TinyFish Free Search beseitigt die API-Rechnung, nicht die Kosten des Lesens im Web

TinyFish Free Search beseitigt eine sichtbare Kostenposition für KI-Agenten, doch kostenlose Webrecherche wird dadurch nicht möglich. Das Unternehmen bietet seine Dienste Search und Fetch inzwischen innerhalb veröffentlichter Ratenlimits ohne nutzungsabhängige Gebühren an. Dennoch kann jede abgerufene Seite weiterhin Modell-Token verbrauchen, Kontextkapazität belegen, einen Workflow verlängern und irrelevante Informationen einbringen.

Diese Unterscheidung ist wichtig, weil ein Agent mehr tut, als Links zu sammeln. Er sucht, wählt ein Ergebnis aus, liest die Seite, bewertet deren Inhalte und wiederholt den Prozess häufig. Der Retrieval-Anbieter kontrolliert nur einen Teil dieser Kette. Modellinferenz, wiederholter Kontext und fehlgeschlagene Versuche können teuer bleiben, selbst wenn der erste API-Aufruf nichts kostet.

Die Ankündigung erhöht zudem den Druck auf Exa, Firecrawl, Tavily, Parallel und andere Unternehmen, die Webzugriff für Software-Agenten verkaufen. TinyFish macht grundlegendes Retrieval zum Einstiegspunkt für seine umfassendere Automatisierungsplattform. Wettbewerber müssen kostenpflichtiges Retrieval nun durch bessere Qualität, Zuverlässigkeit, Kontrollmöglichkeiten oder höhere Betriebslimits rechtfertigen.

Die zentrale Frage lautet daher nicht, ob TinyFish die Suche kostenlos gemacht hat. Das hat das Unternehmen getan – innerhalb klar benannter Grenzen. Schwieriger ist die Frage, ob seine Ergebnisse einem Agenten helfen, Aufgaben mit weniger Rechenaufwand und weniger Wiederholungen abzuschließen.

TinyFish Free Search verändert, welcher Teil des Workflows berechnet wird

TinyFish hat die direkte Retrieval-Gebühr abgeschafft, während die übrigen Betriebskosten eines Agenten bestehen bleiben.

TinyFish kündigte am 4. Mai 2026 kostenlosen Zugang zu Search und Fetch an. Search liefert strukturierte Webergebnisse, während Fetch eine ausgewählte Seite in Markdown, HTML oder JSON umwandelt. Beide Dienste funktionieren über die API des Unternehmens, Software Development Kits, die Kommandozeilenschnittstelle und die Integration des Model Context Protocol.

Die Ankündigung zu Free Search des Unternehmens besagt, dass Entwickler keine Kreditkarte benötigen, um zu beginnen. Search und Fetch bleiben auch verfügbar, wenn ein Konto kein Guthaben in der Wallet hat. Das ist substanzieller als eine zeitlich begrenzte Testphase, die an Werbeguthaben gebunden ist.

Der kostenlose Zugang unterliegt jedoch Ratenlimits. Die aktuellen Nutzungslimits erlauben Dutzende Suchanfragen pro Minute und Hunderte pro Stunde. Fetch unterstützt mehr als einhundert URLs pro Minute, vorbehaltlich einer separaten täglichen Obergrenze. Diese Kontingente wirken großzügig für Experimente und moderate Produktions-Workloads.

TinyFish berechnet weiterhin andere Teile seiner Plattform. Das Produkt Agent übernimmt mehrstufige Browseraufgaben, während Browser gehostete interaktive Sitzungen bereitstellt. Diese Dienste verbrauchen Wallet-Guthaben, da sie länger laufende Infrastruktur und stärker zustandsbehaftete Ausführung erfordern.

Diese Aufteilung offenbart die Geschäftsstrategie. TinyFish betrachtet Recherche und Seitenextraktion als Akquisitionskanäle. Umsätze entstehen, wenn ein Workflow vom Lesen öffentlicher Seiten zum Klicken von Bedienelementen, Aufrechterhalten von Sitzungen, Ausfüllen von Formularen oder Ausführen längerer Aufgaben übergeht.

Das Modell ähnelt Infrastrukturunternehmen, die eine Ebene zur Commodity machen, um die Nachfrage nach einer anderen zu steigern. Ein kostenloser Retrieval-Aufruf kann Entwickler auf die Plattform bringen. Ein erfolgreicher Prototyp kann später Nachfrage nach verwalteten Browsern, Automatisierungsschritten, Enterprise-Kontrollen und größerer Kapazität schaffen.

