動察 Beatingのモニタリングによると、OpenRouterはWeb Search Benchmarksを公開し、AIのネット検索連携の最適な設定方法を専門にテストしている。初回カバーはExa、Parallel、Perplexity、およびモデル内蔵検索で、GPT-5.6 Sol、Claude Opus 5、DeepSeek V4 Flashなどのモデルと組み合わせ、4組の検索評価で精度、コスト、速度を比較している。
最も顕著な結果は、検索エンジンの切り替えよりも検索ラウンド数の方が重要だということだ。BrowseCompのような難易度の高いタスクでは、検索上限を1ラウンドから25ラウンドに引き上げると、スコアは約2倍に向上し、1問あたりのコストは約2.5倍から7倍に増加する。例えば、Claude Opus 5とPerplexityの組み合わせでは、1ラウンドの35.8%から25ラウンドの89.0%に向上した。
モデル自体も検索エンジンよりも重要である。他の条件を一定に保った場合、モデルを変更すると平均で約15ポイントの差が生じ、Exa、Parallel、Perplexityなどの検索エンジンを変更すると平均で約10ポイントの影響がある。モデルメーカー独自の検索が必ずしも最良とは限らず、具体的なタスクに依存する。
しかし、検索回数を増やせば必ずしもコスト効率が良いわけではない。BrowseCompでは、正解時にモデルは平均10.3回検索するが、誤答時には逆に19.7回検索する。そもそも答えを見つけるのが難しいタスクでは、検索回数を無制限に増やすと、エージェントがより高コストで失敗するだけになる可能性が高い。