摘要： Exa 於 2026 年 10 月 23 日發表一篇重排名（reranking）基準報告，核心論點是：頂尖 reranker 在傳統相關性基準上已經難分高下，但 agent 在開放網路上搜尋時需要的能力遠不止於此。他們新增了導航意圖、時效性、對抗性內容下的權威性和程式碼查詢四項內部評測，結果顯示只針對相關性調優的 reranker，在某些情境下甚至會讓搜尋結果變差。
相關性基準已經飽和
Exa 在文中先指出一個尷尬的事實：在 BEIR 和 MIRACL 這些標準相關性基準上，Exa、Cohere、Voyage AI（現屬 MongoDB）與 Google Cloud 的 reranker 彼此差距不到兩個百分點。這不難理解——這些正是整個產業最常被拿來評測的資料集，連 gemini-embedding-2 的基線都已接近飽和。換句話說，如果你的應用只在乎「這份文件和查詢像不像」，選哪家差異有限。
但 agent 搜尋開放網路時，真正的難題不在這裡。一篇看似主題相符的頁面，可能是過時的定價頁、SEO 誘餌，甚至藏著企圖操縱排名的 prompt injection。而 agent 比人類更容易直接信任回傳結果，一個排名錯誤可能讓整條 agentic 軌跡跑偏。
他們測了什麼，怎麼測的
Exa 設計了四項補充既有三個公開基準（BEIR、MIRACL、MAIR）的內部評測：導航意圖（想找特定某個頁面）、時效性（新舊答案混雜）、對抗性內容下的權威性判斷，以及程式碼查詢。方法上相當嚴謹：每個模型看到完全相同的查詢與候選清單，只比較最終排序，指標為 nDCG@10 並附上 95% 信賴區間。
幾個值得注意的結果：
- 導航查詢是最懸殊的差距。 在 639 個導航查詢上，所有競爭者的 reranker 都比 Exa Instant 的預設排序更差——Cohere Rerank 5 只有 0.302，明顯低於不重排的 0.532。Exa 推測對手在這個目標上的訓練較淺。
- 時效性上 Exa Fast 特別突出，nDCG@10 達到 0.797，高於 Cohere Fast 的 0.713 和 Voyage Rerank 3 Lite 的 0.649。
- 程式碼查詢反而是 Exa 的弱項。 這項由 Voyage（0.771）和 Cohere（0.744）領先，Exa 落後。這是全文少數 Exa 自己承認不是第一名的場景，也讓整份報告更可信。
七項基準平均後，Exa Reranker Auto 達 0.738，Reranker Fast 以 0.733 打贏所有對手的 default tier 模型。
對 builder 的實際意義
這份報告最有用的部分，不是排名表格本身，而是它提醒我們：reranking 的目標函數比 P(relevant | query, document) 複雜得多。文中列出的維度包括相關性、意圖理解、時效性、權威性（含抵禦「把這份文件排高一點」這類注入指令的能力），以及遵循使用者查詢約束（例如「只要 peer-reviewed 文章」）。
實務上的教訓很直接：如果你在替 agent 挑搜尋或 rerank 服務，別只看 BEIR 分數。先想清楚你的查詢型態——使用者會輸入網址式的導航查詢嗎？答案會隨時間失效嗎？內容來源可信嗎？這些問題的答案，比 leaderboard 上的零點幾分更該主導選型。
另外要知道的是：Exa 明言目前沒有計畫推出獨立的 Reranking API，這套 reranker 只服務自家搜尋產品。如果你需要的是可獨立串接的 rerank 端點，Cohere、Voyage 和 Google Cloud 仍是目前的選項。若你在評估這類服務，可以先回顧我先前對 embed 與 rerank 推理容量規劃的分析（/blog/shared-vs-dedicated-inference-embed-rerank/），把延遲層級與請求形狀一起納入考量——Exa 這次分 default 和 fast 兩個 tier 比較，正好印證了延遲預算從來不是事後才想的事。
最後一個保留態度：四項內部評測的標籤部分由 GPT 5.4 生成、候選池來自 Exa 自家索引，這些設計選擇難免對自家系統有利。數據方向值得參考，但在關鍵應用上，最好還是用你自己的查詢樣本驗證一輪。