동차 Beating 모니터링에 따르면, OpenRouter가 Web Search Benchmarks를 출시하여 AI 인터넷 검색을 어떻게 구성해야 하는지专门 테스트합니다. 첫 번째 배치에서는 Exa, Parallel, Perplexity 및 모델 자체 검색을 포함하며, GPT-5.6 Sol, Claude Opus 5, DeepSeek V4 Flash 등의 모델과 함께 4개 검색 평가에서 정확도, 비용 및 속도를 비교합니다.
가장 두드러진 결과는 검색 엔진을 바꾸는 것보다 검색 라운드 수가 더 중요하다는 점입니다. BrowseComp 같은 어려운 문제에서 검색 상한을 1라운드에서 25라운드로 늘리면 점수가 약 두 배로 오르고, 단일 문제 비용은 약 2.5배에서 7배 증가합니다. 예를 들어 Claude Opus 5와 Perplexity를 조합하면 1라운드의 35.8%에서 25라운드의 89.0%로 향상됩니다.
모델 자체도 검색 엔진보다 더 중요합니다. 다른 조건을 동일하게 유지하고 모델을 바꾸면 평균 약 15점 차이가 나며, Exa, Parallel, Perplexity 등의 검색 엔진을 바꾸면 평균 약 10점 차이가 납니다. 모델 제조사의 자체 검색이 항상 최선인 것은 아니며, 구체적인 작업에 따라 다릅니다.
하지만 검색을 많이 한다고 반드시 더 효율적인 것은 아닙니다. BrowseComp에서 정답을 맞힐 때 모델은 평균 10.3회 검색하지만, 오답일 때는 오히려 19.7회 검색합니다. 원래 답을 찾기 어려운 작업의 경우 검색 횟수를 늘리면 Agent가 더 비싸게 실패할 가능성이 높습니다.