Für Entwickler liegt der unmittelbare Vorteil in einfacheren Experimenten. Ein Team kann einen Agenten mit aktuellen Webinformationen verbinden, ohne zunächst für jede Anfrage und Seite eine separate Gebühr kalkulieren zu müssen. Dasselbe Team muss weiterhin überwachen, wie viel Text in sein Sprachmodell gelangt.

Diese verbleibenden Kosten sind weniger sichtbar als eine API-Rechnung. Suchergebnisse, Seiteninhalte, Systemanweisungen, Chatverlauf und Tool-Ausgaben konkurrieren alle um Platz. Wenn der Agent dieses Material an ein Modell sendet, verarbeitet der Modellanbieter es nach seinen eigenen Nutzungsbedingungen.

Ein kostenloser Fetch-Aufruf kann daher eine teure Modellanfrage erzeugen. Er kann auch eine günstige erzeugen. Der Unterschied hängt davon ab, wie viel Inhalt zurückkommt, wie sauber dieser Inhalt ist und wie oft der Workflow ihn erneut sendet.

Der Schritt von TinyFish verändert die Beschaffung, bevor er die Rechenleistung verändert. Retrieval lässt sich leichter genehmigen, weil seine direkte Gebühr entfällt. Das Engineering-Team muss dennoch den gesamten Auftrag messen – von der ersten Anfrage bis zur abschließend verifizierten Antwort.

Die tatsächlichen Webkosten von KI-Agenten beginnen nach dem Retrieval

Ein Agent zahlt für die Informationen, die er verarbeitet, nicht nur für den Endpunkt, der sie geliefert hat.

Betrachten wir einen Recherche-Agenten, der mehrere Produkte vergleicht. Er sucht zunächst nach relevanten Seiten und ruft dann Spezifikationen, Dokumentationen, Bewertungen und aktuelle Ankündigungen ab. Der Agent kann jede Quelle zusammenfassen, bevor er widersprüchliche Aussagen abgleicht.

Jeder Schritt kann dem Arbeitskontext Text hinzufügen. Ein Kontextfenster ist die Menge an Eingaben und erzeugtem Material, die ein Modell in einer Anfrage berücksichtigen kann. Große Fenster erhöhen die Kapazität, machen unnötigen Text aber nicht folgenlos.

Navigationsmenüs, Cookie-Hinweise, Listen verwandter Artikel, Werbekennzeichnungen und doppelte Seitenelemente verbrauchen allesamt Token. Ein Token ist eine kleine Texteinheit, die bei der Modellverarbeitung verwendet wird. Die Tokenanzahl variiert je nach Modell und Sprache, daher bleiben zeichenbasierte Schätzungen nur näherungsweise.

Die Kostenanalyse vom 18. Oktober veranschaulicht dieses Problem anhand einer Nachrichtenseite. In der zugrunde liegenden Bewertung von TinyFish lieferten Anbieter für denselben Artikel drastisch unterschiedliche Textmengen zurück.

TinyFish lieferte für diese Seite weniger als 5.000 Zeichen. Firecrawl lieferte mehr als 170.000 Zeichen. Parallel lieferte nur einen kurzen Auszug, wodurch seine geringere Ausgabe nicht mit einer vollständigen Extraktion vergleichbar ist.

Bei einer groben Umrechnung reichten diese Ausgaben von etwa 150 Token bis zu mehr als 42.000. Das größte Ergebnis könnte ungefähr ein Drittel eines Kontextfensters mit 128.000 Token belegen, bevor Anweisungen, Gesprächsverlauf oder Ausgaben hinzukommen.

Dieses Beispiel belegt keine typische Leistung. Es umfasst eine Seite, die aus einem kleinen, von einem Anbieter durchgeführten Test ausgewählt wurde. Es zeigt jedoch, warum Abrufvolumen und nützliche Informationen unterschiedliche Messgrößen sind.

Eine größere Antwort ist nicht automatisch vollständiger. Sie kann den Artikel zusammen mit vielen Seitenelementen enthalten. Eine kleinere Antwort ist ebenfalls nicht automatisch besser. Sie kann Belege auslassen, die der Agent für eine präzise Antwort benötigt.

Das operative Ziel ist nützliche Abdeckung bei minimalem Rauschen. Abdeckung fragt, ob das System das notwendige Material abgerufen hat. Signal beschreibt, wie viel des zurückgegebenen Materials zur Aufgabe beiträgt.

Diese Unterscheidung wird innerhalb von Agentenschleifen wichtiger. Eine herkömmliche Suchoberfläche lässt Menschen Ergebnisse überfliegen und entscheiden, was sie öffnen. Ein Agent könnte ohne menschliches Eingreifen suchen, abrufen, reflektieren, erneut suchen und seine Antwort überarbeiten.

