2026
3 篇文章搜尋工具會改變 RL 結果：Exa 的實驗提醒我們別只盯著模型
Exa 用兩個只有搜尋後端不同的 RL agent 做對照：Exa 訓練的 4B 在六個 benchmark 全數領先 SERP 版，還常超過未訓練的 235B，並以 0.58B tokens 追平 1.89B 的表現。本文拆解更密 reward signal 的機制、47 萬次搜尋呼叫的穩定性數據，以及這份廠商研究的限制。
閱讀文章 ↗Exa Highlights：用 1/16 的 token 做到同等準確度，agent 搜尋的成本瓶頸有解了？
Exa 宣稱新版 Highlights 在部分 evals 上以約 94% 更少 token 產出更高品質結果：SimpleQA 上 500 字元追平前 8000 字元的準確度，token 少 16 倍。本文拆解逐請求、不快取、100 毫秒內完成的萃取機制，檢視自報數據的讀法與限制，並整理多輪 agent 搜尋的導入判斷。
閱讀文章 ↗Deep Max：為何 Exa 把代理搜尋的速度推上新高？
Exa 推出 Deep Max 代理搜尋端點，結合前沿 LLM 與平行搜尋，在主要 agentic 搜尋基準達到 SOTA 準確率、速度領先對手達 20 倍，但定價未公開。本文拆解其設計原理與產品端的實際取捨。
閱讀文章 ↗
2026
2 ARTICLESExa Highlights: ~94% Fewer Tokens on Some Search Evals
Exa reports updated Highlights deliver higher-quality results for ~94% fewer tokens on some evals; on SimpleQA, 500 characters match the first 8,000. Mechanism, caveats, and adoption calls.
READ POST ↗Deep Max: Why Exa Pushes Agentic Search Speeds to New Heights
Exa's new Deep Max endpoint claims state-of-the-art accuracy in agentic search, with speeds up to 20x faster than competitors. A breakdown for product builders.
READ POST ↗