概念
基准测试数据集，用于评估搜索模型性能。
已跟踪 4 条高相关材料
最近变化
2026-07-22 · 新模型在SimpleQA基准达到SOTA，但未披露具体训练数据和架构
为什么值得关注
SimpleQA 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Under the hood, we now use a new custom model to pull the most relevant context from each result. I...
Firecrawl(@firecrawl_dev) · 8.5 分
Firecrawl推出新模型，通过评分机制提升搜索准确性并减少token使用。
Introducing our most accurate /search yet. We trained a model to return the excerpts that best answ...
Firecrawl(@firecrawl_dev) · 8.5 分
Firecrawl推出的新搜索模型在SimpleQA上达到SOTA，使用10倍更少的token，现已免费提供。
Less noise = more signal. Vital content per snippet is up 63%. Ads, navigation, metadata, and unhel...
Perplexity(@perplexity_ai) · 7 分
Perplexity通过预处理过滤广告、导航和无用内容，将每片段关键信息提升63%，实现了50倍压缩率的同时保持前沿性能。
已收录 4 条与 SimpleQA 相关的内容，按评分排序。
Firecrawl推出的新搜索模型在SimpleQA上达到SOTA，使用10倍更少的token，现已免费提供。
入选理由：新模型在SimpleQA基准测试中达到SOTA性能，同时减少90%的token消耗
Firecrawl推出新模型，通过评分机制提升搜索准确性并减少token使用。
入选理由：新模型对段落/列表/表格进行评分，提取关键上下文
By filtering ads, navigation, and无用内容 before handoff to the answer model, Perplexity increases vital content per snippet by 63%, achieving a 50x compression ratio while maintaining frontier-level performance.
入选理由：通过过滤广告、导航、元数据和无效内容，Perplexity使关键信息密度提升63%
Firecrawl推出新搜索功能，使用更少token实现SOTA性能，但缺乏技术细节和工程实践指导。
入选理由：新模型在SimpleQA基准达到SOTA，但未披露具体训练数据和架构
