Exa Agent Ultra: Революция в глубоком исследовании данных через API

В мире искусственного интеллекта, где скорость и точность часто идут рука об руку, появляется новый игрок, готовый переопределить стандарты «глубокого исследования» (deep research). Компания Exa, известная своими передовыми решениями в области семантического поиска, официально представила Agent Ultra. Это не просто очередное обновление модели, а полноценный архитектурный сдвиг в том, как мы взаимодействуем с информацией. Agent Ultra позиционируется как инструмент высшего уровня усилий (highest effort level), созданный специально для задач, требующих исчерпывающего анализа: от масштабного сбора списков компаний до обогащения сущностей и ответов на сложные вопросы, требующие обработки тысяч источников.

Что делает этот релиз особенным? Exa заявляет, что их новый агент превосходит таких гигантов, как Opus 5.5, GPT-6 Astra и Perplexity Agent, каждый из которых работает на максимальных настройках усилий. Но за громкими заявлениями скрывается серьезная техническая база. Agent Ultra использует сложную оркестрацию подзадач, распределяя вычислительные ресурсы между передовыми моделями и более быстрыми аналогами в зависимости от сложности этапа исследования. В этой статье мы подробно разберем, как работает эта система, какие результаты она показывает на бенчмарках, как её интегрировать в свои проекты и что это значит для бизнеса и разработчиков в России и мире.

01Архитектура Agent Ultra: Как работает «рой» подагентов

Чтобы понять мощь Agent Ultra, нужно заглянуть под капот его архитектуры. В отличие от простых чат-ботов, которые отвечают на один запрос одним ответом, Exa Agent спроектирован как многоагентная система. Когда вы отправляете сложный запрос, система не просто ищет информацию в интернете. Она разбивает исходную задачу на множество подзадач (subtasks) и назначает каждому из них специализированного «подагента» (subagent).

Эти подагенты работают параллельно, исследуя различные домены одновременно. Например, если вы просите найти все компании в сфере кибербезопасности в Европе, один подагент может искать новости, другой — анализировать патенты, третий — проверять судебные реестры. Ключевая инновация заключается в интеллектуальном маршрутизировании (routing). Система автоматически определяет, на каком этапе исследования требуется максимальная интеллектуальная мощь, и направляет запрос к «frontier» моделям (моделям передового уровня, таким как Opus или GPT-6). На этапах, где достаточно быстрого анализа или структурирования данных, используются более быстрые и дешевые модели. Это позволяет оптимизировать затраты и время, не жертвуя качеством финального вывода.

Режим Ultra — это режим максимальных усилий. Он выделяет наибольшее количество вычислительных ресурсов и времени на выполнение задачи. Согласно документации Exa, этот режим работает дольше любого другого уровня усилий, чтобы вернуть максимально полные и детализированные результаты. Типичный сложный запрос в режиме Ultra завершается примерно за 30 минут, однако самые трудоемкие задачи могут занимать до трех часов. Это время необходимо для того, чтобы агент мог провести глубокий анализ, верифицировать источники и синтезировать информацию из тысяч различных точек.

02Бенчмарки: Цифры, которые говорят сами за себя

В индустрии ИИ слова часто расходятся с фактами, поэтому Exa предоставила детальные результаты сравнительного тестирования. Все цифры ниже взяты из официального поста о запуске Exa. Конкуренты (Opus 5.5, GPT-6 Astra, Perplexity Agent) также запускались на своих максимальных настройках усилий, чтобы обеспечить честное сравнение.

Давайте рассмотрим ключевые метрики, которые Exa использует для оценки качества исследований:

• WANDR (Soft Recall): Эта метрика оценивает способность системы находить релевантные документы в широком наборе данных. Agent Ultra показал результат 81.4%, значительно опередив Opus 5.5 (72.3%) и GPT-6 Astra (26.0%).
• DeepSearchQA (F1 Score): Многошаговый бенчмарк от Google DeepMind, оценивающий точность ответов на сложные вопросы. Здесь Exa Ultra набрал 93.9%, что выше, чем у Perplexity Agent (89.7%) и Opus 5.5 (77.6%).
• WideSearch (Row-level F1): Тест на сбор широкой информации. Agent Ultra показал 58.9%, что является лучшим результатом среди всех протестированных систем.
• Company Find-All: Уникальная метрика Exa, измеряющая количество найденных сущностей (компаний) на задачу. Agent Ultra нашел в среднем 2,451 компанию, тогда как Opus 5.5 — всего 146, GPT-6 Astra — 113, а Perplexity Agent — 98.

Эти цифры впечатляют, особенно в категории Company Find-All, где преимущество Exa составляет более 1500% над Opus 5.5. Однако важно понимать контекст этих тестов. WANDR — это бенчмарк от Perplexity, состоящий из 500 задач по сбору данных. Exa использует тот же открытый хarnесс (harness), но заменяет инструмент контента на свой собственный и использует модель gpt-6-luna в качестве судьи. DeepSearchQA — это 900-промптовый бенчмарк от Google DeepMind. Exa оценивала до 200 задач для WANDR и DeepSearchQA, и по 100 задач для WideSearch и Company Find-All. Все результаты заявлены самими вендорами и пока не прошли независимое воспроизведение, что является стандартной практикой для ранних релизов.

03Для кого создан Agent Ultra?

