WideSearch

WideSearch 要求模型填写一整张表格：给定查询和所需的列结构，模型必须找出每个实体及其每项属性，例如某个火箭系列的所有发射记录及其日期和结果。其 200 项任务（100 项英文、100 项中文）采用严格评分——只有每一行、每一个单元格都与参考表格匹配，任务才算通过。我们在固定模型的情况下运行测试，并改变搜索引擎、请求格式和最大搜索预算。BrowseComp 深入挖掘单个隐藏事实，而 WideSearch 则广泛覆盖多个事实和属性。

上次基准测试运行 2026年8月18日 02:39 UTC

论文项目数据集

搜索提供商: 4 家搜索提供商; 跨配置比较
模型: 4 个模型; GPT-5.6 Luna、GPT-5.6 Sol、Claude Opus 5和DeepSeek V4 Flash 0731
测试配置: 1 / 5 / 25; 搜索预算和插件模式

获胜结果

得分最高的配置、该得分的明细，以及性价比和速度方面的最佳替代方案。

最高质量

Perplexity25-turn

GPT-5.6 Sol · high

84.0%答案项准确率

获胜结果详情

完整表格: 21.0% · 100 中有 21 个正确
不完整的表格: 79 / 100
费用 / 问题: US$0.83
每个问题的平均生成时间: 2.3m

最佳性价比: US$0.063 / 问题; Perplexity
GPT-5.6 Luna · xhigh5-turn 搜索预算 80.0% 答案项准确率
最快的优质结果: 1.9m / 问题; Perplexity
GPT-5.6 Sol · high1-turn 搜索预算 79.8% 答案项准确率

