Exa

Exa es una API de búsqueda web creada desde cero para agentes de IA y aplicaciones impulsadas por LLM. Fundada como Metaphor Systems a través de Y Combinator (W21) y renombrada como Exa en enero de 2024, la empresa de San Francisco opera un índice de búsqueda neuronal patentado que clasifica los resultados por significado en lugar de por frecuencia de palabras clave. El director ejecutivo, Will Bryk, describe el problema central con claridad: "Buscar en Internet debería sentirse como navegar por una gran biblioteca de conocimiento. Hoy en día, buscar en Internet se siente más como navegar por un vertedero". Exa recaudó una Serie B de $85M con una valoración de $700M en septiembre de 2025, liderada por Benchmark con la participación de Lightspeed, Y Combinator y la rama NVentures de NVIDIA.

La API ofrece varios puntos de conexión distintos: Search (recuperación web semántica con extracción de fragmentos destacados), Contents (texto limpio de página completa de cualquier URL), Answer (respuestas directas con citas), Find Similar (descubrir páginas relacionadas semánticamente a partir de una URL inicial) y Monitors (alertas en tiempo real sobre contenido nuevo coincidente). Sobre la API se encuentra Websets, un producto de automatización de investigación lanzado el 26 de febrero de 2025, que acepta objetivos de investigación en lenguaje natural y despliega canales de agentes para verificar miles de fuentes y devolver tablas estructuradas de resultados. Las integraciones nativas están disponibles para LangChain, LlamaIndex, CrewAI y el servidor Model Context Protocol de Claude, que superó las 46,000 descargas en abril de 2025.

Lo que Exa realmente hace en abril de 2026

El mecanismo central de Exa es un sistema de clasificación basado principalmente en incrustaciones (embeddings). En lugar de hacer coincidir las palabras clave de la consulta con la frecuencia de palabras clave de una página (como funcionaba el PageRank original de Google), Exa codifica tanto la consulta como las páginas candidatas en un espacio vectorial compartido y luego las recupera por proximidad semántica. Esto significa que una consulta como "fundadores de startups que dejaron el mundo académico para comercializar el plegamiento de proteínas" encuentra páginas relevantes incluso cuando esas palabras exactas nunca aparecen juntas en una sola página.

La API de Search devuelve resultados como un JSON estructurado con URL, título, fecha de publicación, autor y fragmentos destacados opcionales: las oraciones específicas del documento de origen que coinciden con la consulta. Esta función de fragmentos destacados, controlada mediante el parámetro highlights, reduce la carga de tokens que se pasa a los LLM posteriores en un 50-75% en comparación con la alimentación del contenido de la página completa, al tiempo que mejora la precisión de RAG en aproximadamente un 10% según los puntos de referencia internos de Exa. Los desarrolladores que crean sistemas de generación aumentada por recuperación obtienen una entrada limpia sin necesidad de una llamada de extracción (scraping) secundaria.

Más allá de la búsqueda estándar, el punto de conexión /findsimilar toma una URL como entrada y devuelve páginas relacionadas semánticamente, sin necesidad de una cadena de consulta. Esto impulsa los flujos de trabajo de descubrimiento: encontrar competidores similares a una startup conocida, encontrar artículos similares a una pieza de referencia, encontrar ofertas de trabajo similares a un puesto objetivo. El punto de conexión Monitors verifica si hay contenido nuevo que coincida con una consulta semántica de forma programada, reemplazando las alertas manuales de Google con activadores de calidad basados en incrustaciones.

El producto Websets, al que se accede en websets.exa.ai, se dirige a un flujo de trabajo diferente: investigación compleja de múltiples fuentes que de otro modo requeriría horas de tabulación manual. Usted define un objetivo en lenguaje natural ("Directores ejecutivos de las 50 principales startups de IA en EE. UU. por capitalización de mercado"), y Exa despliega un canal de agentes que procesa más de 1,000 páginas web, verifica recursivamente las fuentes según sus criterios y genera una tabla estructurada. El sistema encontró 20 veces más resultados correctos que Google y 10 veces más que OpenAI Deep Research en las propias pruebas comparativas de Exa sobre consultas complejas. Las consultas se completan en minutos o decenas de minutos, no en segundos, por lo que Websets es para tareas de investigación en lugar de recuperación en tiempo real.