Früheres Material kann in spätere Modellanfragen einbezogen werden. Einige Systeme cachen wiederholte Eingaben zu niedrigeren Verarbeitungsraten, doch gecachter Text belegt weiterhin Kontext. Er kann das Modell auch von neueren oder relevanteren Belegen ablenken.

Eine verrauschte Extraktion verursacht mindestens vier mögliche Kosten. Erstens muss das Modell mehr Eingaben verarbeiten. Zweitens wird es schwieriger, die nützlichen Inhalte zu identifizieren. Drittens kann der Workflow früher an Kontextgrenzen stoßen. Viertens kann der Agent zusätzliche Suchvorgänge ausführen, weil es ihm nicht gelungen ist, die Antwort zu extrahieren.

Diese Effekte verstärken sich gegenseitig. Eine einzelne schlechte Seite kann handhabbar sein, während wiederholte schlechte Seiten Zusammenfassungen, Kürzungen oder einen weiteren Modellaufruf erzwingen können. Der Retrieval-Endpunkt bleibt kostenlos, während der Workflow länger wird.

Latenz gehört in dieselbe Rechnung. Die Suche kann schnell Ergebnisse liefern, doch eine vollständige Rechercheaufgabe umfasst Seitenrendering, Modellschlussfolgern, Tool-Auswahl und Wiederholungen. Nutzer erleben die Gesamtdauer, nicht die schnellste isolierte Komponente.

Auch Zuverlässigkeit verändert die Wirtschaftlichkeit. Wenn ein Agent wiederholt auf Sperren, unvollständige Extrakte oder veraltete Ergebnisse stößt, benötigt er möglicherweise alternative Quellen. Ein nominell kostengünstiges Tool wird teuer, wenn Ingenieure umfangreiche Fallback-Logik darum herum entwickeln müssen.

Die richtige Kosteneinheit ist daher die abgeschlossene Aufgabe. Teams sollten messen, wie viele Modell-Token, Tool-Aufrufe, Sekunden und Wiederholungen erforderlich sind, um zu einer belegten Antwort zu gelangen. Sie sollten außerdem erfassen, ob die Antwort korrekt bleibt.

Diese auftragsbezogene Sicht verhindert einen häufigen Beschaffungsfehler. Ein Anbieter kann eine Kostenposition senken, während er Arbeit in einen anderen Teil des Stacks verlagert. Kostenloses Retrieval hat echten Wert, jedoch nur, wenn es den Gesamtaufwand senkt, statt ihn zu verlagern.

Für rechercheintensive Wissensarbeit gilt nach der Sammlung dasselbe Prinzip. Saubere Quellen müssen weiterhin organisiert, verglichen und später abgerufen werden. Eine strukturierte KI-Wissensdatenbank kann nützliche Belege bewahren, ohne ganze Seiten wiederholt in neue Gespräche zu importieren.

Saubere Fetch-Ergebnisse sind das stärkere Argument von TinyFish

Die folgenreichste Behauptung von TinyFish ist nicht der kostenlose Zugang, sondern eine sauberere Ausgabe, die weniger Modellverarbeitung erfordert.

Search identifiziert mögliche Quellen. Fetch bestimmt, was das Modell tatsächlich liest. Wenn die Abrufschicht irrelevante Seitenelemente entfernt und gleichzeitig Belege erhält, kann sie den Tokenverbrauch senken und zugleich den Fokus verbessern.

TinyFish erklärt, dass sein Dienst Fetch Seiten über echte Browser rendert und bereinigte Inhalte zurückgibt. Dieser Ansatz ist für JavaScript-lastige Websites, dynamische Oberflächen und Seiten gedacht, die über einfache HTTP-Anfragen nur wenige nützliche Informationen bereitstellen.

Das Unternehmen bewertete diese Fähigkeit am 2. Juni 2026. Seine Fetch-Evaluierung testete 45 URLs aus Dokumentationen, Preisseiten, Repositories, Artikeln und Nachrichtenseiten.

TinyFish berichtete für 42 dieser URLs oder 93 Prozent nutzbare Ergebnisse. Tavily erreichte 36, Exa 33, Firecrawl 28 und Parallel 26 nach den Kriterien des Tests.

Unter den nutzbaren Ergebnissen meldete TinyFish einen medianen Signalanteil von über 90 Prozent. Exa lag dicht dahinter, wenn es eine Seite erfolgreich erreichte. Der größere Unterschied zeigte sich bei der Abdeckung, insbesondere über die 15 Nachrichten-URLs hinweg.