Exa четко определяет три основные целевые аудитории для своего нового продукта. Понимание этих сценариев использования поможет вам решить, подходит ли вам этот инструмент.

1. Поставщики моделей (Model Providers)

Для компаний, разрабатывающих ИИ, Agent Ultra становится бесценным инструментом для сбора обучающих данных. Представьте, что вам нужно собрать полный список всех научных статей и репозиториев GitHub, реализующих конкретную технику машинного обучения. Agent Ultra может автоматически найти эти источники, верифицировать критерии (например, «опубликованы ли веса модели, а не только API») и структурировать данные. Это экономит сотни часов ручной работы исследователей.

2. Финансовый сектор (Financial Services)

В финансовой сфере глубина анализа критически важна. Agent Ultra может использоваться для создания карт рынка (market maps) для должной осмотрительности (diligence), проведения исследований по соблюдению требований KYC (Know Your Customer) через анализ заявлений и судебных записей, а также для мониторинга сигналов в портфелях. Способность агента обрабатывать тысячи источников и находить скрытые связи между компаниями делает его мощным инструментом для риск-менеджеров и аналитиков.

3. Команды Go-to-Market (GTM)

Для отделов продаж и маркетинга Agent Ultra — это машина по генерации лидов. Он может создавать списки потенциальных клиентов (account lists) и обогащать их данными, добавляя поля, требующие суждения (judgment fields), каждое из которых подкреплено цитируемым URL. Это позволяет продавцам не просто иметь список адресов электронной почты, но и понимать контекст компании, её недавние новости и потенциальные боли, что значительно повышает конверсию.

Кроме того, Agent Ultra поддерживает функцию расширения существующих списков. Вы можете передать агенту уже имеющиеся у вас строки данных, и он исключит их из новых результатов, фокусируясь только на новых, нераскрытых возможностях.

04Техническая интеграция: API, цены и контроль

Для разработчиков интеграция Agent Ultra проста, так как он использует стандартный конечный пункт (endpoint) запуска агентов Exa. Запрос поддерживает параметры outputSchema, input.data и потоковую передачу данных (streaming). Давайте разберем пример кода на Python, который показывает, как запустить запрос.

from exa_py import Exa

exa = Exa()

run = exa.agent.runs.create(
    query="Find all companies building browser automation tools in the United States.",
    effort="ultra"
)

run = exa.agent.runs.poll_until_finished(
    run_id=run.id,
    timeout_ms=60*60*1000  # 1 hour timeout
)

print(run.stop_reason)

В этом примере мы задаем запрос на поиск всех компаний, занимающихся автоматизацией браузеров в США, и устанавливаем уровень усилий в "ultra". Метод poll_until_finished будет опрашивать статус выполнения задачи до её завершения. Важно отметить, что по умолчанию таймаут SDK установлен на 1 час, поэтому для очень сложных задач, которые могут занять до 3 часов, вам нужно либо увеличить таймаут, либо использовать потоковую передачу событий (streaming events) для получения промежуточных результатов.

Ценообразование и лимиты

Agent Ultra тарифицируется по стандартным ставкам использования агентов Exa. По умолчанию максимальная стоимость одного запуска составляет $20. Однако система гибкая: если задача завершается раньше, вы платите меньше. Вы можете настроить бюджет с помощью параметров maxCostDollars (от $1 до $100) и maxDurationSeconds (от 300 до 10 800 секунд, то есть от 5 минут до 3 часов).

Если вам нужно остановить задачу досрочно, вы можете вызвать метод stop. Это прекратит выполнение, сохранит уже полученные результаты и выставит счет только за фактическое использование ресурсов. Также стоит отметить совместимость с OpenAI: на эндпоинте /responses вы можете установить reasoning.effort: "ultra", используя потоковую передачу или фоновый режим.

05Что это значит на практике

Запуск Agent Ultra знаменует собой новый этап в эволюции агентов ИИ. Раньше «глубокие исследования» были уделом дорогих консалтинговых фирм или требовали огромных команд аналитиков, работающих неделями. Теперь же, благодаря таким инструментам, как Exa Agent Ultra, эта задача становится доступной для бизнеса в режиме, близком к реальному времени.

Для российского рынка, где доступ к некоторым западным сервисам может быть ограничен, важно понимать, что Exa — это облачный API. Это означает, что для его использования потребуется стабильное интернет-соединение и возможность осуществлять международные платежи, если вы планируете использовать сервис напрямую. Однако, если вы являетесь разработчиком, вы можете интегрировать этот API в свои собственные продукты, создавая надстройки для российских пользователей, которым нужен доступ к качественным данным из глобальных источников.

Главный вывод: Agent Ultra не заменяет человека, но он многократно усиливает его возможности. Он берет на себя рутинную работу по сбору, фильтрации и верификации данных, позволяя специалисту сосредоточиться на стратегических решениях. Если вы занимаетесь финансовым анализом, маркетингом или разработкой ИИ-моделей, стоит протестировать Agent Ultra в песочнице Exa API Playground, чтобы оценить его потенциал для ваших конкретных задач. Будущее исследований — за гибридными системами, где человеческий интеллект управляет машинами, способными обрабатывать информацию в масштабах, недоступных человеку.

Следите за обновлениями от Exa и другими новостями из мира искусственного интеллекта на нашем портале. Мы продолжаем следить за развитием технологий, чтобы вы всегда были в курсе последних трендов.

Источник: MarkTechPost ↗