Exa 是神经网络网页搜索；UnifAPI 为 Agent 提供平台原生的公开记录，以及用于达人研究、KOL 定价和社交聆听的 Skills。

一句话概括：本文厘清"搜索对决记录"这道选择题：Exa 找到语义相关的页面，而 UnifAPI 返回平台原生的公开记录。

Exa 是一个神经嵌入搜索引擎，它索引开放网络并回答语义查询（"帮我找出概念上与 X 相似的内容"）。UnifAPI 则对外提供平台原生的公开记录——TikTok 搜索、Reddit 信息流、YouTube 搜索、LinkedIn 搜索——以统一形态返回平台自家的排名结果。两者解决的是相邻的问题：Exa 挑选 URL，UnifAPI 挑选某个具体平台上的记录。

各自是什么

Exa（前身为 Metaphor）是 AI 原生搜索的老牌玩家：它抓取开放网络、构建一个神经索引，并暴露单个搜索端点，返回概念相关的 URL 以及抽取出的页面内容。它的取胜条件是"找到那些用关键词搜索难以找到的页面"——而且它做得足够好，以至于 Cursor 的 @web 功能就是由 Exa 驱动的。

UnifAPI 交付的是平台原生的搜索与信息流端点，而不是一整个全网索引。一次对 /tiktok/search 的查询命中 TikTok 自家的排名界面，返回带平台元数据（话题标签、点赞数、创作者句柄）的视频。一次对 /reddit/feed/popular 或 /reddit/feed/news 的调用，返回带子版块、得分与评论数的帖子。平台自家的排名是功能，而非缺陷。

发现语义：神经网络对决平台原生

Exa 回答的是"找出关于 LLM 上下文窗口扩展技术的文章"这类问题。查询是概念性的，语料库是开放网络，结果是一个排序的 URL 列表——这些 URL 的嵌入向量贴近查询的嵌入向量。它非常适合研究型 agent 与 RAG 数据摄取。

UnifAPI 回答的是"找出本周打了 #anthropic 标签的 TikTok 视频"或"监测当前提及上下文窗口的 Reddit 热门/新闻帖"这类问题。查询是平台专属的，语料库是平台的目录，结果是带着平台全部结构化元数据的记录。它非常适合社交聆听、品牌监测与以平台为界的调研。

定价对比

神经网络搜索工具通常围绕搜索次数、内容抓取或研究模式来定价。UnifAPI 则以积分为公开数据操作定价：标准记录每条一个 $0.001 积分，成本更高的操作从 OpenAPI 中公布其最低积分。一次返回 20 条 TikTok 视频的标准搜索调用是 20 积分（$0.02），而模型执行仍留在你已经在用的 agent 产品里。

具体算法取决于结果数量的分布。持久的区别在于工作单位：Exa 找到网页；UnifAPI 返回平台原生的记录——一个 Skill 可以对其进行对比、排序、丰富并重新回访。

Exa 何时胜出

如果你 agent 的工作是从开放网络的任意角落找出概念相关的页面——RAG 数据摄取、深度研究工作流、"给我找些关于 X 的文章"这类提示词——那就选 Exa。对于那些无法映射到某个具体关键词或平台的查询，Exa 的神经索引无可匹敌。

UnifAPI 何时胜出

如果你的 agent 需要平台专属数据——社交信号、话题标签追踪、创作者调研、子版块监测、LinkedIn 查询——那就选 UnifAPI。对整个网络做神经网络搜索能找到一条相关的推文，但它无法告诉你点赞数、回复树，或那位创作者最近的帖子。平台原生端点可以。

两者并用

一个把两者结合起来的研究 agent 效果很好：Exa 在开放网络上挑选概念相关的 URL，UnifAPI 则扇出去，用原生记录（例如 YouTube 元数据、Reddit 评论树或 TikTok 创作者历史）来丰富那些平台 URL。它们并不争抢同一个位置；它们回答的是不同的问题。

在 unifapi.com/skills 浏览 UnifAPI Skills，在 unifapi.com/apis 查看目录，在 unifapi.com/pricing 查看按记录计费的价格，或在 unifapi.com/mcp 把 MCP 服务器与搜索工具并排接上。

接下来读什么

UnifAPI 对比 Firecrawl / Tavily - 延续页面读取器这条对比赛道。

公开的 TikTok、Instagram 与 YouTube 数据 - 展示平台原生记录在工作流中的用法。

对比替代方案 - 汇总完整的厂商对比集合。