质量与完成情况

以答案项准确率为主要指标；完整表格成功率显示在下方。

200 项任务 · 100 项英文 · 100 项中文

Perplexity

GPT-5.6 Sol · high 25-turn

84.0%21.0% 张完整表格

OpenAI Native

GPT-5.6 Sol · high 25-turn

81.8%16.0% 张完整表格

Parallel

GPT-5.6 Sol · high 25-turn

80.6%16.5% 张完整表格

Exa

GPT-5.6 Luna · xhigh 25-turn

78.0%16.0% 张完整表格

答案项准确率完整表格

价格与速度

比较答案项准确率与成本及平均生成时间；每张图表均提供完整表格和帕累托点。

价格与质量对比

以对数刻度显示每个问题的平均成本。曲线表示各价格水平下可达到的最佳质量。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity， 25-turn： GPT-5.6 Luna · xhigh， 83.4% 答案项准确率， 22.0% 完整表格， US$0.17，位于效率与质量前沿
Perplexity， 25-turn： GPT-5.6 Sol · high， 84.0% 答案项准确率， 21.0% 完整表格， US$0.83，位于效率与质量前沿
Perplexity， 25-turn： Claude Opus 5 · high， 68.2% 答案项准确率， 20.2% 完整表格， US$2.14
Perplexity， 25-turn： DeepSeek V4 Flash 0731 · high， 77.1% 答案项准确率， 20.0% 完整表格， US$0.10
Perplexity， 5-turn： GPT-5.6 Luna · xhigh， 80.0% 答案项准确率， 18.0% 完整表格， US$0.063，位于效率与质量前沿
Perplexity， 5-turn： GPT-5.6 Sol · high， 81.4% 答案项准确率， 18.0% 完整表格， US$0.45
Perplexity， 5-turn： DeepSeek V4 Flash 0731 · high， 72.1% 答案项准确率， 17.3% 完整表格， US$0.050，位于效率与质量前沿
OpenAI Native， 5-turn： GPT-5.6 Sol · high， 78.4% 答案项准确率， 17.0% 完整表格， US$0.53
Parallel， 25-turn： GPT-5.6 Sol · high， 80.6% 答案项准确率， 16.5% 完整表格， US$1.46
Exa， 25-turn： GPT-5.6 Luna · xhigh， 78.0% 答案项准确率， 16.0% 完整表格， US$0.22
OpenAI Native， 25-turn： GPT-5.6 Sol · high， 81.8% 答案项准确率， 16.0% 完整表格， US$0.98
Exa， 25-turn： DeepSeek V4 Flash 0731 · high， 74.5% 答案项准确率， 15.0% 完整表格， US$0.15
Parallel， 25-turn： Claude Opus 5 · high， 65.9% 答案项准确率， 13.6% 完整表格， US$4.42
Parallel， 5-turn： GPT-5.6 Sol · high， 77.8% 答案项准确率， 13.5% 完整表格， US$0.60
Perplexity， 5-turn： Claude Opus 5 · high， 67.8% 答案项准确率， 13.1% 完整表格， US$0.74
Perplexity， 1-turn： GPT-5.6 Sol · high， 79.8% 答案项准确率， 13.0% 完整表格， US$0.26
Parallel， 1-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 13.0% 完整表格， US$0.33
OpenAI Native， 1-turn： GPT-5.6 Sol · high， 76.9% 答案项准确率， 13.0% 完整表格， US$0.35
Exa， 5-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 12.1% 完整表格， US$0.62
Exa， 25-turn： Claude Opus 5 · high， 67.0% 答案项准确率， 12.1% 完整表格， US$1.85
Exa， 5-turn： GPT-5.6 Luna · xhigh， 75.7% 答案项准确率， 12.0% 完整表格， US$0.075
Exa， 25-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 11.6% 完整表格， US$0.86
Exa， 5-turn： GPT-5.6 Sol · high， 74.4% 答案项准确率， 11.6% 完整表格， US$0.47
Parallel， 5-turn： Claude Opus 5 · high， 65.2% 答案项准确率， 11.5% 完整表格， US$0.95
Parallel， 25-turn： GPT-5.6 Luna · xhigh， 74.4% 答案项准确率， 11.5% 完整表格， US$0.12
Perplexity， 1-turn： GPT-5.6 Luna · xhigh， 71.1% 答案项准确率， 11.0% 完整表格， US$0.037，位于效率与质量前沿
Parallel， 5-turn： GPT-5.6 Luna · xhigh， 72.9% 答案项准确率， 11.0% 完整表格， US$0.058，位于效率与质量前沿
Perplexity， 1-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 10.0% 完整表格， US$0.23
Parallel， 25-turn： DeepSeek V4 Flash 0731 · high， 71.2% 答案项准确率， 9.8% 完整表格， US$0.089
Exa， 5-turn： DeepSeek V4 Flash 0731 · high， 66.3% 答案项准确率， 9.2% 完整表格， US$0.059
Exa， 1-turn： GPT-5.6 Sol · high， 68.2% 答案项准确率， 8.5% 完整表格， US$0.29
Parallel， 1-turn： GPT-5.6 Luna · xhigh， 67.9% 答案项准确率， 8.5% 完整表格， US$0.039
Parallel， 1-turn： Claude Opus 5 · high， 61.7% 答案项准确率， 8.0% 完整表格， US$0.26
Exa， 1-turn： GPT-5.6 Luna · xhigh， 69.1% 答案项准确率， 8.0% 完整表格， US$0.038
Parallel， 5-turn： DeepSeek V4 Flash 0731 · high， 66.2% 答案项准确率， 8.0% 完整表格， US$0.040
Exa， 1-turn： Claude Opus 5 · high， 59.6% 答案项准确率， 5.5% 完整表格， US$0.26
Parallel， 1-turn： DeepSeek V4 Flash 0731 · high， 59.4% 答案项准确率， 4.0% 完整表格， US$0.019，位于效率与质量前沿

