Parallel Web Systemsが検索APIを発表：AIエージェント向けの最も正確なウェブ検索

並列Webシステム AIエージェント向けにカスタマイズされた新しいウェブインフラの構築に注力するスタートアップ企業であるParallel Search APIは、関連性の高いトークン効率の高いウェブデータを、最小限のコストで提供することに特化したウェブ検索ツール「Parallel Search API」をリリースしました。このイノベーションは、AIエージェントにとってより正確な回答を提供し、ラウンドトリップ数を削減し、コストを削減することを目指しています。

従来の検索エンジンは人間のユーザー向けに設計されています。ユーザーがページをクリックすることを前提にURLをランク付けし、キーワード検索、クリック率、閲覧を目的としたページレイアウトを最適化します。これらはすべて数ミリ秒で最小限のコストで実行されます。第一世代のAIベースの検索APIは、この人間中心の検索モデルをAIに適応させようと試みましたが、人間のユーザー固有の要件を完全には満たしていませんでした。 AIエージェント .

人間のユーザーとは異なり、AI検索には異なるアプローチが必要です。人間のクリック数に基づいてURLをランク付けするのではなく、AIエージェントのコンテキストウィンドウに配置する最も関連性の高いトークンを特定し、タスクの完了を支援することに重点を置いています。目標は、人間のエンゲージメントを最適化することではなく、AIモデル内の推論と意思決定を強化することです。

この新しい検索アーキテクチャには、いくつかの重要な革新が含まれています。キーワード マッチングを超えたセマンティック目標を採用してエージェントの意図を捉え、人間中心のページ メトリックよりもトークンの関連性を優先し、推論のために凝縮された高品質の情報を提供し、複数のステップではなく 1 回の検索呼び出しで複雑なクエリを解決します。

この AI ファーストの検索設計を利用することで、エージェントはコンテキスト ウィンドウ内でより情報密度の高い Web トークンにアクセスできるようになり、検索呼び出しの回数が減り、精度が向上し、コストと遅延が削減されます。

AIエージェントのための複雑で多様なWebソース検索の進化 

既存の検索システムの多くは単純な質問への回答に重点を置いていますが、より複雑で多面的な検索のニーズが高まると予想されます。ユーザーとAIエージェントの両方が、複数の情報源からの情報の統合、複雑なタスクの推論、アクセスが困難なWebコンテンツへのアクセスなどを含む回答をますます必要とするようになるでしょう。

この高まる需要に対応するため、Parallel は、困難なマルチホップ タスク (BrowseComp など) からより単純なシングルホップ クエリ (SimpleQA など) に至るまで、さまざまなベンチマークにわたって Search API のパフォーマンスを評価しました。

Parallel は、複数のトピックにまたがるクエリ、クロールが困難なコンテンツの深い理解を必要とするクエリ、散在するソースからの情報を統合するクエリなど、より複雑なクエリにおいて優位性を示しました。HLE、BrowseComp、WebWalker、FRAMES、Batched SimpleQA など、マルチホップ推論向けに設計されたベンチマークにおいて、Parallel は高い精度を実現しただけでなく、推論ステップ数を減らし、より効率的にクエリを解決しました。

従来の検索APIは、複数のシーケンシャル検索を必要とする傾向があり、レイテンシの増加、コンテキストウィンドウの拡張、トークンコストの増大、精度の低下といった問題を引き起こします。一方、Parallelのアプローチでは、より複雑なクエリを1回の検索呼び出しで解決できるため、シーケンシャルクエリの数が減り、精度が向上し、コストとレイテンシが削減されます。

SimpleQA のような、単純な事実クエリを含む、より単純なシングルホップ ベンチマークでテストした場合、Parallel は引き続き良好なパフォーマンスを示しましたが、クエリの性質上、これらのシナリオでは精度向上の可能性はより制限されます。

Parallel が最先端の結果を達成できるのは、検索プロセスのあらゆるレイヤーを最適化する堅牢なインフラストラクチャの開発に2年間を費やし、フィードバックループを通じてパフォーマンスを継続的に向上させてきた成果です。このシステムは、マルチモーダル、長文の PDF、JavaScript を多用するウェブサイトなど、クロールが難しいウェブコンテンツのインデックス作成に重点を置きながら、ウェブサイト所有者への影響を最小限に抑えています。Parallel のウェブインデックスは、1日あたり10億ページ以上が更新されており、最も急速に成長しているウェブインデックスの1つです。

Parallelは、ランキング付けにおいて従来の検索とは異なるアプローチを採用しています。人間のクリックスルー率に基づいてURLをランキング付けするのではなく、大規模言語モデル（LLM）推論を用いて、最も関連性が高く権威のあるトークンを特定することに重点を置いています。Parallel独自のモデルは、トークンの関連性、ページとドメインのオーソリティ、コンテキストウィンドウの効率性、そしてクロスソース検証を評価し、エンゲージメント指標よりも品質を優先します。

Parallel Search API: 高品質でリアルタイムなウェブデータで AI システムを強化 

今日、最先端の開発者は、Parallel を活用した検索を用いて AI システムを構築・導入することを選択しています。これらの組織は様々な代替手段をテストし、Web データの品質が AI エージェントの意思決定に直接影響を与えることを認識しています。Sourcegraph Amp のコーディングエージェントがバグを解決したり、Claygent があらゆる市場開拓 (GTM) の意思決定を最適化したり、Starbridge が政府機関の RFP を発見したり、大手保険会社が人間の引受人よりも効果的に保険金請求を審査したりするなど、これらのシステムのパフォーマンスは、利用する Web データの正確性と関連性にかかっています。

Parallels独自のSearch APIは、Webエージェントを支えるコアインフラストラクチャとして機能します。例えば、複雑な複数ステップのエンリッチメントやリサーチクエリを処理するParallel Task APIは、Search APIを基盤として構築されています。本番環境で実行されるすべてのTask APIクエリは、バックグラウンドで問題なく動作するためにSearch APIに依存しています。

このアーキテクチャアプローチは、Parallel に高い基準を設定します。検索パフォーマンス、レイテンシ、品質の向上は、毎日何百万ものクエリを処理する本番システムに直接影響を及ぼします。Search API におけるあらゆる非効率性や不正確さは、それに依存する製品に直ちに影響を及ぼします。

その結果、Parallel のインフラストラクチャは、エージェントベースのワークロードの実際の要求下で継続的に改良され、実戦テストを受けています。エージェントが効果的にタスクを完了するための鍵は、コンテキストウィンドウ内のノイズを最小限に抑えながら、シグナルを最大化することです。Parallel Search API は、エージェントが Web から最も関連性の高い圧縮されたコンテキストを受け取ることを保証し、タスクを正確かつ効率的に実行する能力を高めます。