Die Evaluierung definierte ein nutzbares Ergebnis als mindestens 1.000 Zeichen mit einem bewerteten Signalanteil von über 30 Prozent. TinyFish verzeichnete nach diesen Regeln drei Fehlschläge, darunter zwei Seiten mit zu wenig Inhalt und eine mit übermäßigem Rauschen.

Diese Details machen den Test aussagekräftiger als eine Schlagzeilen-Prozentzahl. Sie legen jedoch auch mehrere wichtige Einschränkungen offen.

TinyFish führte die Evaluierung selbst durch und konkurriert mit jedem anderen Anbieter im Vergleich. Die Stichprobe umfasste nur 45 URLs. Ein Anthropic-Modell bewertete die Inhaltsqualität, und der Signal-Schwellenwert von 30 Prozent war eine methodische Entscheidung.

Anbieter können sich außerdem schnell verändern. Abrufsysteme reagieren auf Neugestaltungen durch Publisher, Zugriffsbeschränkungen und Anti-Bot-Technologie. Ein im Juni gemessenes Ergebnis garantiert im Oktober keine identische Leistung.

Nachrichtenseiten trugen wesentlich zum berichteten Vorteil von TinyFish bei. Das ist für Monitoring- und Recherche-Agenten relevant, sagt aber möglicherweise wenig über die Leistung bei E-Commerce-Katalogen, authentifizierten Anwendungen, Regierungsdatenbanken oder branchenspezifischen Portalen aus.

Die Evaluierung kombinierte außerdem unterschiedliche Retrieval-Architekturen. Ein indexbasierter Dienst kann schnell eine saubere gespeicherte Kopie zurückgeben, jedoch eine Seite verfehlen, die nicht in seinem Index vorhanden ist. Ein Live-Browser kann neueres Material aufrufen, bringt jedoch Rendering-Komplexität und potenzielle Verzögerungen mit sich.

Keiner der beiden Ansätze gewinnt bei jeder Arbeitslast. Ein indexiertes System kann sich für den wiederholten Zugriff auf gut abgedeckte öffentliche Informationen eignen. Live-Rendering wird wertvoller, wenn Aktualität, dynamische Inhalte oder schwierige Seitenstrukturen wichtig sind.

TinyFishs Test ergab, dass Exa ähnlich saubere Inhalte lieferte, wenn es eine Seite erreichte. Dieses Ergebnis schwächt jede einfache Behauptung, ein Anbieter liefere stets bessere Texte. Es deutet darauf hin, dass Verfügbarkeit und Architektur die Leistung ebenso stark prägen wie die Qualität der Bereinigung.

Parallels kurze Ausgaben schaffen einen weiteren Zielkonflikt. Ein prägnanter Auszug begrenzt den Token-Verbrauch, kann jedoch Belege vorenthalten. Ein Agent kann keinen sorgfältigen Vergleich anstellen, wenn er nur ein Fragment erhält und nicht erkennen kann, dass die Seite gekürzt wurde.

Firecrawls umfangreiche Ausgabe im hervorgehobenen Nachrichtenbeispiel zeigt das gegenteilige Risiko. Vollständiges Rendering kann Belege bewahren, zugleich aber große Mengen an Seitenelementen erfassen. Das Modell erhält den Artikel, muss ihn jedoch erst innerhalb der Seite finden.

Entwickler sollten daher repräsentative URLs testen, statt eine einzelne Benchmark-Rangliste zu akzeptieren. Eine Beschaffungs-Benchmark sollte die Domains, Sprachen, Seitentypen und Aktualitätsanforderungen umfassen, die die tatsächliche Anwendung bestimmen.

Der Test sollte außerdem Abruffehler von Extraktionsfehlern trennen. Ein Anbieter kann die korrekte URL finden, aber unbrauchbaren Text zurückgeben. Ein anderer extrahiert eine vorgegebene URL möglicherweise gut, ordnet während der Suche jedoch schlechte Quellen hoch ein.

Die Antwortqualität liefert die abschließende Prüfung. Sauberer Text ist nur dann relevant, wenn der Agent zentrale Details bewahrt, Einschränkungen versteht und die korrekte Quelle zitiert. Aggressive Bereinigung kann Tokens sparen, zugleich aber Kontext entfernen, der die Bedeutung verändert.

TinyFishs öffentliche Benchmark-Sammlung umfasst Messungen zu Suche, Abruf und Browser-Agenten. Diese Ergebnisse bieten nützliche Ausgangspunkte, doch Käufer sollten Anbieter-Benchmarks als reproduzierbare Behauptungen behandeln, nicht als universelle Schlussfolgerungen.

