Perplexity、 5-turn： DeepSeek V4 Flash 0731 · high、 72.1% 回答項目の正確性、 17.3% 完全な表、 2.6m
OpenAI Native、 5-turn： GPT-5.6 Sol · high、 78.4% 回答項目の正確性、 17.0% 完全な表、 2.7m
Parallel、 25-turn： GPT-5.6 Sol · high、 80.6% 回答項目の正確性、 16.5% 完全な表、 2.7m
Exa、 25-turn： GPT-5.6 Luna · xhigh、 78.0% 回答項目の正確性、 16.0% 完全な表、 2.9m
OpenAI Native、 25-turn： GPT-5.6 Sol · high、 81.8% 回答項目の正確性、 16.0% 完全な表、 3.9m
Exa、 25-turn： DeepSeek V4 Flash 0731 · high、 74.5% 回答項目の正確性、 15.0% 完全な表、 2.3m
Parallel、 25-turn： Claude Opus 5 · high、 65.9% 回答項目の正確性、 13.6% 完全な表、 3.5m
Parallel、 5-turn： GPT-5.6 Sol · high、 77.8% 回答項目の正確性、 13.5% 完全な表、 2.6m
Perplexity、 5-turn： Claude Opus 5 · high、 67.8% 回答項目の正確性、 13.1% 完全な表、 1.8m、効率と品質のフロンティア上
Perplexity、 1-turn： GPT-5.6 Sol · high、 79.8% 回答項目の正確性、 13.0% 完全な表、 1.9m、効率と品質のフロンティア上
Parallel、 1-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 13.0% 完全な表、 2.0m
OpenAI Native、 1-turn： GPT-5.6 Sol · high、 76.9% 回答項目の正確性、 13.0% 完全な表、 2.7m
Exa、 5-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 12.1% 完全な表、 2.0m
Exa、 25-turn： Claude Opus 5 · high、 67.0% 回答項目の正確性、 12.1% 完全な表、 2.8m
Exa、 5-turn： GPT-5.6 Luna · xhigh、 75.7% 回答項目の正確性、 12.0% 完全な表、 2.4m
Exa、 25-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 11.6% 完全な表、 3.4m
Exa、 5-turn： GPT-5.6 Sol · high、 74.4% 回答項目の正確性、 11.6% 完全な表、 3.1m
Parallel、 5-turn： Claude Opus 5 · high、 65.2% 回答項目の正確性、 11.5% 完全な表、 2.1m
Parallel、 25-turn： GPT-5.6 Luna · xhigh、 74.4% 回答項目の正確性、 11.5% 完全な表、 3.0m
Perplexity、 1-turn： GPT-5.6 Luna · xhigh、 71.1% 回答項目の正確性、 11.0% 完全な表、 2.4m
Parallel、 5-turn： GPT-5.6 Luna · xhigh、 72.9% 回答項目の正確性、 11.0% 完全な表、 2.5m
Perplexity、 1-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 10.0% 完全な表、 70s、効率と品質のフロンティア上
Parallel、 25-turn： DeepSeek V4 Flash 0731 · high、 71.2% 回答項目の正確性、 9.8% 完全な表、 3.3m
Exa、 5-turn： DeepSeek V4 Flash 0731 · high、 66.3% 回答項目の正確性、 9.2% 完全な表、 2.8m
Exa、 1-turn： GPT-5.6 Sol · high、 68.2% 回答項目の正確性、 8.5% 完全な表、 2.8m
Parallel、 1-turn： GPT-5.6 Luna · xhigh、 67.9% 回答項目の正確性、 8.5% 完全な表、 2.5m
Parallel、 1-turn： Claude Opus 5 · high、 61.7% 回答項目の正確性、 8.0% 完全な表、 77s
Exa、 1-turn： GPT-5.6 Luna · xhigh、 69.1% 回答項目の正確性、 8.0% 完全な表、 2.4m
Parallel、 5-turn： DeepSeek V4 Flash 0731 · high、 66.2% 回答項目の正確性、 8.0% 完全な表、 2.9m
Exa、 1-turn： Claude Opus 5 · high、 59.6% 回答項目の正確性、 5.5% 完全な表、 90s
Parallel、 1-turn： DeepSeek V4 Flash 0731 · high、 59.4% 回答項目の正確性、 4.0% 完全な表、 1.8m