Dónde se sitúa Exa frente a Tavily y Brave Search API

El mercado de API de búsqueda para desarrolladores tiene tres contendientes principales, cada uno optimizado de manera diferente.

Tavily también se creó específicamente para el consumo de agentes de IA (no se adaptó de un producto de consumo), lo que le otorga ventajas ergonómicas: un parámetro search_depth permite a los agentes intercambiar latencia por calidad de resultados según la urgencia de la tarea, e include_raw_content agrega extracción de página completa en una sola llamada. Pero Tavily se basa en la recuperación basada en palabras clave con posprocesamiento de LLM en lugar de clasificación neuronal. Su latencia P95 es de 3.8-4.5 segundos, frente a los 1.4-1.7 segundos de Exa. Tavily no tiene un subíndice de búsqueda patentado de personas, empresas o código. En los puntos de referencia independientes de agentes AN Score, Exa obtuvo 8.7 frente al 8.6 de Tavily, una brecha estrecha. Tavily fue adquirida por Nebius en febrero de 2026 por $275M, lo que introduce cierta incertidumbre sobre su hoja de ruta independiente. La clasificación neuronal de Exa gana en tareas de recuperación semántica; el control search_depth de Tavily gana cuando un agente necesita compensaciones explícitas entre calidad y velocidad.

Brave Search API adopta un enfoque completamente diferente. Brave opera un índice web independiente de más de 30 mil millones de páginas, totalmente separado de la infraestructura de Google o Bing, y la API explícitamente no registra datos de consulta, lo que la convierte en la herramienta preferida para cargas de trabajo de atención médica, legales o gubernamentales donde la confidencialidad de la consulta es un requisito de cumplimiento. Su nivel gratuito es más generoso (2,000 consultas por mes frente a las 1,000 de Exa). La compensación: Brave utiliza una clasificación basada en palabras clave, por lo que las consultas técnicas o conceptuales de nicho devuelven resultados más escasos. En el mismo punto de referencia de agentes AN Score, Brave obtuvo 7.1, aproximadamente 1.6 puntos por debajo de Exa. Elija Brave cuando la postura de cumplimiento o el presupuesto importen más que la precisión de recuperación; elija Exa cuando la comprensión semántica sea el requisito principal.

"Los resultados de Websets son buenos porque los modelos de incrustación devuelven páginas de inicio reales de startups, mientras que los motores basados en palabras clave devuelven listas de artículos (listicles)." - Usuario de HN, hilo de lanzamiento de Hacker News, mayo de 2025

Cómo es realmente el flujo de trabajo de integración de agentes

Para un desarrollador de Python que agrega Exa a un agente de LangChain, la integración requiere aproximadamente una docena de líneas: instalar el SDK (pip install exa-py), instanciar un cliente Exa con una clave API y usar el contenedor integrado ExaSearchRetriever. Para CrewAI, hay un patrón de decorador @tool dedicado en la documentación. El servidor MCP se conecta a Claude Desktop o a cualquier cliente compatible con MCP sin necesidad de código, mostrando la búsqueda web, la investigación y la búsqueda de documentación de código como herramientas nativas.

El modelo de precios se basa en el uso sin necesidad de suscripción para el nivel de API. La asignación gratuita de 1,000 solicitudes por mes cubre la creación de prototipos y la evaluación. A escala de producción, un equipo que ejecuta 10,000 búsquedas por mes paga aproximadamente $70 a la tarifa estándar de Search ($7 por cada 1,000). Los proyectos educativos y de startups pueden solicitar $1,000 en créditos gratuitos. Los límites de tasa predeterminados son de 10 QPS (600 solicitudes por minuto), lo que es adecuado para la mayoría de los flujos de trabajo de un solo agente, pero requiere lógica de cola para canales paralelos de múltiples agentes. Los clientes empresariales negocian límites más altos directamente.