平均生成时间与质量对比

每道题的样本加权平均生成时间。曲线显示各时间水平下可达到的最佳质量。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity， 25-turn： GPT-5.6 Luna · xhigh， 83.4% 答案项准确率， 22.0% 完整表格， 2.7m
Perplexity， 25-turn： GPT-5.6 Sol · high， 84.0% 答案项准确率， 21.0% 完整表格， 2.3m，位于效率与质量前沿
Perplexity， 25-turn： Claude Opus 5 · high， 68.2% 答案项准确率， 20.2% 完整表格， 2.5m
Perplexity， 25-turn： DeepSeek V4 Flash 0731 · high， 77.1% 答案项准确率， 20.0% 完整表格， 2.0m
Perplexity， 5-turn： GPT-5.6 Luna · xhigh， 80.0% 答案项准确率， 18.0% 完整表格， 2.4m
Perplexity， 5-turn： GPT-5.6 Sol · high， 81.4% 答案项准确率， 18.0% 完整表格， 2.2m，位于效率与质量前沿
Perplexity， 5-turn： DeepSeek V4 Flash 0731 · high， 72.1% 答案项准确率， 17.3% 完整表格， 2.6m
OpenAI Native， 5-turn： GPT-5.6 Sol · high， 78.4% 答案项准确率， 17.0% 完整表格， 2.7m
Parallel， 25-turn： GPT-5.6 Sol · high， 80.6% 答案项准确率， 16.5% 完整表格， 2.7m
Exa， 25-turn： GPT-5.6 Luna · xhigh， 78.0% 答案项准确率， 16.0% 完整表格， 2.9m
OpenAI Native， 25-turn： GPT-5.6 Sol · high， 81.8% 答案项准确率， 16.0% 完整表格， 3.9m
Exa， 25-turn： DeepSeek V4 Flash 0731 · high， 74.5% 答案项准确率， 15.0% 完整表格， 2.3m
Parallel， 25-turn： Claude Opus 5 · high， 65.9% 答案项准确率， 13.6% 完整表格， 3.5m
Parallel， 5-turn： GPT-5.6 Sol · high， 77.8% 答案项准确率， 13.5% 完整表格， 2.6m
Perplexity， 5-turn： Claude Opus 5 · high， 67.8% 答案项准确率， 13.1% 完整表格， 1.8m，位于效率与质量前沿
Perplexity， 1-turn： GPT-5.6 Sol · high， 79.8% 答案项准确率， 13.0% 完整表格， 1.9m，位于效率与质量前沿
Parallel， 1-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 13.0% 完整表格， 2.0m
OpenAI Native， 1-turn： GPT-5.6 Sol · high， 76.9% 答案项准确率， 13.0% 完整表格， 2.7m
Exa， 5-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 12.1% 完整表格， 2.0m
Exa， 25-turn： Claude Opus 5 · high， 67.0% 答案项准确率， 12.1% 完整表格， 2.8m
Exa， 5-turn： GPT-5.6 Luna · xhigh， 75.7% 答案项准确率， 12.0% 完整表格， 2.4m
Exa， 25-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 11.6% 完整表格， 3.4m
Exa， 5-turn： GPT-5.6 Sol · high， 74.4% 答案项准确率， 11.6% 完整表格， 3.1m
Parallel， 5-turn： Claude Opus 5 · high， 65.2% 答案项准确率， 11.5% 完整表格， 2.1m
Parallel， 25-turn： GPT-5.6 Luna · xhigh， 74.4% 答案项准确率， 11.5% 完整表格， 3.0m
Perplexity， 1-turn： GPT-5.6 Luna · xhigh， 71.1% 答案项准确率， 11.0% 完整表格， 2.4m
Parallel， 5-turn： GPT-5.6 Luna · xhigh， 72.9% 答案项准确率， 11.0% 完整表格， 2.5m
Perplexity， 1-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 10.0% 完整表格， 70s，位于效率与质量前沿
Parallel， 25-turn： DeepSeek V4 Flash 0731 · high， 71.2% 答案项准确率， 9.8% 完整表格， 3.3m
Exa， 5-turn： DeepSeek V4 Flash 0731 · high， 66.3% 答案项准确率， 9.2% 完整表格， 2.8m
Exa， 1-turn： GPT-5.6 Sol · high， 68.2% 答案项准确率， 8.5% 完整表格， 2.8m
Parallel， 1-turn： GPT-5.6 Luna · xhigh， 67.9% 答案项准确率， 8.5% 完整表格， 2.5m
Parallel， 1-turn： Claude Opus 5 · high， 61.7% 答案项准确率， 8.0% 完整表格， 77s
Exa， 1-turn： GPT-5.6 Luna · xhigh， 69.1% 答案项准确率， 8.0% 完整表格， 2.4m
Parallel， 5-turn： DeepSeek V4 Flash 0731 · high， 66.2% 答案项准确率， 8.0% 完整表格， 2.9m
Exa， 1-turn： Claude Opus 5 · high， 59.6% 答案项准确率， 5.5% 完整表格， 90s
Parallel， 1-turn： DeepSeek V4 Flash 0731 · high， 59.4% 答案项准确率， 4.0% 完整表格， 1.8m

搜索预算如何影响答案条目的准确率？

查看答案项准确率如何随搜索预算变化；完整表格的成功率显示在下方。空缺单元格表示未运行测试。

按搜索提供商和搜索预算（智能体最大轮次）划分的答案项准确率和完整表格成功率。
搜索提供商	1-turn	5-turn	25-turn
Perplexity	79.8%13.0% 张完整表格GPT-5.6 Sol · high	81.4%18.0% 张完整表格GPT-5.6 Sol · high	84.0%21.0% 张完整表格GPT-5.6 Sol · high
OpenAI Native	76.9%13.0% 张完整表格GPT-5.6 Sol · high	78.4%17.0% 张完整表格GPT-5.6 Sol · high	81.8%16.0% 张完整表格GPT-5.6 Sol · high
Parallel	77.4%13.0% 张完整表格GPT-5.6 Sol · high	77.8%13.5% 张完整表格GPT-5.6 Sol · high	80.6%16.5% 张完整表格GPT-5.6 Sol · high
Exa	69.1%8.0% 张完整表格GPT-5.6 Luna · xhigh	75.7%12.0% 张完整表格GPT-5.6 Luna · xhigh	78.0%16.0% 张完整表格GPT-5.6 Luna · xhigh