Die überzeugendste Fassung von TinyFishs Argument ist messbar und eng gefasst. Wenn seine Fetch-Ausgabe erforderliche Fakten mit weniger Rauschen zuverlässig bewahrt, wird kostenloser Abruf mehr als ein Marketingangebot. Er senkt sowohl die direkten Kosten als auch den nachgelagerten Verarbeitungsaufwand.

Für jede Arbeitslast bleibt das eine empirische Frage. Die Ankündigung macht diese Tests kostengünstig, was möglicherweise ihre größte praktische Wirkung ist.

Bezahlte Suchanbieter müssen nun das gesamte Ergebnis rechtfertigen

TinyFishs kostenlose Suche verschiebt den Wettbewerb von Preisen pro Anfrage hin zu Genauigkeit, Abdeckung, Latenz und operativem Vertrauen.

Exa, Firecrawl, Tavily und Parallel bieten keine identischen Produkte an. Jeder kombiniert Suche, Extraktion, Recherche, Crawling oder Automatisierung auf andere Weise. Der Vergleich eines einzelnen Endpunkts kann den umfassenderen Nutzen eines Anbieters verdecken.

Dennoch schafft TinyFishs Entscheidung einen unbequemen Referenzpunkt. Käufer werden fragen, warum eine grundlegende Such- oder Fetch-Anfrage anderswo kostenpflichtig ist, wenn TinyFish beides kostenlos anbietet.

Ein Wettbewerber kann diese Frage mit besseren Ergebnissen beantworten. Höhere Quellenrelevanz kann die Zahl der Suchanfragen verringern. Bessere Extraktion kann den Token-Verbrauch senken. Schnellere Antworten können nutzerseitige Aufgaben verkürzen, während bessere Beobachtbarkeit den Engineering-Aufwand reduzieren kann.

Auch Konsistenz hat einen Wert. Ein Unternehmensteam bevorzugt möglicherweise vorhersehbare Rankings, stabile Schemas, vertraglichen Support, Zugriffskontrollen und dokumentierte Aufbewahrungsrichtlinien. Kostenloser Zugang allein erfüllt diese Anforderungen nicht.

Dasselbe gilt für Skalierung. TinyFish veröffentlicht Limits für seine kostenlosen Dienste. Anwendungen, die diese überschreiten, benötigen ein Gespräch über Enterprise-Kapazitäten oder einen anderen Anbieter. Ein Anbieter mit unkompliziertem Zugriff für hohe Volumina kann attraktiv bleiben, auch wenn jede Anfrage direkt berechnet wird.

Verschiedene Produkte zählen Arbeit zudem unterschiedlich. Eine Suchanfrage kann mehrere Ergebnisse liefern, während eine Rechercheaufgabe viele Suchen und Modellaufrufe ausführen kann. Eine Seitenextraktion ist nicht gleichbedeutend mit einer Browserinteraktion oder einer abgeschlossenen Untersuchung.

Deshalb führen einfache Preisvergleiche häufig in die Irre. Sie stellen ungleiche Einheiten nebeneinander und vermitteln den Eindruck, die günstigste Einheit erzeuge die günstigste Aufgabe. Ein Automatisierungsschritt, eine Suchanfrage, eine abgerufene Seite und ein fertiger Bericht stehen für unterschiedliche Arbeitsmengen.

TinyFishs eigene Produktlinie erkennt diesen Unterschied an. Search und Fetch sind kostenlos, während zustandsbehaftete Browseroperationen und mehrstufige Agenten weiterhin nach Nutzung abgerechnet werden. Das Unternehmen behauptet nicht, dass Webausführung keine Kosten verursacht.

Stattdessen entscheidet es, wo der Zähler angesetzt wird. TinyFish übernimmt die Kosten für grundlegenden Abruf und berechnet Gebühren, wenn Arbeit eine tiefere Orchestrierung erfordert. Das setzt Wettbewerber unter Druck, ihre eigenen Grenzen zu erklären.

Der Schritt erhöht auch den Druck auf interne Abrufsysteme. Manche Teams unterhalten eigene Scraper, Browser-Pools, Parser-Regeln, Proxy-Dienste und Fallback-Anbieter. Direkte Infrastrukturkosten sind nur ein Teil dieser Entscheidung.

Ingenieure müssen reagieren, wenn sich Websites ändern. Sie müssen fehlgeschlagene Extraktionen, blockierte Sitzungen und unerwartete Schemaänderungen überwachen. Wenn ein verwalteter kostenloser Dienst moderate Arbeitslasten ausreichend bewältigt, lässt sich die Pflege interner Abrufsysteme schwerer rechtfertigen.