検索予算は回答項目の正確性にどのように影響しますか？

検索予算による回答項目の正確性の変化を確認でき、その下には表全体の成功率が表示されます。空欄のセルは未実行です。

検索プロバイダーと検索予算（エージェントの最大ターン数）別の回答項目の正確性と表全体の成功率。
検索プロバイダー	1-turn	5-turn	25-turn
Perplexity	79.8%13.0% 個の完成したテーブルGPT-5.6 Sol · high	81.4%18.0% 個の完成したテーブルGPT-5.6 Sol · high	84.0%21.0% 個の完成したテーブルGPT-5.6 Sol · high
OpenAI Native	76.9%13.0% 個の完成したテーブルGPT-5.6 Sol · high	78.4%17.0% 個の完成したテーブルGPT-5.6 Sol · high	81.8%16.0% 個の完成したテーブルGPT-5.6 Sol · high
Parallel	77.4%13.0% 個の完成したテーブルGPT-5.6 Sol · high	77.8%13.5% 個の完成したテーブルGPT-5.6 Sol · high	80.6%16.5% 個の完成したテーブルGPT-5.6 Sol · high
Exa	69.1%8.0% 個の完成したテーブルGPT-5.6 Luna · xhigh	75.7%12.0% 個の完成したテーブルGPT-5.6 Luna · xhigh	78.0%16.0% 個の完成したテーブルGPT-5.6 Luna · xhigh

すべての検索設定

すべてのモデルの検証済み構成を回答項目の正確性順に表示しており、表全体の成功率と区間も表示しています。

検証済みのすべての WideSearch 構成を、回答項目の正確性、次いでテーブル全体の成功率、質問数の順に順位付けしています。
#	モデル	検索プロバイダー	検索予算	推論の労力	回答項目の正確性	完成したテーブル	質問あたりのコスト	質問あたりの平均生成時間	質問
1	GPT-5.6 Sol	Perplexity	25-turn	high	84.0%	21.0%	$0.83	2.3m	100
2	GPT-5.6 Luna	Perplexity	25-turn	xhigh	83.4%	22.0%	$0.17	2.7m	100
3	GPT-5.6 Sol	OpenAI Native	25-turn	high	81.8%	16.0%	$0.98	3.9m	100
4	GPT-5.6 Sol	Perplexity	5-turn	high	81.4%	18.0%	$0.45	2.2m	100
5	GPT-5.6 Sol	Parallel	25-turn	high	80.6%	16.5%	$1.46	2.7m	200
6	GPT-5.6 Luna	Perplexity	5-turn	xhigh	80.0%	18.0%	$0.063	2.4m	100
7	GPT-5.6 Sol	Perplexity	1-turn	high	79.8%	13.0%	$0.26	1.9m	100
8	GPT-5.6 Sol	OpenAI Native	5-turn	high	78.4%	17.0%	$0.53	2.7m	100
9	GPT-5.6 Luna	Exa	25-turn	xhigh	78.0%	16.0%	$0.22	2.9m	100
10	GPT-5.6 Sol	Parallel	5-turn	high	77.8%	13.5%	$0.60	2.6m	200

このベンチマークを実施する理由

WideSearch は網羅性を測定します。エージェントはエンティティの集合を漏れなく列挙し、各属性を調べ上げ、構造化された表を出力する必要があり、単一の答えを求める雑学問題よりも、実際の調査ワークフロー（市場調査、文献調査、競合比較表）に近いものです。タスクの半分は中国語であるため、英語の検索結果以外でもエンジンの能力を試します。

OpenRouter のユーザーが実際に制御できる変数を切り分けるため、モデルを固定して実行します。その変数とは、検索を処理するエンジン、検索をサーバーツールとプラグインのどちらで実行するか、ループ内で許可するエージェントのターン数です。これらはまさに、現在リクエストで設定できる項目です。

スコアからわかることとわからないこと

これらのスコアは検索構成を比較するものであり、エージェント製品を比較するものではありません。モデルは検索結果の抜粋のみを読み、ページ全体の取得もコードツールの使用も行わないため、絶対値はその両方を許可する公開エージェントランキングよりも低くなります。スコアの絶対値ではなく、構成を比較してください。