所有搜索配置

所有模型的已验证配置，按答案项准确率排名；同时显示整表成功率和区间。

所有已验证的 WideSearch 配置，先按答案项准确率排序，再按整表成功率和问题数量排序。
#	模型	搜索提供商	搜索预算	推理强度	答案项准确率	完整表格	每题成本	平均生成时间 / 问题	问题
1	GPT-5.6 Sol	Perplexity	25-turn	high	84.0%	21.0%	US$0.83	2.3m	100
2	GPT-5.6 Luna	Perplexity	25-turn	xhigh	83.4%	22.0%	US$0.17	2.7m	100
3	GPT-5.6 Sol	OpenAI Native	25-turn	high	81.8%	16.0%	US$0.98	3.9m	100
4	GPT-5.6 Sol	Perplexity	5-turn	high	81.4%	18.0%	US$0.45	2.2m	100
5	GPT-5.6 Sol	Parallel	25-turn	high	80.6%	16.5%	US$1.46	2.7m	200
6	GPT-5.6 Luna	Perplexity	5-turn	xhigh	80.0%	18.0%	US$0.063	2.4m	100
7	GPT-5.6 Sol	Perplexity	1-turn	high	79.8%	13.0%	US$0.26	1.9m	100
8	GPT-5.6 Sol	OpenAI Native	5-turn	high	78.4%	17.0%	US$0.53	2.7m	100
9	GPT-5.6 Luna	Exa	25-turn	xhigh	78.0%	16.0%	US$0.22	2.9m	100
10	GPT-5.6 Sol	Parallel	5-turn	high	77.8%	13.5%	US$0.60	2.6m	200

我们为何运行此基准测试

WideSearch 衡量的是广度。智能体必须枚举完整的实体集合，逐一查明各项属性，并输出结构化表格——这更接近真实的研究工作流程（市场扫描、文献综述、竞争对比表），而非只有单一答案的知识问答。其中一半任务使用中文，因此它也能检验引擎在英语搜索结果之外的表现。

我们在运行时保持模型固定，因为这样可以单独考察 OpenRouter 用户实际能够控制的变量。这些变量包括由哪个引擎处理搜索、搜索是作为服务器工具还是插件运行，以及允许智能体循环执行多少轮。这些参数正是您如今可以在请求中设置的内容。

分数能说明什么、不能说明什么

这些分数比较的是搜索配置，而非智能体产品。模型仅读取搜索结果摘要，不获取完整页面，也不使用代码工具，因此绝对分数低于已公布的智能体排行榜分数，后者允许使用这两项能力。请比较配置，而非原始分数高低。

主要分数是答案项准确率，匹配的表格项可获得部分分数，因此接近正确的结果仍能体现出来。严格的 WideSearch 成功率仍是次要指标，要求表格中的每一行、每一个单元格都正确。即使是前沿模型，在原始基准上的得分也很低——论文报告 OpenAI o3 的单智能体成功率约为 4.5%（Avg@4），领先的单智能体系统的答案项准确率约为 52–58%。小于置信区间的搜索引擎差距尚无定论，而评估配置成本时应同时考虑其质量。

这些问题是公开的，这意味着随着时间推移，记忆效应可能推高绝对分数；搜索配置之间的差异仍有意义，因为所有配置都使用相同的模型。

任务评分方式

每项任务都是一个附带参考表格的查询。模型生成的表格会被解析，其行和列由评判模型与参考表格对齐，然后逐个比较单元格——尽可能进行精确匹配，否则由评判模型评估等价性。只有找到所有参考行且每个单元格都匹配，没有缺失或多余的行时，任务才算成功。

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

搜索配置包含一个模型、搜索引擎、请求格式和最大搜索预算。分数按每次已验证运行中的问题数量加权；小规模冒烟测试不计入。

实际运行示例

固定的历史运行，不受上方模型筛选条件影响。较长的结果和运行元数据会被截短；所选查询可能经过编辑或被省略。

任务

为弗雷斯诺地区构建经过核实的诊所表格

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.

这是 2024 年的历史基准测试快照，并非当前的医疗服务指导。

参考

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.

答案项准确率 62.2%

ExaClaude Opus 4.8 1 turn

最终答案

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

发生的情况

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.

