一句话结论：腾讯云在 10 月 20 日把元宝搜索正式对外开放，它以 Skill、MCP、API 三种方式向开发者提供联网检索能力，核心指标是千亿级索引、157 个垂直行业权威信源、底层索引检索平均耗时 8 毫秒，新用户每月赠送 2000 次免费调用额度。
搜索是所有大模型产品的刚需。模型本身再强，一旦需要实时信息就得外挂一个检索层，而外挂层的信源质量、召回率与延迟，直接决定了智能体答得好不好、快不快。腾讯云这次开放的元宝搜索，底座技术源自搜狗搜索，索引规模达到千亿级，日均调用量数亿次，此前已在 WorkBuddy、ima、腾讯金融科技、腾讯视频等 50 多个腾讯核心业务里跑过规模化验证。把它从内部基础设施变成对外供给，标志着搜索能力正在成为大模型厂商之外第二条独立的产品线。
元宝搜索对外开放了什么
腾讯云在 10 月 20 日宣布元宝搜索正式对外开放，面向大模型与 Agent 提供联网搜索能力，开发者可以通过 Skill（助手插件）、MCP（模型上下文协议）或直接调用 API 三种方式接入。这是腾讯第一次把大模型搜索能力以标准化接口的形式开放给外部开发者。
此前这套能力已经在腾讯内部跑了将近一年。腾讯方面披露的数据是：索引规模千亿级，日均调用量达数亿次，支撑 WorkBuddy、ima、腾讯金融科技、腾讯视频等 50 余项核心业务。底层技术源自搜狗搜索，整合全网公开资源与腾讯内容生态，覆盖腾讯新闻、搜狗百科、企鹅号、微信公众号、视频号等信源。
内部落地的几个具体案例能说明它解决什么问题。WorkBuddy 接入后用更短的检索路径和更少的工具调用完成技术文档与官方 API 查询；ima 在知识库与公网信息混合问答场景中信源召回量提升约 10%；腾讯视频把 AI 搜索范围从内部库扩展到全网召回，信息覆盖度提升 20%；腾讯金融科技研发团队在一周内上线了金融搜索能力。
8 毫秒与 94% 召回率是怎么做到的
Agent 一次提问通常会被拆解成三到五个子问题，可能连带调用十余个外部服务。元宝搜索在检索层采用倒排索引、向量索引与融合提效三类架构融合的方式，兼顾关键词精准匹配和语义检索，在保持 94% 高召回率的同时，把底层索引检索的平均耗时压到 8 毫秒。
三个指标需要分开看。8 毫秒是底层索引层的检索耗时，不等于用户端到端等待时间；94% 召回率意味着在测试集上每 100 条本该被检出的相关结果，约有 6 条会漏掉，这个水平与主流商用搜索 API 处在同一量级；而倒排加向量的双路结构决定了它对口语化表达、多语种混用、错别字和指代不明这些真实输入更宽容，语义歧义会交给大模型做解析，候选资料再按相关性、时效性、权威性三个维度排序。
排序层是这次升级的另一处重点。核心排序模型推理耗时从 149 毫秒降到 30 毫秒，缩短幅度超过 80%。做法是把文档压缩为约 100 个标记再缓存，官方称之为 Gist Token 压缩技术，这一层直接降低了推理延迟与调用成本。链路层则按环节设定耗时上限，超时自动降级，避免单点拖垮整条检索链路。两者叠加，元宝 App 的端到端响应时间缩短近 1 秒。
157 个权威信源与垂直行业覆盖
信源质量是这类产品最难复制的一块资产。元宝搜索接入了金融、医疗、法律、出行等 13 个垂直行业合计 157 个权威信源，具体包括申万宏源、携程、飞常准、腾讯医典、腾讯地图等。A 股、港股、美股、日股、韩股财报收录覆盖率超过 99%，政策、新闻、天气、行情等内容支持分钟级更新，全网收录覆盖率达 96%。
这套结构对金融类 Agent 尤其关键。开发者用大模型做投研或者财报问答时，最怕的就是数据源里混进未经审核的二手转载。腾讯把自选股、行情、研报这类需要付费和资质的内容沉淀成可按行业检索的定向信源，等于把合规成本前置到了索引层，调用方不必自己再维护一套白名单。做过相关工作的读者可以对照 腾讯混元 Hy Memory 2.0 的长期记忆开源 看看腾讯当前开源线上的技术取向。
三种接入方式怎么选
元宝搜索提供 Skill、MCP、API 三条路径，对应三类完全不同的使用场景。
Skill 适合在已有助手或插件体系内直接挂载调用，配置成本最低，适合不需要精细控制检索参数的场景。MCP 适合已经部署了 MCP 客户端基础设施的团队，把搜索作为工具注册进智能体的工具列表，模型可以自主决定何时发起检索、多轮追问时复用上下文。API 则是最底层也最灵活的方式，适合需要自定义检索策略、做二次排序或与自有索引做混合召回的服务端系统。
一个值得注意的定位差异是：元宝搜索走的是中文与全网公开内容为主的路线，而海外主流搜索 API 更偏英文语料和开发者文档生态。像 Exa 3.0 搜索 API 击败 Perplexity 等 8 项基准 那类海外产品，在代码检索和技术资料上的积累更深；DeepSeek Search API 上线 则是模型厂商自带检索能力的路线。做技术选型时先确定自己主要检索的是中文资讯、垂直金融数据，还是英文代码库，选错方向比调参数更致命。