主要スコアは回答項目の正解率であり、一致した表の項目に部分点を与えることで、正解に近い回答も評価に反映します。厳密な WideSearch 成功率は副次的な指標であり、表のすべての行とセルが正しいことを求めます。最先端モデルでも元の評価ではスコアが低く、論文では OpenAI o3（Avg@4）のシングルエージェント成功率が約 4.5%、主要なシングルエージェントシステムの回答項目の正解率が約 52～58% と報告されています。信頼区間よりも小さいエンジン間の差は明確ではなく、構成のコストは品質と併せて評価する必要があります。

質問は公開されているため、記憶によって時間とともに絶対スコアが過大になる可能性がありますが、すべての構成で同じモデルを使用するため、検索構成間の差には引き続き意味があります。

タスクの採点方法

各タスクは、参照テーブルを伴う一つのクエリです。モデルのテーブルを解析し、判定モデルがその行と列を参照テーブルに対応付け、各セルを比較しますが、可能な場合は完全一致で、それ以外は判定モデルが評価する同等性で比較します。参照テーブルのすべての行が見つかり、すべてのセルが一致し、欠落した行も余分な行もない場合にのみ、タスクは成功します。

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

検索構成は、単一のモデル、検索エンジン、リクエスト形式、検索予算の上限で構成されます。スコアは検証済みの各実行の質問数で重み付けされ、小規模なスモークテストは除外されます。

実際の実行例

上のモデルフィルターとは無関係の、固定された過去の実行結果です。長い結果と運用メタデータは省略されており、一部のクエリは編集または省略される場合があります。

タスク

フレズノ地域の検証済みクリニック一覧表を作成

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.

これは 2024 年時点のベンチマークのスナップショットであり、現在の医療サービスに関する指針ではありません。

参照

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.

回答項目の正答率 62.2%

ExaClaude Opus 4.8 1 turn

最終回答

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

起きたこと

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.

方法論

実行は、OpenRouter のベンチマークハーネスである Kepler 上で、本番エンドポイントに対して行われます。サーバーツール構成では、ウェブ検索サーバーツールにリクエスト単位のツール呼び出し予算を設定します。プラグイン構成では、ウェブ検索プラグインを使用して、推論前に質問を一度検索します。エンジンは、本番トラフィックの処理と同じデフォルト構成を使用します。

各実行では、使用したモデル、エンジン、リクエスト形式、検索予算、コスト、利用可能なタイミングのテレメトリが正確に保存されます。設定が欠けている場合は比較表でも欠けたままとなり、タイミングのテレメトリが欠落している場合やゼロの場合は、瞬時に処理されたとはみなしません。

ダウンロードと引用

このランキングのスナップショットは、 search-benchmark-lanes の公開データセットに掲載されており、フィルタリング対象は benchmark 列で、再生成の頻度は daily で、APIキーなしで利用できます。現在のスナップショットの生成日は 2026/11/03 1:45 UTCです。ライセンスは CC BY 4.0で、OpenRouter への帰属を明記すれば再利用や再公開ができます。

CSV をダウンロード (text/csv)
JSON をダウンロード (application/json)
スナップショットマニフェスト（上記ファイルの SHA-256 チェックサム）
最新のマニフェスト（変更可能なエイリアスで、スナップショットの公開に合わせて更新されます）

列定義、手法、マスキングルールは、データセットの READMEに記載されています。

このリーダーボードを引用

OpenRouter（2026）。OpenRouter での WideSearch の検索結果、2026-11-03 時点のスナップショット。https://openrouter.ai/benchmarks/widesearch。CC BY 4.0 に基づいてライセンスされています。

すべてのベンチマーク

WideSearch

前回のベンチマーク実行 2026/08/18 2:39 UTC

論文プロジェクトデータセット

検索プロバイダー: 4 検索プロバイダー; 構成間で比較
モデル: 4 個のモデル; GPT-5.6 Luna、GPT-5.6 Sol、Claude Opus 5、DeepSeek V4 Flash 0731
テスト構成: 1 / 5 / 25; 検索予算とプラグインモード

