# Web search untuk deep research agent: banyak kueri, sumber nyata

> Agen riset mendalam menjalankan banyak pencarian per laporan: rencanakan kueri, baca halaman teratas sebagai Markdown, sitasi, mulai dari US$1,20/1K pencarian.

- URL: https://llmwebsearch.com/id/use-cases/deep-research/
- Terakhir diperbarui: 2026-10-22
- Penerbit: LLMWebSearch (https://llmwebsearch.com)

Deep research agent tidak menjalankan satu pencarian. Ia merencanakan sekumpulan kueri, membaca apa yang kembali, mengenali celah, lalu mencari lagi. Kualitas laporan bergantung pada seberapa banyak teks halaman nyata yang dilihatnya sepanjang proses.

**Jawaban singkat — Web search API mana yang cocok untuk agen riset mendalam?**

Deep research agent butuh search API yang mengembalikan teks halaman, bukan sekadar tautan, karena ia membaca banyak sumber per laporan. **LLMWebSearch** mengembalikan hasil berperingkat dengan 3 halaman pertama sebagai Markdown untuk satu kredit per pencarian. Laporan yang dibangun dari 40 pencarian memakai 40 kredit, jadi 100.000 pencarian menutupi 2,500 laporan semacam itu. Tanpa KYC; bayar dengan kripto.

## Bagaimana deep research agent memakai pencarian?

Loop yang dipakai sebagian besar desain, apa pun modelnya.

1. **Paket** — Model memecah pertanyaan menjadi empat sampai delapan kueri pendek, masing-masing diarahkan ke satu bagian jawaban.
2. **Cari dan baca** — Setiap kueri mengembalikan hasil berperingkat dengan halaman-halaman pertama yang sudah dibaca, jadi agent langsung punya teks untuk dikerjakan.
3. **Simpan sumber yang berguna** — Agent membuang halaman yang sudah pernah dilihat dan halaman yang tidak menjawab pertanyaan.
4. **Cari celah** — Model membandingkan apa yang ditemukan dengan pertanyaan dan menulis kueri baru untuk hal yang masih kurang.
5. **Tulis dengan sitasi** — Jawaban akhir menyitasi setiap klaim dengan nomor sumbernya, dan menyebutkan di mana sumber-sumber tidak sepakat.

## Berapa banyak pencarian yang dibutuhkan untuk satu laporan?

Tergantung desain Anda, dan ada baiknya memutuskan dengan sengaja. Laporan ringan mungkin menjalankan dua putaran berisi empat kueri: delapan pencarian. Laporan menyeluruh mungkin menjalankan lima putaran berisi delapan kueri: empat puluh pencarian.

Lebih banyak pencarian tidak selalu berarti laporan lebih baik. Keuntungan dari setiap putaran baru menurun setelah sumber-sumber utama sudah di tangan. Aturan berhenti membantu: akhiri loop ketika sebuah putaran menambah kurang dari dua sumber baru, atau ketika anggaran habis.

Dengan `read` bernilai 3 atau kurang, setiap pencarian adalah satu kredit. Jadi laporan empat puluh pencarian memakan empat puluh kredit, berapa pun panjang halaman yang dibaca.

## Mengapa membaca halaman alih-alih bekerja dari snippet?

Karena riset adalah soal detail. Snippet memberi inti sebuah halaman, tetapi angka, syarat dan tanggal yang membuat laporan berguna ada di isi halaman. Model yang menulis dari snippet cenderung mengisi celah dengan dugaan.

Membaca halaman juga memperbaiki putaran kueri berikutnya. Agent mempelajari istilah yang dipakai sumber, nama undang-undang atau produk, dan tanggal peristiwa. Kata-kata itu menghasilkan kueri yang lebih tajam daripada pertanyaan awal.

LLMWebSearch membaca halaman pertama dari setiap pencarian untuk Anda. Setiap hasil membawa posisi, judul, URL, host, snippet, dan saat dibaca, konten utama halaman sebagai Markdown atau teks biasa beserta jumlah kata dan tanggal publikasinya jika diketahui.

## Bagaimana cara mencegah agent menyitasi halaman yang sama dua kali?

Kunci daftar sumber Anda berdasarkan URL. Sebelum menambahkan hasil, periksa apakah URL-nya sudah ada. Kueri berbeda sering mengembalikan halaman kuat yang sama, dan Anda hanya perlu menyimpannya sekali.

Sebagian halaman muncul di bawah dua URL, misalnya dengan dan tanpa parameter pelacakan. Buang query string yang hanya melacak klik sebelum membandingkan. Untuk berita, kisah yang sama sering muncul di beberapa media; simpan yang punya `published_at` paling awal atau paling banyak detail.

Beri nomor sumber sekali saja, di akhir, agar sitasi di jawaban akhir cocok dengan daftar yang bersih.

## Kapan saya harus menaikkan read di atas 3?

Ketika satu kueri harus mencakup subjek sempit secara mendalam dan tiga halaman pertama tidak cukup. Menetapkan `read` antara 4 dan 10 membuat pencarian itu menjadi 2 kredit, bukan 1.