横向对比：主流搜索 API 怎么选
把当前主流的联网检索服务放在一起对比，元宝搜索的位置比较清晰。
| 服务 | 索引规模 | 信源特点 | 公开延迟指标 | 接入方式 |
|---|---|---|---|---|
| 腾讯元宝搜索 | 千亿级 | 13 行业 157 权威信源，中文全网与腾讯生态 | 索引检索 8 毫秒 | Skill / MCP / API |
| Exa 3.0 | 未公开 | 英文语料与网页语义检索，见 8 项基准 | 未公开单一数值 | API |
| Perplexity | 未公开 | 英文网页索引，订阅制为主 | 端到端未公开 | API / 产品内 |
| DeepSeek Search API | 依托自家生态 | 模型厂商自带检索 | 未公开 | API |
从表里能看出元宝搜索的独特性不在于通用网页覆盖，而在于垂直权威信源和分钟级更新的财经政策内容，以及同时提供 MCP 这种当下 Agent 生态最主流的工具协议。它的短板也很清楚：国际开发者社区和英文技术资料的积累短期难以补齐，公开的端到端延迟数据也只有元宝 App 侧近 1 秒的缩短幅度可参考，服务端真实表现需要开发者自行实测。
免费额度与商业化路径
定价上，新用户每月可以享受 2000 次免费调用额度。官方提到的四个优化方向分别是认知层面的数据飞轮、算法层面的 Gist Token 压缩、架构层面的千亿级向量实时索引，以及内容层面 96% 的全网收录覆盖率。这四条串起来看是一条完整链路：内容覆盖扩大带来更多查询样本，数据飞轮反哺检索与智能体的联合优化，索引与压缩技术把延迟和成本压下来，开发者才会更愿意把真实流量导进来。
对中小团队来说，2000 次免费额度大致够跑一段时间的原型验证或低频个人助手。要放进生产环境并且面对用户提问，调用量很快就会超过这个量级，正式定价与超额策略目前官方尚未披露，需要持续关注。
常见问题
元宝搜索和普通的搜索引擎 API 有什么区别
普通搜索 API 返回的是链接和摘要，元宝搜索在信源层做了垂直行业定向，13 个行业的 157 个权威信源直接进索引，财报覆盖率超过 99%，并按相关性、时效性、权威性排序。返回结果更接近可直接喂给模型的素材，而不是需要二次清洗的网页列表。
开发者怎么开始使用元宝搜索
在腾讯云官网申请开通后，选择 Skill、MCP 或 API 三种方式之一即可。Skill 适合快速挂载，MCP 适合已有 MCP 客户端的智能体系统，API 适合需要自定义检索策略的服务端集成。新用户每月有 2000 次免费调用额度可用于验证效果。
8 毫秒的检索速度够不够支撑实时对话
这个指标是底层索引层的检索耗时，不是端到端响应时间。完整链路还包括意图理解、模型推理和内容生成，元宝 App 侧的整体优化幅度是响应缩短近 1 秒。对实时对话场景而言，8 毫秒意味着检索不再是延迟瓶颈，瓶颈转移到了排序与生成环节。
小结
元宝搜索对外开放的意义有两层。对腾讯而言，它把一条已经跑到数亿次日调用量的内部基础设施变成了独立商业产品，与模型服务形成组合销售。对开发者而言，中文全网加 157 个垂直权威信源、94% 召回率、8 毫秒索引检索这一组数字，提供了一个新的比选项，尤其是在金融、医疗、法律、出行这类对数据权威性敏感的场景。
搜索 API 的竞争正从「谁抓的网页多」转向「谁的信源更准、延迟更低、更好接进 Agent」。这条赛道上的对手不只包括搜索厂商，也包括各家模型厂商自带的检索能力。
相关阅读
- Exa 3.0 搜索 API 上线：击败 Perplexity 等 8 项基准
- DeepSeek Search API 上线：RAG 与 Agent 补齐实时检索
- 腾讯混元 Hy Memory 2.0 开源：55.49% 超 Claude Opus 5
- Kimi Agent Swarm 是什么：100 个子 AI 并行工作解析
延伸阅读
- Manus融资超5亿美元：博裕IDG领投，40亿美元估值重塑AI Agent格局2 周前
- 千问高考志愿填报 Agent 上线免费开放：志愿日历、报告、问答三项能力，去年报告领取近 1300 万份1 月前
- Cumora：yetone 开源的 AI Agent 团队协作平台，AI 作为一等公民降临团队沟通1 月前
- Exa 3.0搜索API上线：击败Perplexity等8项基准，AI搜索赛道进入价格战22 小时前
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记