最優秀の結果

最高スコアを獲得した構成、そのスコアの内訳、そしてコストパフォーマンスと速度で最も優れた代替候補です。

最高品質

Perplexity25-turn

GPT-5.6 Sol · high

84.0%回答項目の正解率

最良結果の詳細

完全な表: 21.0% · 100 件中 21 件
未完成の表: 100 件中 79 件
質問あたりの費用: $0.83
質問あたりの平均生成時間: 2.3m

最高のコストパフォーマンス: $0.063 / 質問; Perplexity
GPT-5.6 Luna · xhigh検索予算 5-turn 80.0% 回答項目の正解率
最速の高品質な結果: 1.9m / 質問; Perplexity
GPT-5.6 Sol · high検索予算 1-turn 79.8% 回答項目の正解率

品質と完了

回答項目の正解率を主指標とし、表全体の成功率をその下に表示します。

200 件のタスク · 英語 100 件 · 中国語 100 件

Perplexity

GPT-5.6 Sol · high 25-turn

84.0%21.0% 個の完成したテーブル

OpenAI Native

GPT-5.6 Sol · high 25-turn

81.8%16.0% 個の完成したテーブル

Parallel

GPT-5.6 Sol · high 25-turn

80.6%16.5% 個の完成したテーブル

Exa

GPT-5.6 Luna · xhigh 25-turn

78.0%16.0% 個の完成したテーブル

回答項目の正確性完成したテーブル

価格と速度

回答項目の正確性をコストおよび平均生成時間と比較でき、各チャートには完全な表とパレート点が表示されます。

価格と品質の比較

質問あたりの平均コストを対数スケールで表示しています。線は、各価格帯で得られる最高の品質を示しています。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity、 25-turn： GPT-5.6 Luna · xhigh、 83.4% 回答項目の正確性、 22.0% 完全な表、 $0.17、効率と品質のフロンティア上
Perplexity、 25-turn： GPT-5.6 Sol · high、 84.0% 回答項目の正確性、 21.0% 完全な表、 $0.83、効率と品質のフロンティア上
Perplexity、 25-turn： Claude Opus 5 · high、 68.2% 回答項目の正確性、 20.2% 完全な表、 $2.14
Perplexity、 25-turn： DeepSeek V4 Flash 0731 · high、 77.1% 回答項目の正確性、 20.0% 完全な表、 $0.10
Perplexity、 5-turn： GPT-5.6 Luna · xhigh、 80.0% 回答項目の正確性、 18.0% 完全な表、 $0.063、効率と品質のフロンティア上
Perplexity、 5-turn： GPT-5.6 Sol · high、 81.4% 回答項目の正確性、 18.0% 完全な表、 $0.45
Perplexity、 5-turn： DeepSeek V4 Flash 0731 · high、 72.1% 回答項目の正確性、 17.3% 完全な表、 $0.050、効率と品質のフロンティア上
OpenAI Native、 5-turn： GPT-5.6 Sol · high、 78.4% 回答項目の正確性、 17.0% 完全な表、 $0.53
Parallel、 25-turn： GPT-5.6 Sol · high、 80.6% 回答項目の正確性、 16.5% 完全な表、 $1.46
Exa、 25-turn： GPT-5.6 Luna · xhigh、 78.0% 回答項目の正確性、 16.0% 完全な表、 $0.22
OpenAI Native、 25-turn： GPT-5.6 Sol · high、 81.8% 回答項目の正確性、 16.0% 完全な表、 $0.98
Exa、 25-turn： DeepSeek V4 Flash 0731 · high、 74.5% 回答項目の正確性、 15.0% 完全な表、 $0.15