Anbieterabhängigkeit liefert das Gegenargument. Ein kostenloser Dienst kann seine Limits, Richtlinien oder Produktstrategie ändern. Ein gehostetes System erhält außerdem Informationen darüber, welche URLs und Suchanfragen ein Kunde übermittelt.

Diese Faktoren sind für vertrauliche Recherche relevant. Ein Team, das Übernahmeziele, Sicherheitsprobleme, Rechtsstreitigkeiten oder unveröffentlichte Produktpläne untersucht, sollte die Datenverarbeitung prüfen, bevor es Anfragen über einen externen Anbieter leitet.

Website-Betreiber sind eine weitere ungelöste Partei. KI-Abrufsysteme können automatisierten Traffic erzeugen und zugleich direkte Besuche verringern. Publisher achten zunehmend auf Lizenzierung, Quellenangaben, Crawler-Kontrollen und Vergütung für Inhalte, die in modellgestützten Antworten verwendet werden.

TinyFish gibt an, dass seine Infrastruktur Browser-Rendering und Systeme zur Behandlung blockierten Zugriffs umfasst. Käufer sollten prüfen, ob erfolgreicher Zugriff technisch möglich, vertraglich erlaubt und für den vorgesehenen Einsatz angemessen ist.

Eine Seite, die gerendert werden kann, ist nicht automatisch frei von urheberrechtlichen, datenschutzrechtlichen oder AGB-bezogenen Bedenken. Abrufanbieter können technische Reibung verringern, ohne die Compliance-Pflichten eines Kunden aufzuheben.

Diese Spannung wird größer, wenn ein Agent vom Lesen zum Handeln übergeht. Das Abrufen einer öffentlichen Seite birgt andere Risiken als die Anmeldung bei einem Konto, das Absenden eines Formulars oder ein Kauf.

TinyFishs kommerzielle Strategie hängt von diesem Fortschritt ab. Kostenloser Abruf speist kostenpflichtige Ausführung. Je mehr Entwickler seine Einstiegsdienste übernehmen, desto mehr Chancen erhält TinyFish, die späteren Stufen zu verkaufen.

Wettbewerber können reagieren, indem sie Abrufgebühren senken, Dienste bündeln oder differenzierte Qualität betonen. Sie können auch über spezialisierte Indizes, strukturierte Datensätze, Enterprise-Governance oder tiefere Recherchefähigkeiten konkurrieren.

Das wahrscheinliche Ergebnis ist nicht, dass jeder Suchdienst identisch und kostenlos wird. Grundlegender Abruf wird sich schwerer verkaufen lassen, ohne nachzuweisen, dass er die abgeschlossene Aufgabe verbessert. Anbieter werden um das konkurrieren, was die Anfrage umgibt.

Für Käufer ist das eine günstige Veränderung. Teams können Benchmarks verlangen, die an ihre tatsächlichen Arbeitslasten gebunden sind. Sie können den gesamten Modellverbrauch und Abschlussraten vergleichen, statt Anfragen als wichtigste Wertkennzahl zu akzeptieren.

Das Label „kostenlos“ lässt Qualität, Datenschutz und Beständigkeit weiterhin offen

Die größten Risiken liegen außerhalb des Preisfelds: Benchmark-Unabhängigkeit, Datenverarbeitung, Ratenlimits und langfristige Zuverlässigkeit.

TinyFishs Ankündigung ist eindeutig darüber, was kostenlos ist. Seine umfassendere Effizienzargumentation erfordert mehr Vorsicht, weil ein Großteil der unterstützenden Belege von TinyFish stammt.

Die 45-URL-Fetch-Studie benennt mehrere Schwächen transparent. TinyFish räumt sein kommerzielles Interesse, die kleine Stichprobe, die subjektive Schwelle und die Einschränkungen eines automatisierten Bewerters ein.

Transparenz erhöht die Glaubwürdigkeit, liefert jedoch keine unabhängige Validierung. Externe Forscher sollten die Ergebnisse mit einer größeren und vielfältigeren Stichprobe reproduzieren. Sie sollten wiederholte Durchläufe, internationale Websites, lange Dokumente und Seiten mit ungewöhnlichen Layouts testen.

Die Suchqualität erfordert eine separate Prüfung. Ein Dienst kann saubere Seiten abrufen, nachdem er eine URL erhalten hat, während er bei der Recherche schwächere Quellen zurückgibt. Die Suchevaluierung sollte Relevanz, Aktualität, Quellenautorität, Duplizierung und Konsistenz messen.