方法论

运行任务在 OpenRouter 的基准测试框架 Kepler 上执行，面向生产端点。服务器工具配置为以下工具设置请求级别的工具调用预算：网页搜索服务器工具。插件配置会在推理前使用以下插件对问题进行一次搜索：网页搜索插件。各引擎使用与处理生产流量相同的默认配置。

每次运行都会持久保存其确切的模型、引擎、请求格式、搜索预算、成本以及可用的计时遥测数据。缺失的配置在比较表中仍保持缺失，并且计时遥测数据缺失或为零不会被视为瞬时完成。

下载并引用

此排行榜的快照发布在 search-benchmark-lanes 开放数据集中（按 benchmark 列筛选），更新频率为 daily ，无需 API 密钥。当前快照生成于 2026年11月3日 01:45 UTC。其采用的许可协议为 CC BY 4.0，因此您可以在注明 OpenRouter 署名的情况下重复使用和重新发布。

下载 CSV (text/csv)
下载 JSON (application/json)
快照清单（上述文件的 SHA-256 校验和）
最新清单（可变别名，随快照发布而更新）

列定义、方法和脱敏规则见数据集 README。

引用此排行榜

OpenRouter（2026）。WideSearch 在 OpenRouter 上的搜索结果，2026-11-03 快照。https://openrouter.ai/benchmarks/widesearch。依据 CC BY 4.0 授权。

所有基准测试

WideSearch

上次基准测试运行 2026年8月18日 02:39 UTC

论文项目数据集

搜索提供商: 4 家搜索提供商; 跨配置比较
模型: 4 个模型; GPT-5.6 Luna、GPT-5.6 Sol、Claude Opus 5和DeepSeek V4 Flash 0731
测试配置: 1 / 5 / 25; 搜索预算和插件模式

获胜结果

得分最高的配置、该得分的明细，以及性价比和速度方面的最佳替代方案。

最高质量

Perplexity25-turn

GPT-5.6 Sol · high

84.0%答案项准确率

获胜结果详情

完整表格: 21.0% · 100 中有 21 个正确
不完整的表格: 79 / 100
费用 / 问题: US$0.83
每个问题的平均生成时间: 2.3m

最佳性价比: US$0.063 / 问题; Perplexity
GPT-5.6 Luna · xhigh5-turn 搜索预算 80.0% 答案项准确率
最快的优质结果: 1.9m / 问题; Perplexity
GPT-5.6 Sol · high1-turn 搜索预算 79.8% 答案项准确率