Parallel、 25-turn： Claude Opus 5 · high、 65.9% 回答項目の正確性、 13.6% 完全な表、 $4.42
Parallel、 5-turn： GPT-5.6 Sol · high、 77.8% 回答項目の正確性、 13.5% 完全な表、 $0.60
Perplexity、 5-turn： Claude Opus 5 · high、 67.8% 回答項目の正確性、 13.1% 完全な表、 $0.74
Perplexity、 1-turn： GPT-5.6 Sol · high、 79.8% 回答項目の正確性、 13.0% 完全な表、 $0.26
Parallel、 1-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 13.0% 完全な表、 $0.33
OpenAI Native、 1-turn： GPT-5.6 Sol · high、 76.9% 回答項目の正確性、 13.0% 完全な表、 $0.35
Exa、 5-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 12.1% 完全な表、 $0.62
Exa、 25-turn： Claude Opus 5 · high、 67.0% 回答項目の正確性、 12.1% 完全な表、 $1.85
Exa、 5-turn： GPT-5.6 Luna · xhigh、 75.7% 回答項目の正確性、 12.0% 完全な表、 $0.075
Exa、 25-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 11.6% 完全な表、 $0.86
Exa、 5-turn： GPT-5.6 Sol · high、 74.4% 回答項目の正確性、 11.6% 完全な表、 $0.47
Parallel、 5-turn： Claude Opus 5 · high、 65.2% 回答項目の正確性、 11.5% 完全な表、 $0.95
Parallel、 25-turn： GPT-5.6 Luna · xhigh、 74.4% 回答項目の正確性、 11.5% 完全な表、 $0.12
Perplexity、 1-turn： GPT-5.6 Luna · xhigh、 71.1% 回答項目の正確性、 11.0% 完全な表、 $0.037、効率と品質のフロンティア上
Parallel、 5-turn： GPT-5.6 Luna · xhigh、 72.9% 回答項目の正確性、 11.0% 完全な表、 $0.058、効率と品質のフロンティア上
Perplexity、 1-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 10.0% 完全な表、 $0.23
Parallel、 25-turn： DeepSeek V4 Flash 0731 · high、 71.2% 回答項目の正確性、 9.8% 完全な表、 $0.089
Exa、 5-turn： DeepSeek V4 Flash 0731 · high、 66.3% 回答項目の正確性、 9.2% 完全な表、 $0.059
Exa、 1-turn： GPT-5.6 Sol · high、 68.2% 回答項目の正確性、 8.5% 完全な表、 $0.29
Parallel、 1-turn： GPT-5.6 Luna · xhigh、 67.9% 回答項目の正確性、 8.5% 完全な表、 $0.039
Parallel、 1-turn： Claude Opus 5 · high、 61.7% 回答項目の正確性、 8.0% 完全な表、 $0.26
Exa、 1-turn： GPT-5.6 Luna · xhigh、 69.1% 回答項目の正確性、 8.0% 完全な表、 $0.038
Parallel、 5-turn： DeepSeek V4 Flash 0731 · high、 66.2% 回答項目の正確性、 8.0% 完全な表、 $0.040
Exa、 1-turn： Claude Opus 5 · high、 59.6% 回答項目の正確性、 5.5% 完全な表、 $0.26
Parallel、 1-turn： DeepSeek V4 Flash 0731 · high、 59.4% 回答項目の正確性、 4.0% 完全な表、 $0.019、効率と品質のフロンティア上