Eine in der ursprünglichen Analyse zitierte Drittanbieter-Benchmark hielt das Antwortmodell konstant und wechselte den Suchanbieter. TinyFish zeigte unter den verglichenen Konfigurationen die niedrigsten ausgewiesenen Gesamtkosten für Modell und Abruf.

In dieser Momentaufnahme verzeichnete es auch den niedrigsten ausgewiesenen Search-Index-Wert. Sein DeepSearchQA-Ergebnis blieb wettbewerbsfähig, doch die Kombination verkompliziert jede vereinfachende Siegesbehauptung.

Die Benchmark verwendete eine gemeinsame Extraktionsschicht statt TinyFish Fetch. Sie bewertete daher die Wirkung von TinyFish Search innerhalb dieses Testaufbaus, nicht den gesamten Search-and-Fetch-Stack des Unternehmens.

Ihre Zeitangabe kombinierte außerdem geschätzte Modellverarbeitung mit gemessener Suchdauer. Diese Zahl sollte nicht als rohe API-Latenz dargestellt werden. Diese methodischen Unterschiede sind wichtig, wenn Käufer Ergebnisse aus getrennten Tests vergleichen.

Die verantwortungsvolle Schlussfolgerung ist begrenzt. TinyFish verfügt über Belege dafür, dass seine kostenlose Suche kostenbewusste Agenten-Workflows unterstützen kann. Die verfügbaren öffentlichen Daten belegen nicht, dass es für jedes Qualitätsziel der beste Anbieter ist.

Datenschutz bleibt eine weitere offene Frage. Suchanfragen können kommerzielle Absichten, Kundenprobleme und interne Prioritäten offenlegen. Abgerufene URLs können zeigen, welche Unternehmen, Personen oder Schwachstellen ein Team untersucht.

Organisationen sollten Aufbewahrungs-, Trainings-, Protokollierungs-, Zugriffskontroll- und Löschrichtlinien prüfen. Enterprise-Käufer sollten zudem fragen, ob sie Traffic isolieren, Zugriffe auditieren und kontrollieren können, wo die Verarbeitung stattfindet.

Beständigkeit ist wichtig, weil kostenlose Infrastruktur schnell Arbeitslasten anziehen kann. Nachfragespitzen können die Leistung beeinträchtigen, und großzügiger Zugang kann Missbrauch fördern. TinyFish kann mit Drosselung, überarbeiteten Limits oder strengeren Kontrollen reagieren.

Die veröffentlichten Limits des Unternehmens schaffen einen vorhersehbaren Ausgangspunkt, sind jedoch keine dauerhafte Garantie. Ein Produktionsdesign sollte Richtlinienänderungen und vorübergehende Ausfälle erwarten.

Fallbacks bleiben wertvoll. Ein Agent kann zwischen Anbietern routen, wenn einer eine Seite verfehlt, übermäßiges Rauschen zurückgibt oder sein Kontingent erreicht. Diese Resilienz erhöht die Engineering-Komplexität, verhindert jedoch, dass ein Anbieter zum Single Point of Failure wird.

Teams sollten außerdem Quellenmetadaten zusammen mit extrahiertem Text speichern. Ein nützlicher Datensatz enthält URL, Abrufzeit, Content-Hash und Extraktionsmethode. Ohne Herkunftsnachweis wird es schwierig, eine Antwort zu prüfen, nachdem sich eine Seite geändert hat.

Saubere Extraktion kann eigene Fehler einführen. Ein Parser könnte Offenlegungen, Tabellenbeschriftungen, Fußnoten oder nahegelegene Einschränkungen entfernen. Solche Auslassungen können zu selbstsicheren Zusammenfassungen führen, die die Quelle falsch darstellen.

Arbeitsabläufe mit hohem Risiko benötigen eine Überprüfung auf Quellenebene. Ein Agent sollte Zitate und direkte Belege für Behauptungen zu Finanzen, Gesundheit, Recht, Sicherheit oder vertraglichen Verpflichtungen bewahren.

Menschliche Prüfung muss nicht jede Aufgabe mit geringem Risiko abdecken. Sie sollte mit den Folgen eines Fehlers zunehmen. Je günstiger der Abruf wird, desto verlockender ist es, die Automatisierung auszuweiten, bevor die Governance nachzieht.

TinyFishs kostenlose Suche senkt die Reibung, einen Agenten mit dem Live-Web zu verbinden. Sie beantwortet nicht, ob der Agent eine zuverlässige Quelle ausgewählt, sie korrekt interpretiert oder die Erlaubnis zu ihrer Nutzung hatte.

