A Tavily afirmou ter conquistado o primeiro lugar em dois dos benchmarks mais usados para medir a qualidade de busca para agentes de IA: o SealQA e o SimpleQA. Segundo o blog da empresa, os resultados superam Exa Auto, Parallel Advanced, Perplexity Search, Brave e You.com. A disputa importa porque agentes dependem da informação que recebem, tema que o Tambotech já explicou no artigo sobre os padrões MCP, A2A e LLMs.txt que conectam sites a agentes de IA.
O que o SealQA e o SimpleQA medem
O SealQA nasceu na Virginia Tech e foi apresentado no ICLR 2026. Ele avalia modelos aumentados por busca em perguntas onde a web retorna resultados conflitantes, ruidosos ou inúteis, cenário comum em consultas do mundo real. O conjunto principal, o Seal-0, tem 111 questões consideradas quase impossíveis para modelos sem raciocínio: o GPT-5 com ferramentas acerta 43,2% no melhor esforço. O Seal-Hard amplia o teste para 254 perguntas. Já o SimpleQA, benchmark da OpenAI, reúne 4.326 perguntas factuais curtas com resposta única.
A Tavily diz que o desempenho veio de três frentes de engenharia: o reranking, que passou a pesar melhor autoridade da fonte, relevância e qualidade da evidência extraída; a deduplicação de trechos e o tratamento de contradições, que reduzem informação repetida ou inconsistente no contexto entregue ao modelo; e a ampliação da cobertura do índice, com atualização mais rápida para temas em movimento. Na metodologia divulgada, cada provedor recebe a mesma pergunta com limite de 10 resultados por consulta, um modelo leitor resume a resposta e um avaliador confere com o prompt oficial do SealQA.
Os números do SimpleQA estão no repositório público da Tavily e mostram 93,3% de acerto contra 85,92% da Perplexity Search, 82,15% do Google via Serper, 76,05% da Brave e 71,24% da Exa. No teste de relevância de documentos, a vantagem é maior: 83,02% contra 71,2% da Perplexity, 58,11% do Google e 56,2% da Brave.
A ressalva por trás do primeiro lugar
A ressalva é importante: os números, inclusive o gráfico de resultados divulgado pela empresa, vêm de avaliações conduzidas pela própria Tavily. O estudo acadêmico que criou o SealQA, assinado por pesquisadores da Virginia Tech, avalia modelos de linguagem e não compara provedores de busca comerciais. A metodologia da Tavily está aberta no GitHub, mas não há verificação independente. A empresa reconhece que um benchmark é apenas um sinal e recomenda que times rodem testes com consultas reais antes de escolher um provedor.
O timing não é casual. Busca para agentes virou infraestrutura estratégica: em fevereiro, a Nebius, companhia de nuvem de IA que se separou da Yandex, anunciou a compra da Tavily por US$ 275 milhões, segundo a Bloomberg. O fundador Rotem Weiss segue no comando e a marca continua operando de forma independente. Para desenvolvedores brasileiros, o teste custa pouco: são 1.000 créditos gratuitos por mês e US$ 0,008 por crédito no modelo de pagamento por uso, com planos a partir de US$ 30 por mês. Empresas no Brasil começam a colocar agentes em produção em áreas como atendimento e análise de dados, e a qualidade da busca que alimenta esses sistemas deve virar critério de escolha tão importante quanto o modelo de linguagem usado.
Quem constrói agentes hoje precisa olhar para os dois lados da equação: o modelo que raciocina e a busca que fornece os fatos. Se a liderança da Tavily se confirma fora dos próprios benchmarks, o mercado de busca para IA ganha um padrão de referência. Se não, a corrida continua aberta, e é exatamente por isso que os concorrentes passaram a publicar números.