Di sebagian besar loop, menjalankan kueri lain lebih baik nilainya. Kueri baru membawa halaman baru dari sudut berbeda, sementara halaman 4 sampai 10 dari kueri yang sama sering mengulang tiga halaman pertama. Simpan pengaturan lebih tinggi untuk topik niche yang halamannya memang sedikit.

## Bagaimana ini dibandingkan dengan endpoint deep research siap pakai?

Beberapa vendor menjual riset sebagai satu panggilan, dengan harga per tugas. Per 22 Oktober 2026, tipe deep search Exa berbiaya $12 hingga $15 per 1.000 permintaan, dan Exa menghentikan endpoint `/research` terpisahnya pada 1 April 2026. Panggilan riset You.com berharga mulai $12 (Lite) hingga $1.200 (Frontier) per 1.000. Task API Parallel berkisar mulai $5 (Lite) hingga $2.400 (Ultra8x) per 1.000 tugas. Deep search Linkup $50 per 1.000.

Endpoint-endpoint ini menyembunyikan loop-nya, yang memang praktis. Membangun loop sendiri di atas search API lebih murah per laporan pada kedalaman sedang, dan Anda mengendalikan model, prompt, dan aturan berhentinya. [Panduan langkah demi langkah](https://llmwebsearch.com/id/guides/build-a-deep-research-agent/) menyertakan skrip yang berfungsi sekitar 60 baris.

## Paket mana yang cocok untuk beban kerja riset?

Hitung pencarian per laporan × laporan per bulan. Satu kredit membayar satu pencarian: hingga 20 hasil berperingkat, dengan halaman dari 3 hasil teratas dibaca dan dikembalikan sebagai Markdown. Membaca 4 hingga 10 halaman menjadi 2 kredit. Panggilan yang berakhir dengan error tidak dikenakan biaya.

| Paket | Jumlah | Harga | Harga per unit |
| --- | --- | --- | --- |
| Builder | 25.000 pencarian | US$41,25 | US$1,65/1K pencarian |
| Produksi | 100.000 pencarian | US$145 | US$1,45/1K pencarian |
| Skala | 500.000 pencarian | US$650 | US$1,30/1K pencarian |

Di setiap paket: 3 halaman teratas dibaca sebagai Markdown · Filter negara, bahasa, waktu dan domain · Panggilan gagal tidak dikenai biaya · Kredit tidak pernah kedaluwarsa

**Sebelum Anda membayar**

- Top-up minimum US$25. Isi ulang sekali dengan kripto, lalu beli paket apa pun dari saldo Anda.
- Saldo Anda tidak kedaluwarsa dan dapat dipakai untuk membeli kredit pencarian kapan pun Anda mau. Jika sebuah pack lebih murah daripada top-up minimum, bagian yang Anda bayar hanya untuk mencapai minimum tersebut akan dikembalikan kepada Anda atas permintaan dalam 30 hari sejak pembayaran, dalam USDT atau USDC, dengan syarat bagian itu belum terpakai. Sisa saldo tidak dikembalikan kecuali diwajibkan oleh hukum.
- Dikreditkan setelah pembayaran Anda diperiksa di blockchain. Waktu konfirmasi jaringan yang umum: BTC ≈ 20 menit · USDT TRC-20 ≈ 1 menit · USDT ERC-20 ≈ 5 menit · USDC ERC-20 ≈ 5 menit · ETH ≈ 5 menit · SOL ≈ 1 menit · LTC ≈ 15 menit

## Deep research: pertanyaan umum

### Model mana yang sebaiknya menulis laporan?

Model apa pun dengan context yang cukup panjang. API mengembalikan sumber, bukan jawaban tertulis: model Anda sendiri yang membaca halaman, menulis balasan, dan mengutip URL-nya, jadi Anda bisa memakai model besar untuk laporan akhir dan model kecil untuk perencanaan kueri.

### Bisakah saya membatasi riset ke situs tepercaya?

Bisa. Berikan `include_domains` dengan hingga 20 domain, atau `exclude_domains` untuk membuang situs yang tidak ingin Anda sitasi.

### Bisakah agent hanya meriset peristiwa terkini?

Bisa. Setel `time_range` ke `day`, `week`, `month` atau `year`, dan gunakan `topic=news` untuk liputan berita.

### Bagaimana cara menjaga proses riset tetap dalam anggaran?

Tetapkan jumlah putaran dan kueri per putaran di dalam kode, bukan di prompt. Dengan begitu biaya per laporan sudah diketahui sebelum dimulai.

## Sumber

1. [Harga Exa](https://exa.ai/pricing) — Exa (read 2026-10-22)
2. [Harga API You.com](https://you.com/pricing) — You.com (read 2026-10-22)
3. [Harga Parallel](https://parallel.ai/pricing) — Parallel Web Systems (read 2026-10-22)
4. [Harga Linkup](https://docs.linkup.so/pages/documentation/development/pricing) — Linkup (read 2026-10-22)

---

LLMWebSearch: LLMWebSearch adalah API pencarian web untuk agen AI yang mengembalikan hasil berperingkat beserta konten halaman teratas dalam Markdown, dibayar dengan kripto tanpa unggah ID. Kredit prabayar mulai dari US$1,20/1K pencarian tidak pernah kedaluwarsa. Tanpa KYC — tanpa ID, tanpa selfie, tanpa dokumen. Bayar dengan kripto.