质量与完成情况

以答案项准确率为主要指标；完整表格成功率显示在下方。

200 项任务 · 100 项英文 · 100 项中文

Perplexity

GPT-5.6 Sol · high 25-turn

84.0%21.0% 张完整表格

OpenAI Native

GPT-5.6 Sol · high 25-turn

81.8%16.0% 张完整表格

Parallel

GPT-5.6 Sol · high 25-turn

80.6%16.5% 张完整表格

Exa

GPT-5.6 Luna · xhigh 25-turn

78.0%16.0% 张完整表格

答案项准确率完整表格

价格与速度

比较答案项准确率与成本及平均生成时间；每张图表均提供完整表格和帕累托点。

价格与质量对比

以对数刻度显示每个问题的平均成本。曲线表示各价格水平下可达到的最佳质量。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity， 25-turn： GPT-5.6 Luna · xhigh， 83.4% 答案项准确率， 22.0% 完整表格， US$0.17，位于效率与质量前沿
Perplexity， 25-turn： GPT-5.6 Sol · high， 84.0% 答案项准确率， 21.0% 完整表格， US$0.83，位于效率与质量前沿
Perplexity， 25-turn： Claude Opus 5 · high， 68.2% 答案项准确率， 20.2% 完整表格， US$2.14
Perplexity， 25-turn： DeepSeek V4 Flash 0731 · high， 77.1% 答案项准确率， 20.0% 完整表格， US$0.10
Perplexity， 5-turn： GPT-5.6 Luna · xhigh， 80.0% 答案项准确率， 18.0% 完整表格， US$0.063，位于效率与质量前沿
Perplexity， 5-turn： GPT-5.6 Sol · high， 81.4% 答案项准确率， 18.0% 完整表格， US$0.45
Perplexity， 5-turn： DeepSeek V4 Flash 0731 · high， 72.1% 答案项准确率， 17.3% 完整表格， US$0.050，位于效率与质量前沿
OpenAI Native， 5-turn： GPT-5.6 Sol · high， 78.4% 答案项准确率， 17.0% 完整表格， US$0.53
Parallel， 25-turn： GPT-5.6 Sol · high， 80.6% 答案项准确率， 16.5% 完整表格， US$1.46
Exa， 25-turn： GPT-5.6 Luna · xhigh， 78.0% 答案项准确率， 16.0% 完整表格， US$0.22
OpenAI Native， 25-turn： GPT-5.6 Sol · high， 81.8% 答案项准确率， 16.0% 完整表格， US$0.98
Exa， 25-turn： DeepSeek V4 Flash 0731 · high， 74.5% 答案项准确率， 15.0% 完整表格， US$0.15
Parallel， 25-turn： Claude Opus 5 · high， 65.9% 答案项准确率， 13.6% 完整表格， US$4.42
Parallel， 5-turn： GPT-5.6 Sol · high， 77.8% 答案项准确率， 13.5% 完整表格， US$0.60
Perplexity， 5-turn： Claude Opus 5 · high， 67.8% 答案项准确率， 13.1% 完整表格， US$0.74
Perplexity， 1-turn： GPT-5.6 Sol · high， 79.8% 答案项准确率， 13.0% 完整表格， US$0.26
Parallel， 1-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 13.0% 完整表格， US$0.33
OpenAI Native， 1-turn： GPT-5.6 Sol · high， 76.9% 答案项准确率， 13.0% 完整表格， US$0.35
Exa， 5-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 12.1% 完整表格， US$0.62
Exa， 25-turn： Claude Opus 5 · high， 67.0% 答案项准确率， 12.1% 完整表格， US$1.85
Exa， 5-turn： GPT-5.6 Luna · xhigh， 75.7% 答案项准确率， 12.0% 完整表格， US$0.075
Exa， 25-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 11.6% 完整表格， US$0.86
Exa， 5-turn： GPT-5.6 Sol · high， 74.4% 答案项准确率， 11.6% 完整表格， US$0.47
Parallel， 5-turn： Claude Opus 5 · high， 65.2% 答案项准确率， 11.5% 完整表格， US$0.95
Parallel， 25-turn： GPT-5.6 Luna · xhigh， 74.4% 答案项准确率， 11.5% 完整表格， US$0.12
Perplexity， 1-turn： GPT-5.6 Luna · xhigh， 71.1% 答案项准确率， 11.0% 完整表格， US$0.037，位于效率与质量前沿
Parallel， 5-turn： GPT-5.6 Luna · xhigh， 72.9% 答案项准确率， 11.0% 完整表格， US$0.058，位于效率与质量前沿
Perplexity， 1-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 10.0% 完整表格， US$0.23
Parallel， 25-turn： DeepSeek V4 Flash 0731 · high， 71.2% 答案项准确率， 9.8% 完整表格， US$0.089
Exa， 5-turn： DeepSeek V4 Flash 0731 · high， 66.3% 答案项准确率， 9.2% 完整表格， US$0.059
Exa， 1-turn： GPT-5.6 Sol · high， 68.2% 答案项准确率， 8.5% 完整表格， US$0.29
Parallel， 1-turn： GPT-5.6 Luna · xhigh， 67.9% 答案项准确率， 8.5% 完整表格， US$0.039
Parallel， 1-turn： Claude Opus 5 · high， 61.7% 答案项准确率， 8.0% 完整表格， US$0.26
Exa， 1-turn： GPT-5.6 Luna · xhigh， 69.1% 答案项准确率， 8.0% 完整表格， US$0.038
Parallel， 5-turn： DeepSeek V4 Flash 0731 · high， 66.2% 答案项准确率， 8.0% 完整表格， US$0.040
Exa， 1-turn： Claude Opus 5 · high， 59.6% 答案项准确率， 5.5% 完整表格， US$0.26
Parallel， 1-turn： DeepSeek V4 Flash 0731 · high， 59.4% 答案项准确率， 4.0% 完整表格， US$0.019，位于效率与质量前沿

