搜尋引擎一直是為人類設計的。你輸入一個查詢，掃描結果，調整後再試一次。
三十年來的基礎架構都圍繞著這個循環建構。
但 AI Agent 的工作方式完全不同。一個 Agent 想要同時從多個角度提出問題，並把所有得到的結果整合在一起。
然而，現在用來餵養 Agent 的搜尋 API，本質上只是把人類的循環包裝成一個端點。
一次查詢輸入，一次回應輸出，每次耗時數百毫秒。
我們花了一整年的時間，為真正執行搜尋的主體——也就是 Agent——重新打造搜尋引擎。我們沒有對此大肆宣傳。
老實說，那時候我們還沒準備好。今年早些時候，我覺得我們大概只達到自己期望的 70%，而我不想為了 70% 的成果製造聲量。
現在我們準備好了。
數據會說話
Octen 的網頁搜尋 API 在 SealQA Hard 評測中，中位數回應時間為 62ms，P90 為 68ms。
這比 Exa、Parallel 等類似服務快了好幾倍。
最快的替代方案大約需要 244ms。最慢的則超過 2.6 秒。
這張圖表中有一個細節比標題數字更重要：我們 P50 和 P90 之間的差距僅有 6ms。而有些服務的差距甚至超過一秒。
如果你的 Agent 無法預測一次搜尋需要多久時間，它就無法進行有效的規劃。
定價方面，每 1,000 次呼叫僅需 1 美元。這個類別的大多數服務收費在 4 到 9 美元之間。
在品質方面，Octen Embedding 在 RTEB 排行榜上排名第一，而我們的 VL 嵌入模型則在 MMEB-v2 排行榜上位居榜首。
我們開源了文字嵌入模型，在五個月內下載量已超過 500,000 次。
在 DeepResearch Bench 評測中，我們的分數比 OpenAI Deep Research、Gemini 和 Grok 高出 10 到 17 分。
在 FreshQA Strict 和 SimpleQA 評測中，我們領先於所有測試過的對手。
注意：所有基準測試均已公開且可重現。連結在文末。
我為何創立 Octen
我叫 Kuan Zou。在創立 Octen 之前，我在阿里雲擔任 AI 搜尋產品負責人長達五年，負責管理服務數億用戶的系統。
更早之前，我從零開始打造了百度企業搜尋平台。
在阿里雲的每一年，我的工作就是撐過「黑色星期五」的流量高峰。單日數十億次查詢，不容許任何失誤。
因此，當我看到那些提供給 AI Agent 的搜尋 API 時，我著實感到驚訝。大多數 API 在每秒查詢數達到數十次時就開始出現問題。
一個執行實際任務的 Agent 會同時觸發 20、50、甚至 100 次搜尋。Agent 最依賴的基礎設施，反而是最先崩潰的那個部分。
我們獲得了 由 Square Peg 領投的 1000 萬美元種子輪融資，匯集了來自阿里巴巴、百度、Meta、Google、TikTok、DeepSeek 和小紅書的團隊成員，然後開始投入工作。
從線性到並行
給 Octen 一個問題，它會將問題分解成數十個子查詢，同時發送所有查詢，然後將所有回傳的結果組合成一個答案。
不是一次只處理一個查詢，而是同時處理所有查詢。
這就是它在深度研究（Deep Research）上的表現：在 3 分鐘內完成一份有完整來源引用的報告。那些在同一任務上需要花費一個多小時的系統，在 DeepResearch Bench 上的分數低於我們。
在 62ms 的速度下，搜尋不再像一個外部工具，而是開始變得像記憶體一樣。
你的 Agent 能以接近處理自身上下文的速度，對即時網路進行推理。
這開啟了以往不切實際的應用。例如：即時交易 Agent、即時體育賽事和市場數據 Agent、以及能夠回答問題而無需尷尬停頓的語音 Agent。
為可靠性而生
一個 Octen 帳戶即可支援每秒超過 1,000,000 次查詢。新內容在發布後 5 分鐘內即可被索引。
我們也提供具有 SLA 保證的 QPS。
據我所知，我們是這個領域中唯一能夠做出此承諾的服務商，因為這只有在端到端擁有自己的索引時才可能實現。而我們做到了。
除文字搜尋外，我們也提供圖片搜尋和影片搜尋服務，並透過即時網路上的真實參考資料來為圖片和影片生成提供依據。
這個功能層目前處於早期搶先體驗階段。
為何價格還能便宜 5 倍
這沒有什麼花招。
大多數「為 AI 打造的搜尋」產品，都是建立在原本為人類設計的開源搜尋堆疊之上。它們只是把搜尋框背後的引擎，搬到了 API 後面。
技術本身沒有改變。改變的只有介面。稱之為「為 AI 打造的搜尋」根本說不通。
我們重建了一切。搜尋引擎、排序機制、服務層，全部為了機器消費而從零開始編寫。我們的技術棧中沒有任何部分是為人類瀏覽結果而設計的。
這就是為何能做到這個價格。一個完全原生的 AI 引擎，不會繼承三十年來人類搜尋的歷史包袱。每 1,000 次呼叫 1 美元的商業模式是健康的。這不是一個隨時會終止的補貼方案。
價格是對架構最誠實的證明。任何人都可以聲稱他們的搜尋是為 AI 打造的。但成本結構會揭露真相。
這個領域的一些公司，每天都在用我們的 API 來測試他們自己的 API。
我認為這是一種讚美。
為何我分享一切
知道該做什麼，和有能力把它做出來，是兩回事。
我們的護城河是擁有一支在處理世界上最嚴苛的搜尋流量方面累積了十年經驗的團隊。
先行者們教育了市場，對此我心懷感激。
但開發者總是會核對數據，然後將流量導向表現最好、成本最低的服務。
我認為這是最誠實的市場。
既有的競爭者們在過去兩年忙於行銷。我們則忙於工程。
現在，工程成果已經公開。
實體時代
下一代 AI 不會只存在於螢幕上。
眼鏡、機器人、世界模型。在這樣的世界裡，搜尋將成為 AI 的眼睛：即時感知並理解網路世界。
一個機器人無法等待 3 秒鐘來獲得答案。
當搜尋能在幾十毫秒內完成時，實體 AI 的即時互動才終於突破了長久以來的瓶頸。
在那個時代，我相信任何延遲超過 100ms 的技術都將被淘汰。而今天，我們是唯一低於這個標準的服務商。
Agent 的技術堆疊正在定型為三個部分：基礎模型、GPU 和即時搜尋。
前兩個已經有了解決方案和明確的贏家。第三個部分仍在競爭中。這就是我們打算贏得的競賽。
親自試試看
基準測試是公開的，API 也是開放的。
每 1,000 次呼叫 1 美元，內含 5 美元免費額度。可以作為 API、Skills、透過 MCP 以及從 CLI 使用。它能在 Claude Code、Cursor、VS Code 以及任何 MCP 客戶端中運作。
拿我們和你現在使用的任何服務比一比。
同樣的查詢，並排比較。然後分享你的發現。
這個領域的公司每天都在拿我們做基準測試，你也應該這麼做。
文件： docs.octen.ai
注意：延遲和準確率數據基於 SealQA Hard、FreshQA Strict 和 SimpleQA 評測。測試日期和區域已標註在每張圖表上。重現基準測試： https://github.com/Octen-Team/search-eval
