Exa 发布了 Agent Ultra，这是其 Exa Agent API 中投入力度最高的档位。它专为必须跑到穷尽的研究而打造：大规模列表构建、实体信息补全，以及需要数千个来源的问题。Exa 团队报告称，Ultra 在 4 项研究基准测试上击败了均以最大投入运行的 Opus 5.5、GPT-6 Astra 和 Perplexity Agent。
它可以部署吗？可以，作为托管 API 部署。Agent Ultra 今天已在 Exa API 上线，只需设置 effort: "ultra"。它不是开源权重，无法自托管。
什么是 Exa Agent Ultra？
Exa Agent 会把任务拆分为子任务，并分配子智能体同时研究多个领域。它把前沿模型路由到需要它们的步骤，在足够用的步骤使用更快的模型。Ultra 是消耗算力最多的模式。根据 Agent Ultra 文档，它比其他任何投入档位运行时间都更长，以返回最完整的结果。
Ultra 运行通常在约 30 分钟内完成复杂任务。极难的任务可能长达 3 小时。
基准测试结果
以下所有数据均来自 Exa 的发布文章。竞争对手均以其最大投入设置运行。
基准测试（指标）Agent UltraOpus 5.5GPT-6 AstraPerplexity AgentWANDR（软召回）81.4%72.3%26.0%40.1%DeepSearchQA（F1）93.9%77.6%85.3%89.7%WideSearch（行级 F1）58.9%51.6%54.7%56.0%Company Find-All（每任务平均通过实体数）2,45114611398
Exa 为每项结果都附带了成本声明：
WANDR：比 Opus 5.5 高 12.6%，每任务成本仅为其一半。
DeepSearchQA：比 Perplexity 高 4.7%，每任务成本比 GPT-6 Astra 低 46%。
WideSearch：比 Perplexity 高 5.2%，每任务成本是 4 个系统中最低的。
Company Find-All：比 Opus 5.5 高 1579%，每个找到实体的成本最低。
这些增幅是相对值，而非百分点。在 WANDR 上，与 Opus 5.5 的绝对差距为 9.1 个百分点。
理解这些数字
WANDR 是 Perplexity 的基准测试，包含 500 个广度与深度数据收集任务，并配有开源测试框架。Exa 的评分器沿用了上游评估逻辑。它把内容工具替换为 Exa，更改了传输逻辑，并使用 gpt-6-luna 作为评判模型。如果某厂商已在该框架上发布过结果，Exa 就报告该数字。否则，Exa 自行运行该基准测试。
DeepSearchQA 是 Google DeepMind 的 900 条提示词多步搜索基准测试。WideSearch 测试广泛的信息收集能力。Exa 对 WANDR 和 DeepSearchQA 各评估了最多 200 个任务，对 WideSearch 和 Company Find-All 各评估了 100 个任务。评分任务数量因提供商而异。所有结果均为厂商自报，尚未被独立复现。
Agent Ultra 的适用场景
Exa 列出了 3 类目标用户群体：
模型提供商：组装训练数据，例如实现某项技术的每一篇论文和代码仓库。验证诸如“发布的是开源权重，而不仅仅是 API”之类的标准。
金融服务：构建尽职调查市场图谱，跨文件与法院记录开展 KYC 研究，并监控投资组合信号。
上市推广团队：构建客户名单，并用判断字段丰富每一行，每个字段都有引用的 URL 作为支撑。
Ultra 还可以扩展现有列表。传入你已有的行，它们会被排除在新结果之外。
API、定价与控制
Ultra 使用标准的 Agent 运行端点。该请求支持 outputSchema、input.data 和流式传输。
复制代码已复制请使用其他浏览器
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, timeout_ms=3 * 60 * 60 * 1000)
print(run.stop_reason)
定价：按标准 Agent 使用费率计费，每次运行默认上限为 20 美元。提前完成的运行费用更低。
预算：maxCostDollars 接受 1 美元到 100 美元。maxDurationSeconds 接受 300 到 10,800 秒。
停止：stop 调用会提前结束运行，保留其结果，并按截至该时间点的用量计费。
超时：SDK 轮询辅助函数默认在 1 小时后超时，因此请设置更长的超时时间或使用流式事件。
OpenAI 兼容性：在 /responses 上，配合流式或后台模式设置 reasoning.effort: "ultra"。
你可以在 Exa API Playground 中测试它。
对比
关键要点
Agent Ultra 是 Exa Agent 的最高 effort 模式，现已通过 API 上线。
它编排并行子智能体，并混合使用前沿模型和更快的模型。
Exa 报告称在 WANDR、DeepSearchQA、WideSearch 和 Company Find-All 上取得最高分。
每次运行默认费用上限为 20 美元，可在 1 美元到 100 美元之间调整。
典型运行大约需要 30 分钟，上限为 3 小时。
查看技术细节。所有功劳都归于本项目的研究人员。另外，欢迎在 Twitter 上关注我们，别忘了加入我们拥有 15 万+ 成员的 ML SubReddit 并订阅我们的 Newsletter。等等！你在 telegram 上吗？现在你也可以在 telegram 上加入我们了。
需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或产品发布或网络研讨会等？联系我们
文章 Exa Launches Agent Ultra: A Subagent Swarm Deep Research API Built for Exhaustive List Building 首发于 MarkTechPost。