Diese offenen Fragen erklären, warum das Label „kostenlos“ wichtig, aber unvollständig ist. Kosten, Qualität und Vertrauen bleiben miteinander verbunden, selbst wenn die Abrufrechnung verschwindet.

Was beweisen wird, ob die kostenlose Suche von TinyFish tatsächlich Geld spart

Drei Signale werden zeigen, ob TinyFish die Ökonomie von Agenten verändert hat oder lediglich den Ort der Rechnung verlagert.

Das erste Signal sind unabhängige Benchmarks auf Aufgabenebene. Forschende sollten Anbieter mit demselben Modell, denselben Prompts, derselben Quellenbasis und derselben Methode zur Bewertung der Antworten vergleichen. Die Ergebnisse sollten die Genauigkeit bei abgeschlossenen Aufgaben, die Gesamtzahl der Tokens, die verstrichene Zeit, Wiederholungsversuche und Fehlerraten ausweisen.

Diese Evidenz würde TinyFishs Argument stärken, wenn kostenlose Informationsbeschaffung auch den gesamten Modellverbrauch senkte, ohne die Antwortqualität zu beeinträchtigen. Sie würde das Argument schwächen, wenn niedrigere Kosten für die Informationsbeschaffung zu mehr Suchen, längerem Reasoning oder schlechteren Antworten führten.

Das zweite Signal ist der Einsatz in der Produktion über Experimente hinaus. Entwickler können eine kostenlose API leicht ausprobieren, doch dauerhafte Nutzung zeigt, ob der Dienst bei sich verändernden Websites zuverlässig bleibt. Fallstudien sollten Traffic-Volumen, Fehlerraten, Häufigkeit von Fallbacks und Wartungsaufwand enthalten.

Eine nennenswerte Akzeptanz würde zeigen, dass Teams TinyFish für wiederkehrende Arbeitslasten vertrauen, nicht nur für Demonstrationen. Häufige Anbieterwechsel oder umfangreiche Fallback-Logik würden darauf hindeuten, dass kostenloser Zugang nicht genügend operative Risiken beseitigt.

Das dritte Signal ist die Reaktion der Konkurrenz. Exa, Firecrawl, Tavily und Parallel können Kontingente, Bündel oder ihre Produktpositionierung ändern. Sie können außerdem überzeugendere unabhängige Messungen zu Quellenqualität, Extraktionsgenauigkeit oder dem Abschluss von Rechercheaufgaben veröffentlichen.

Breite Preissenkungen würden bestätigen, dass TinyFish das Marktniveau verschoben hat. Eine auf Qualität fokussierte Reaktion würde zeigen, dass Wettbewerber glauben, Käufer würden weiterhin für bessere Ergebnisse bezahlen.

Entwickler müssen nicht auf diese Signale warten, bevor sie den Dienst testen. Sie sollten mit einem repräsentativen Satz realer Aufgaben beginnen und anschließend jede Suche, jeden Abruf, jedes Token, jeden Wiederholungsversuch und jede abgeschlossene Antwort erfassen.

Ein sinnvoller Test sollte sowohl einfache Seiten als auch die problematischen Fälle umfassen, an denen Informationsbeschaffung üblicherweise scheitert. Er sollte aktuelle Nachrichten, Dokumentation, dynamische Websites, lange Seiten und Quellen testen, die durch gängige Zugriffskontrollen geschützt sind.

Die Bewertung sollte die Bewahrung der Belege messen, nicht nur eine saubere Formatierung. Eine kompakte Antwort ist nur dann wertvoll, wenn sie die Fakten enthält, die für die endgültige Antwort erforderlich sind.

Teams sollten anschließend den vollständigen Workflow mit ihrem aktuellen System vergleichen. Wenn die kostenlose Suche von TinyFish die gesamte Rechenleistung, Latenz und Wartung senkt und zugleich die Genauigkeit bewahrt, sind die Einsparungen real.

Wenn sie lediglich die Gebühr für die Informationsbeschaffung beseitigt und zugleich Modellnutzung oder Fehler erhöht, beschreibt das Label „kostenlos“ nur eine Komponente. Das ist weiterhin nützliche Information, aber keine vollständige Kostenanalyse.

Für Entwickler von Agenten lautet die nächste praktische Frage: Wie viel nützliche, überprüfbare Arbeit erzeugt jede Einheit Kontext? Messen Sie dieses Verhältnis anhand Ihrer eigenen Seiten, bevor Sie einen Anbieter wählen. TinyFish hat den Einstieg in dieses Experiment erleichtert. Seine langfristige Bedeutung wird davon abhängen, ob kostenlose Informationsbeschaffung Agenten dauerhaft dabei hilft, die Aufgabe zu Ende zu bringen.