Brave, 현존하는 가장 강력한 AI 검색 API 출시

테스트 결과, Brave의 고품질 근거 데이터 활용 시, 저렴한 공개 가중치 LLM이 ChatGPT, 구글 AI 모드, 퍼플렉시티를 능가할 수 있다는 것이 입증되었습니다.

오늘 Brave는 AI 애플리케이션의 웹 검색을 대폭 개선해 줄 새로운 Brave 검색 API를 출시합니다. 이번 출시는 현존하는 가장 강력한 검색 API, 확장된 개발자 도구, 그리고 더 간결하면서도 비용은 낮추고 성능은 강화한 플랜, 세 가지 주요 업데이트를 포함합니다. 또한 이번 릴리스에서 제공되는 Brave의 고품질 API 데이터를 활용할 시, 상대적으로 성능이 낮은 공개 가중치 LLM도 최상위 LLM을 능가할 수 있다는 연구 결과도 이번 출시와 더불어 공유될 예정입니다. 이번 업데이트에 포함되는 내용은 다음과 같습니다.

1. LLM 컨텍스트 API: 현존하는 가장 강력한 AI 애플리케이션용 검색 API로, 어떤 쿼리나 질문에든 LLM(대규모 언어 모델)에 웹에서 추출한 고도로 관련성 높은 컨텍스트를 제공하도록 최적화되어 있습니다. 이미 내부적으로 대규모로 활용되고 있는 LLM 컨텍스트 API는 세계 최대 규모의 프라이빗한 사용자 대상 AI 애플리케이션인 Brave 검색에서 하루 2,200만 건 이상의 답변을 처리하고 있습니다. Brave의 LLM 컨텍스트와 공개 가중치 모델 Qwen3를 기반으로 구동되는 Brave 챗봇의 한 버전인, Brave에게 물어보기는 고품질 컨텍스트 데이터 덕분에 ChatGPT, 퍼플렉시티, 구글 AI 모드와의 직접적인 비교에서 더 뛰어난 성능을 기록했습니다(아래 표 참조).

2. 개발자 도구: Brave 검색 API 기술을 새롭게 출시하고, Brave 검색 API를 가장 효과적으로 활용하는 방법에 대한 질문에 답변할 수 있도록 학습된 API 어시스턴트를 개발자 포털에 통합했습니다. 이러한 기술은 커서, 오픈코드, 클로드코드와 같은 대부분 AI 도구에서도 이용 가능합니다.

3. 더 단순하고, 더 저렴하며, 더 강력해진 플랜. 새롭게 선보이는 두 가지 플랜, ‘검색’과 ‘답변’에는 사용자에게 유용한 모든 기능이 포함되어 있습니다. ‘검색’은 웹, LLM 컨텍스트(오늘 새롭게 출시), 이미지, 뉴스, 동영상 등 다양한 검색 유형을 모두 포함하며, 이 모든 것을 1,000건의 요청당 $5에 이용할 수 있습니다. ‘답변’ 플랜은 질문에 대한 리서치 기반 응답을 제공하며, 해당 응답의 근거가 된 웹 검색 결과도 함께 제공합니다. 답변의 가격은 웹 검색 1,000건당 $4, 토큰(입력 및 출력) 100만 개당 $5로 책정됩니다.

웹 검색은 웹과 AI를 위한 필수 인프라입니다. Brave 검색은 서구권에서 단 세 개뿐인 독립적인 글로벌 규모의 검색 인덱스 중 하나로, 빅테크 외에는 유일합니다. 또한 LLM용으로 설계된 최첨단 오픈 API를 통해 제공되는 유일한 인덱스로, SOC2 준수와 데이터 미보존 옵션이 포함된 공개 API를 제공합니다.

LLM 컨텍스트 API

주요 AI 검색 엔진을 대상으로 한 내부 평가에서 Brave의 LLM 컨텍스트 API와 공개 가중치 모델 Qwen3로 구동되는 Brave에게 질문하기는 ChatGPT, 퍼플렉시티, 구글 AI 모드를 능가하는 성능을 보여주었습니다. 지금까지 AI 업계는 고성능 모델의 중요성과 가치를 강조해 왔지만, 우리의 테스트 결과에 따르면 고품질 근거 데이터를 결합할 경우, 상대적으로 덜 강력한 공개 가중치 모델도 최상위 비공개 모델을 뛰어넘을 수 있는 것으로 밝혀졌습니다. 우리는 오늘 LLM 컨텍스트 API가 제시하는 바로 이 데이터를 공개합니다. 이 LLM 컨텍스트 AI를 사용하면, AI 개발자라면 누구나 유사한 수준의 고품질 결과를 구현할 수 있습니다.