El producto Websets es una suscripción separada basada en créditos. El nivel Starter de $49/mes proporciona 8,000 créditos y 100 resultados por Webset. Un solo Webset complejo con 100 resultados verificados consume una fracción significativa de esos créditos, lo que toma por sorpresa a los nuevos usuarios. Un usuario de HN informó haber gastado 750 de sus 1,000 créditos gratuitos en una sola búsqueda exploratoria. La recomendación de los usuarios experimentados: use el panel de desarrollador para rastrear los patrones de consumo de créditos antes de comprometerse con un nivel de plan.

"La gran mayoría del valor de todo nuestro sistema de búsqueda proviene de la recuperación, no del LLM. Nuestros clientes a menudo traen su propio LLM y prompt." - Will Bryk, CEO, entrevista en Sacra

Para quién está diseñado Exa

Exa se dirige a ingenieros de IA y equipos de desarrolladores como su audiencia principal. Si está creando un canal RAG, un agente de IA que necesita buscar información o un producto de automatización de investigación, Exa es la API que se diseñó exactamente para esa carga de trabajo. Las afirmaciones de los puntos de referencia de la empresa (54.4% de precisión en FRAMES frente al 44.5% y 21.6% de la competencia) y su lista de clientes (Cursor, AWS, Databricks, Groq) sugieren que el estándar de calidad es real.

Websets amplía el valor a investigadores no ingenieros que necesitan investigación estructurada y verificada a escala: equipos de ventas que crean listas de prospección, analistas que crean rastreadores de inteligencia competitiva, equipos de reclutamiento que encuentran grupos de candidatos. La interfaz en lenguaje natural elimina la necesidad de escribir llamadas a la API, pero el producto Websets sigue siendo más lento y costoso que una búsqueda en Google para consultas casuales y puntuales.

Dentro de la audiencia de desarrolladores, Exa es particularmente fuerte para los equipos que ya usan LangChain, LlamaIndex o CrewAI, ya que las integraciones nativas significan que no hay código de conexión personalizado. Los usuarios de Claude MCP obtienen la ruta de incorporación más rápida: un clic para agregar el conector en Claude Desktop, sin necesidad de terminal.

Lo que Exa no es

Exa no es un reemplazo de Google o Perplexity para la navegación web diaria. No hay interfaz de chat, ni flujo de preguntas de seguimiento, ni experiencia de usuario (UX) para el consumidor. Si desea que una IA busque en la web y responda una pregunta de manera conversacional, Perplexity Sonar o Claude con búsqueda web lo hacen mejor.

Exa tampoco es la herramienta adecuada para cargas de trabajo críticas para la privacidad. Si sus consultas contienen información confidencial de pacientes, legal o financiera y necesita una garantía contractual de que esas consultas nunca se registran, la postura de cero registro de consultas de Brave Search API es más apropiada. Exa no publica garantías equivalentes.

Websets no es adecuado para la recuperación en tiempo real. Las consultas que devuelven entre 50 y 100 resultados verificados tardan de minutos a decenas de minutos, ocasionalmente más en criterios complejos. Si el bucle de su agente necesita un resultado de búsqueda web en menos de dos segundos, use la API de Search base, no Websets.

Finalmente, el sistema de créditos de Exa castiga a los usuarios intermitentes. El plan Websets de $49/mes funciona bien solo si ejecuta búsquedas con la suficiente consistencia como para consumir los créditos antes de que se reinicie el mes. Los equipos de investigación ocasionales pueden encontrar que el precio de la API por consulta es más económico que una suscripción mensual que consumen parcialmente.