平均生成时间与质量对比

每道题的样本加权平均生成时间。曲线显示各时间水平下可达到的最佳质量。

Perplexity
OpenAI Native
Parallel
Exa

Perplexity， 25-turn： GPT-5.6 Luna · xhigh， 83.4% 答案项准确率， 22.0% 完整表格， 2.7m
Perplexity， 25-turn： GPT-5.6 Sol · high， 84.0% 答案项准确率， 21.0% 完整表格， 2.3m，位于效率与质量前沿
Perplexity， 25-turn： Claude Opus 5 · high， 68.2% 答案项准确率， 20.2% 完整表格， 2.5m
Perplexity， 25-turn： DeepSeek V4 Flash 0731 · high， 77.1% 答案项准确率， 20.0% 完整表格， 2.0m
Perplexity， 5-turn： GPT-5.6 Luna · xhigh， 80.0% 答案项准确率， 18.0% 完整表格， 2.4m
Perplexity， 5-turn： GPT-5.6 Sol · high， 81.4% 答案项准确率， 18.0% 完整表格， 2.2m，位于效率与质量前沿
Perplexity， 5-turn： DeepSeek V4 Flash 0731 · high， 72.1% 答案项准确率， 17.3% 完整表格， 2.6m
OpenAI Native， 5-turn： GPT-5.6 Sol · high， 78.4% 答案项准确率， 17.0% 完整表格， 2.7m
Parallel， 25-turn： GPT-5.6 Sol · high， 80.6% 答案项准确率， 16.5% 完整表格， 2.7m
Exa， 25-turn： GPT-5.6 Luna · xhigh， 78.0% 答案项准确率， 16.0% 完整表格， 2.9m
OpenAI Native， 25-turn： GPT-5.6 Sol · high， 81.8% 答案项准确率， 16.0% 完整表格， 3.9m
Exa， 25-turn： DeepSeek V4 Flash 0731 · high， 74.5% 答案项准确率， 15.0% 完整表格， 2.3m
Parallel， 25-turn： Claude Opus 5 · high， 65.9% 答案项准确率， 13.6% 完整表格， 3.5m
Parallel， 5-turn： GPT-5.6 Sol · high， 77.8% 答案项准确率， 13.5% 完整表格， 2.6m
Perplexity， 5-turn： Claude Opus 5 · high， 67.8% 答案项准确率， 13.1% 完整表格， 1.8m，位于效率与质量前沿
Perplexity， 1-turn： GPT-5.6 Sol · high， 79.8% 答案项准确率， 13.0% 完整表格， 1.9m，位于效率与质量前沿
Parallel， 1-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 13.0% 完整表格， 2.0m
OpenAI Native， 1-turn： GPT-5.6 Sol · high， 76.9% 答案项准确率， 13.0% 完整表格， 2.7m
Exa， 5-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 12.1% 完整表格， 2.0m
Exa， 25-turn： Claude Opus 5 · high， 67.0% 答案项准确率， 12.1% 完整表格， 2.8m
Exa， 5-turn： GPT-5.6 Luna · xhigh， 75.7% 答案项准确率， 12.0% 完整表格， 2.4m
Exa， 25-turn： GPT-5.6 Sol · high， 77.4% 答案项准确率， 11.6% 完整表格， 3.4m
Exa， 5-turn： GPT-5.6 Sol · high， 74.4% 答案项准确率， 11.6% 完整表格， 3.1m
Parallel， 5-turn： Claude Opus 5 · high， 65.2% 答案项准确率， 11.5% 完整表格， 2.1m
Parallel， 25-turn： GPT-5.6 Luna · xhigh， 74.4% 答案项准确率， 11.5% 完整表格， 3.0m
Perplexity， 1-turn： GPT-5.6 Luna · xhigh， 71.1% 答案项准确率， 11.0% 完整表格， 2.4m
Parallel， 5-turn： GPT-5.6 Luna · xhigh， 72.9% 答案项准确率， 11.0% 完整表格， 2.5m
Perplexity， 1-turn： Claude Opus 5 · high， 65.8% 答案项准确率， 10.0% 完整表格， 70s，位于效率与质量前沿
Parallel， 25-turn： DeepSeek V4 Flash 0731 · high， 71.2% 答案项准确率， 9.8% 完整表格， 3.3m
Exa， 5-turn： DeepSeek V4 Flash 0731 · high， 66.3% 答案项准确率， 9.2% 完整表格， 2.8m
Exa， 1-turn： GPT-5.6 Sol · high， 68.2% 答案项准确率， 8.5% 完整表格， 2.8m
Parallel， 1-turn： GPT-5.6 Luna · xhigh， 67.9% 答案项准确率， 8.5% 完整表格， 2.5m
Parallel， 1-turn： Claude Opus 5 · high， 61.7% 答案项准确率， 8.0% 完整表格， 77s
Exa， 1-turn： GPT-5.6 Luna · xhigh， 69.1% 答案项准确率， 8.0% 完整表格， 2.4m
Parallel， 5-turn： DeepSeek V4 Flash 0731 · high， 66.2% 答案项准确率， 8.0% 完整表格， 2.9m
Exa， 1-turn： Claude Opus 5 · high， 59.6% 答案项准确率， 5.5% 完整表格， 90s
Parallel， 1-turn： DeepSeek V4 Flash 0731 · high， 59.4% 答案项准确率， 4.0% 完整表格， 1.8m