LLM 컨텍스트 API는 데이터 중심 순위를 제공하는 독자적인 서비스로, 가장 관련성 높은 스마트 데이터 청크를 순위화해, LLM 활용에 최적화된 간결한 형식으로 구성합니다. 이는 지연 문제와 데이터 액세스 제한 문제가 있는 스크래퍼와 달리, Brave의 완전한 검색 엔진 인프라를 기반으로 하기에 가능한 것으로, 추출되는 근거 컨텍스트의 정확성을 극대화합니다.

평가

2025년 11월 30일, 우리는 Claude Opus 4.5와 Claude Sonnet 4.5를 평가 모델로 활용해, 주요 AI 기반 답변 엔진에 대한 종합적인 평가를 진행했습니다.

이번 평가는 실제 사용자 환경에서 무작위로 추출한 1,500개의 동일한 쿼리 집합(예: “아이폰이 꺼져 있을 때 데이터를 수집하나요?")을 사용하여 Brave에게 물어보기, Grok, 구글 AI 모드, ChatGPT, 퍼플렉시티에서 답변을 수집하는 방식으로 이루어졌습니다. Brave에게 물어보기를 제외한 모든 답변은 BrightData를 사용하여 스크래핑했으며, 이는 각 제공업체에서 익명 사용자가 실제로 경험하는 환경을 그대로 재현하기 위함이었습니다.

이후 수집된 답변은 LLM을 평가자로 활용하는 방식으로 분석되었습니다. Claude Opus와 Sonnet 4.5의 평가를 다수결로 종합해 최종 결과를 도출했으며, 최대한의 신뢰성을 확보하기 위해 모든 가능한 조합에 대해 쌍별 비교를 실시했습니다. 또한, 위치 편향을 최소화하기 위해 각 비교를 두 차례 진행했습니다(A vs B 및 B vs A).

Grok이 가장 높은 점수를 기록했으며, Brave에게 물어보기는 상대적으로 성능이 낮은 공개 가중치 모델(Qwen3)을 사용함에도 근소한 차이로 그 뒤를 이었습니다. 이번 테스트에서 가장 큰 차이점은 Brave에게 물어보기가 더 높은 품질의 근거 컨텍스트 엔드포인트, 즉, 우리가 오늘 공개하는 바로 그 API를 활용했다는 점입니다. 검색 인덱스 접근이 제한된 시스템들은 큰 격차로 뒤처졌으며, 이는 모델의 성능보다 컨텍스트의 품질이 더 중요하다는 사실을 보여줍니다.

이는 답변 품질을 결정하는 가장 중요한 요소가 컨텍스트의 품질일 가능성이 높다는 것을 시사합니다. 최첨단 수준의 근거 데이터를 활용하는 공개 가중치 모델은 더 약한 컨텍스트로 작동하는 고성능 최상위 모델과 경쟁할 수 있을 뿐만 아니라, 종종 이를 능가하기도 합니다. 대형 모델이 점점 범용화되어 가는 상황에서, 고품질 데이터의 중요성은 AI의 상업적 가치가 어디에서 비롯되는지에 대한 투자자들의 평가 기준을 재고하게 만들 것입니다.

평가 프롬프트에 대해 자세히 알아보기 ¹.

LLM 컨텍스트 작동 방식

기존 웹 검색은 사람을 대상으로 최적화되어, URL 중심으로 구성됩니다. 그러나 Brave의 개편된 검색 API는 AI와 LLM 사용 사례에 더 강력한 기능을 제공하기 위해 기계 사용에 최적화되어 있습니다. 그리고 LLM 컨텍스트 API는 여기서 한 단계 더 나아가, 가장 관련성이 높은 스마트 청크를 순위화해 LLM 활용에 최적화된 간결한 형식으로 구성하는 데이터 중심 랭킹을 제공합니다.

각 쿼리에서 수행되는 단계는 다음과 같습니다.

1. Brave의 독립적인 인덱스에서 표준 웹 검색을 수행해 가장 관련성 높고 품질이 우수한 페이지를 식별합니다.

2. 그런 다음 각 페이지의 콘텐츠를 실시간으로 심층 분석해, 원시 HTML 콘텐츠를 스마트 정크로 변환합니다. 단순히 웹페이지를 마크다운으로 변환하는 수준을 넘어, 다음과 같은 항목에 대해 최적화된 처리 기능을 제공합니다.