平均生成時間と品質の比較

質問あたりの生成時間のサンプル数で重み付けした平均です。線は、各時間水準で利用可能な最高品質を示しています。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity、 25-turn： GPT-5.6 Luna · xhigh、 83.4% 回答項目の正確性、 22.0% 完全な表、 2.7m
Perplexity、 25-turn： GPT-5.6 Sol · high、 84.0% 回答項目の正確性、 21.0% 完全な表、 2.3m、効率と品質のフロンティア上
Perplexity、 25-turn： Claude Opus 5 · high、 68.2% 回答項目の正確性、 20.2% 完全な表、 2.5m
Perplexity、 25-turn： DeepSeek V4 Flash 0731 · high、 77.1% 回答項目の正確性、 20.0% 完全な表、 2.0m
Perplexity、 5-turn： GPT-5.6 Luna · xhigh、 80.0% 回答項目の正確性、 18.0% 完全な表、 2.4m
Perplexity、 5-turn： GPT-5.6 Sol · high、 81.4% 回答項目の正確性、 18.0% 完全な表、 2.2m、効率と品質のフロンティア上
Perplexity、 5-turn： DeepSeek V4 Flash 0731 · high、 72.1% 回答項目の正確性、 17.3% 完全な表、 2.6m
OpenAI Native、 5-turn： GPT-5.6 Sol · high、 78.4% 回答項目の正確性、 17.0% 完全な表、 2.7m
Parallel、 25-turn： GPT-5.6 Sol · high、 80.6% 回答項目の正確性、 16.5% 完全な表、 2.7m
Exa、 25-turn： GPT-5.6 Luna · xhigh、 78.0% 回答項目の正確性、 16.0% 完全な表、 2.9m
OpenAI Native、 25-turn： GPT-5.6 Sol · high、 81.8% 回答項目の正確性、 16.0% 完全な表、 3.9m
Exa、 25-turn： DeepSeek V4 Flash 0731 · high、 74.5% 回答項目の正確性、 15.0% 完全な表、 2.3m
Parallel、 25-turn： Claude Opus 5 · high、 65.9% 回答項目の正確性、 13.6% 完全な表、 3.5m
Parallel、 5-turn： GPT-5.6 Sol · high、 77.8% 回答項目の正確性、 13.5% 完全な表、 2.6m
Perplexity、 5-turn： Claude Opus 5 · high、 67.8% 回答項目の正確性、 13.1% 完全な表、 1.8m、効率と品質のフロンティア上
Perplexity、 1-turn： GPT-5.6 Sol · high、 79.8% 回答項目の正確性、 13.0% 完全な表、 1.9m、効率と品質のフロンティア上
Parallel、 1-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 13.0% 完全な表、 2.0m
OpenAI Native、 1-turn： GPT-5.6 Sol · high、 76.9% 回答項目の正確性、 13.0% 完全な表、 2.7m
Exa、 5-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 12.1% 完全な表、 2.0m
Exa、 25-turn： Claude Opus 5 · high、 67.0% 回答項目の正確性、 12.1% 完全な表、 2.8m
Exa、 5-turn： GPT-5.6 Luna · xhigh、 75.7% 回答項目の正確性、 12.0% 完全な表、 2.4m
Exa、 25-turn： GPT-5.6 Sol · high、 77.4% 回答項目の正確性、 11.6% 完全な表、 3.4m
Exa、 5-turn： GPT-5.6 Sol · high、 74.4% 回答項目の正確性、 11.6% 完全な表、 3.1m
Parallel、 5-turn： Claude Opus 5 · high、 65.2% 回答項目の正確性、 11.5% 完全な表、 2.1m
Parallel、 25-turn： GPT-5.6 Luna · xhigh、 74.4% 回答項目の正確性、 11.5% 完全な表、 3.0m
Perplexity、 1-turn： GPT-5.6 Luna · xhigh、 71.1% 回答項目の正確性、 11.0% 完全な表、 2.4m
Parallel、 5-turn： GPT-5.6 Luna · xhigh、 72.9% 回答項目の正確性、 11.0% 完全な表、 2.5m
Perplexity、 1-turn： Claude Opus 5 · high、 65.8% 回答項目の正確性、 10.0% 完全な表、 70s、効率と品質のフロンティア上
Parallel、 25-turn： DeepSeek V4 Flash 0731 · high、 71.2% 回答項目の正確性、 9.8% 完全な表、 3.3m
Exa、 5-turn： DeepSeek V4 Flash 0731 · high、 66.3% 回答項目の正確性、 9.2% 完全な表、 2.8m
Exa、 1-turn： GPT-5.6 Sol · high、 68.2% 回答項目の正確性、 8.5% 完全な表、 2.8m
Parallel、 1-turn： GPT-5.6 Luna · xhigh、 67.9% 回答項目の正確性、 8.5% 完全な表、 2.5m
Parallel、 1-turn： Claude Opus 5 · high、 61.7% 回答項目の正確性、 8.0% 完全な表、 77s
Exa、 1-turn： GPT-5.6 Luna · xhigh、 69.1% 回答項目の正確性、 8.0% 完全な表、 2.4m
Parallel、 5-turn： DeepSeek V4 Flash 0731 · high、 66.2% 回答項目の正確性、 8.0% 完全な表、 2.9m
Exa、 1-turn： Claude Opus 5 · high、 59.6% 回答項目の正確性、 5.5% 完全な表、 90s
Parallel、 1-turn： DeepSeek V4 Flash 0731 · high、 59.4% 回答項目の正確性、 4.0% 完全な表、 1.8m