搜索预算如何影响答案条目的准确率？

查看答案项准确率如何随搜索预算变化；完整表格的成功率显示在下方。空缺单元格表示未运行测试。

按搜索提供商和搜索预算（智能体最大轮次）划分的答案项准确率和完整表格成功率。
搜索提供商	1-turn	5-turn	25-turn
Perplexity	79.8%13.0% 张完整表格GPT-5.6 Sol · high	81.4%18.0% 张完整表格GPT-5.6 Sol · high	84.0%21.0% 张完整表格GPT-5.6 Sol · high
OpenAI Native	76.9%13.0% 张完整表格GPT-5.6 Sol · high	78.4%17.0% 张完整表格GPT-5.6 Sol · high	81.8%16.0% 张完整表格GPT-5.6 Sol · high
Parallel	77.4%13.0% 张完整表格GPT-5.6 Sol · high	77.8%13.5% 张完整表格GPT-5.6 Sol · high	80.6%16.5% 张完整表格GPT-5.6 Sol · high
Exa	69.1%8.0% 张完整表格GPT-5.6 Luna · xhigh	75.7%12.0% 张完整表格GPT-5.6 Luna · xhigh	78.0%16.0% 张完整表格GPT-5.6 Luna · xhigh

所有搜索配置

所有模型的已验证配置，按答案项准确率排名；同时显示整表成功率和区间。

所有已验证的 WideSearch 配置，先按答案项准确率排序，再按整表成功率和问题数量排序。
#	模型	搜索提供商	搜索预算	推理强度	答案项准确率	完整表格	每题成本	平均生成时间 / 问题	问题
1	GPT-5.6 Sol	Perplexity	25-turn	high	84.0%	21.0%	US$0.83	2.3m	100
2	GPT-5.6 Luna	Perplexity	25-turn	xhigh	83.4%	22.0%	US$0.17	2.7m	100
3	GPT-5.6 Sol	OpenAI Native	25-turn	high	81.8%	16.0%	US$0.98	3.9m	100
4	GPT-5.6 Sol	Perplexity	5-turn	high	81.4%	18.0%	US$0.45	2.2m	100
5	GPT-5.6 Sol	Parallel	25-turn	high	80.6%	16.5%	US$1.46	2.7m	200
6	GPT-5.6 Luna	Perplexity	5-turn	xhigh	80.0%	18.0%	US$0.063	2.4m	100
7	GPT-5.6 Sol	Perplexity	1-turn	high	79.8%	13.0%	US$0.26	1.9m	100
8	GPT-5.6 Sol	OpenAI Native	5-turn	high	78.4%	17.0%	US$0.53	2.7m	100
9	GPT-5.6 Luna	Exa	25-turn	xhigh	78.0%	16.0%	US$0.22	2.9m	100
10	GPT-5.6 Sol	Parallel	5-turn	high	77.8%	13.5%	US$0.60	2.6m	200

我们为何运行此基准测试

分数能说明什么、不能说明什么

这些问题是公开的，这意味着随着时间推移，记忆效应可能推高绝对分数；搜索配置之间的差异仍有意义，因为所有配置都使用相同的模型。

任务评分方式

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

搜索配置包含一个模型、搜索引擎、请求格式和最大搜索预算。分数按每次已验证运行中的问题数量加权；小规模冒烟测试不计入。

实际运行示例

固定的历史运行，不受上方模型筛选条件影响。较长的结果和运行元数据会被截短；所选查询可能经过编辑或被省略。

任务

为弗雷斯诺地区构建经过核实的诊所表格

这是 2024 年的历史基准测试快照，并非当前的医疗服务指导。

参考

答案项准确率 62.2%

ExaClaude Opus 4.8 1 turn

最终答案

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

发生的情况

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.

方法论

下载并引用

下载 CSV (text/csv)
下载 JSON (application/json)
快照清单（上述文件的 SHA-256 校验和）
最新清单（可变别名，随快照发布而更新）

列定义、方法和脱敏规则见数据集 README。

引用此排行榜

OpenRouter（2026）。WideSearch 在 OpenRouter 上的搜索结果，2026-11-03 快照。https://openrouter.ai/benchmarks/widesearch。依据 CC BY 4.0 授权。

WideSearch

价格与质量对比

平均生成时间与质量对比

我们为何运行此基准测试

分数能说明什么、不能说明什么

任务评分方式

实际运行示例

为弗雷斯诺地区构建经过核实的诊所表格

已选搜索，已显示 2 项，共 2 项

方法论

下载并引用

引用此排行榜

WideSearch

价格与质量对比

平均生成时间与质量对比

我们为何运行此基准测试

分数能说明什么、不能说明什么

任务评分方式

实际运行示例

为弗雷斯诺地区构建经过核实的诊所表格

已选搜索，已显示 2 项，共 2 项

方法论

下载并引用

引用此排行榜