検索予算は回答項目の正確性にどのように影響しますか？

検索予算による回答項目の正確性の変化を確認でき、その下には表全体の成功率が表示されます。空欄のセルは未実行です。

検索プロバイダーと検索予算（エージェントの最大ターン数）別の回答項目の正確性と表全体の成功率。
検索プロバイダー	1-turn	5-turn	25-turn
Perplexity	79.8%13.0% 個の完成したテーブルGPT-5.6 Sol · high	81.4%18.0% 個の完成したテーブルGPT-5.6 Sol · high	84.0%21.0% 個の完成したテーブルGPT-5.6 Sol · high
OpenAI Native	76.9%13.0% 個の完成したテーブルGPT-5.6 Sol · high	78.4%17.0% 個の完成したテーブルGPT-5.6 Sol · high	81.8%16.0% 個の完成したテーブルGPT-5.6 Sol · high
Parallel	77.4%13.0% 個の完成したテーブルGPT-5.6 Sol · high	77.8%13.5% 個の完成したテーブルGPT-5.6 Sol · high	80.6%16.5% 個の完成したテーブルGPT-5.6 Sol · high
Exa	69.1%8.0% 個の完成したテーブルGPT-5.6 Luna · xhigh	75.7%12.0% 個の完成したテーブルGPT-5.6 Luna · xhigh	78.0%16.0% 個の完成したテーブルGPT-5.6 Luna · xhigh

すべての検索設定

すべてのモデルの検証済み構成を回答項目の正確性順に表示しており、表全体の成功率と区間も表示しています。

検証済みのすべての WideSearch 構成を、回答項目の正確性、次いでテーブル全体の成功率、質問数の順に順位付けしています。
#	モデル	検索プロバイダー	検索予算	推論の労力	回答項目の正確性	完成したテーブル	質問あたりのコスト	質問あたりの平均生成時間	質問
1	GPT-5.6 Sol	Perplexity	25-turn	high	84.0%	21.0%	$0.83	2.3m	100
2	GPT-5.6 Luna	Perplexity	25-turn	xhigh	83.4%	22.0%	$0.17	2.7m	100
3	GPT-5.6 Sol	OpenAI Native	25-turn	high	81.8%	16.0%	$0.98	3.9m	100
4	GPT-5.6 Sol	Perplexity	5-turn	high	81.4%	18.0%	$0.45	2.2m	100
5	GPT-5.6 Sol	Parallel	25-turn	high	80.6%	16.5%	$1.46	2.7m	200
6	GPT-5.6 Luna	Perplexity	5-turn	xhigh	80.0%	18.0%	$0.063	2.4m	100
7	GPT-5.6 Sol	Perplexity	1-turn	high	79.8%	13.0%	$0.26	1.9m	100
8	GPT-5.6 Sol	OpenAI Native	5-turn	high	78.4%	17.0%	$0.53	2.7m	100
9	GPT-5.6 Luna	Exa	25-turn	xhigh	78.0%	16.0%	$0.22	2.9m	100
10	GPT-5.6 Sol	Parallel	5-turn	high	77.8%	13.5%	$0.60	2.6m	200

このベンチマークを実施する理由

スコアからわかることとわからないこと

タスクの採点方法

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

実際の実行例

タスク

フレズノ地域の検証済みクリニック一覧表を作成

これは 2024 年時点のベンチマークのスナップショットであり、現在の医療サービスに関する指針ではありません。

参照

回答項目の正答率 62.2%

ExaClaude Opus 4.8 1 turn

最終回答

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

起きたこと

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.

方法論

ダウンロードと引用

CSV をダウンロード (text/csv)
JSON をダウンロード (application/json)
スナップショットマニフェスト（上記ファイルの SHA-256 チェックサム）
最新のマニフェスト（変更可能なエイリアスで、スナップショットの公開に合わせて更新されます）

列定義、手法、マスキングルールは、データセットの READMEに記載されています。

このリーダーボードを引用

OpenRouter（2026）。OpenRouter での WideSearch の検索結果、2026-11-03 時点のスナップショット。https://openrouter.ai/benchmarks/widesearch。CC BY 4.0 に基づいてライセンスされています。

WideSearch

価格と品質の比較

平均生成時間と品質の比較

このベンチマークを実施する理由

スコアからわかることとわからないこと

タスクの採点方法

実際の実行例

フレズノ地域の検証済みクリニック一覧表を作成

選択した検索： 2 / 2 件を表示中

方法論

ダウンロードと引用

このリーダーボードを引用

WideSearch

価格と品質の比較

平均生成時間と品質の比較

このベンチマークを実施する理由

スコアからわかることとわからないこと

タスクの採点方法

実際の実行例

フレズノ地域の検証済みクリニック一覧表を作成

選択した検索： 2 / 2 件を表示中

方法論

ダウンロードと引用

このリーダーボードを引用