   • Brave 검색을 구축 및 확장해온 수년간의 경험을 바탕으로 쿼리에 최적화된 스니펫, 마크다운 변환 등 다양한 정제 텍스트 추출 기법을 활용한 클린 텍스트 추출.

   • 구조화된 데이터 추출(JSON+LD 스키마, itemprop, 행 단위 세분화가 포함된 테이블 등)

   • 기술 질문과 코딩 에이전트 활용에 특화된 코드 컨텍스트 추출.

   • 포럼 게시글 추출.

   • 유튜브 캡션 처리.

3. 마지막으로, 쿼리에 답하기 위해 가장 관련성이 높은 정보를 식별하도록 학습된 자체 시스템을 사용해 이러한 스마트 청크의 순위를 매깁니다. 최종 응답은 사용자가 지정한 설정에 따라 구성되며, 총 토큰 수와 URL 개수 등을 세밀하게 제어할 수 있습니다.

이 과정은 상위 검색 결과를 종합적으로 고려함으로써, 폭과 깊이를 모두 확보하고, 추출되는 근거 컨텍스트의 정밀도를 극대화합니다. 또한 이 모든 작업은 지연 시간을 희생하지 않으면서 이루어집니다.

이러한 단계들은 일반 검색 대비 오버헤드를 최소화하도록 고도로 최적화되었습니다. 실제 운영 환경에서는 일반 검색에 더해 p90 기준 130ms 미만의 오버헤드만 발생하며, 그 결과 LLM 컨텍스트 호출의 총 지연 시간은 p90 기준 600ms 미만으로 유지됩니다.

독보적인 제어 기능

LLM 컨텍스트 API는 Brave의 검색 도구인 Goggles 및 토큰 예산을 설정하여 비용을 세밀하게 제어할 수 있는 기능을 포함하는 새로운 LLM 컨텍스트 예산과 함께 작동하며, 로컬 검색도 지원합니다. 이제 이러한 기능을 하나씩 살펴보겠습니다.

Goggles 지원

Goggles는 Brave 검색만의 고유한 기능입니다. 도메인이나 URL 패턴별로 결과를 필터링하거나, 특정 결과의 순위를 높이거나 낮출 수 있으며, 수천 개의 규칙으로 확장할 수 있습니다. 이처럼 세밀한 제어 수준을 제공하는 검색 엔진은 물론, 이를 기반으로 하는 LLM 컨텍스트 제공자도 다른 곳에서는 찾아볼 수 없습니다. Goggles 자세히 알아보기.

LLM 컨텍스트 예산

LLM 컨텍스트의 최종 크기는 선택적 API 파라미터인 maximum_number_of_tokens를 사용하여 세밀하게 제어할 수 있습니다. 이 파라미터는 최종 응답에 포함될 (예상) 토큰 수에 대한 상한을 설정합니다. 선택 과정에서는 이 한도를 반영해 예산 범위 내에서 가장 관련성 높은 데이터를 우선적으로 구성합니다.

또한 각 URL의 기여도, 최대 결과 수, 순위 유형을 조정할 수 있는 옵션도 제공되어, API를 특정 사용 사례에 맞게 세부적으로 최적화할 수 있습니다.

현지화된 컨텍스트

위치 정보가 중요한 쿼리의 경우 헤더를 통해 사용자 위치를 전달할 수 있습니다. 그러면 API는 다음과 같은 결과를 반환합니다.

• POI 데이터: 지역 비즈니스를 위한 관심 지점 정보

• 지도 결과: 지리적 맥락이 포함된 위치 기반 검색 결과

또한, Brave는 로컬, 지도, 글로벌 웹 결과 간에 토큰 예산을 효율적으로 배분합니다. API에 관한 자세한 내용은 이 문서를 참고하세요.

개발자 도구

이번 릴리스를 통해 Brave 검색은 한층 더 사용이 용이해졌습니다. 이제 Brave 검색은 기술을 지원하며, 사용자의 필요에 따라 Brave 검색 API를 가장 잘 활용하는 방법에 대한 질문에 답할 수 있도록 학습된 통합 AI 어시스턴트를 제공합니다.

기술

이제 Brave 검색 API는 재사용 가능한 모듈식 워크플로를 통해 AI 기능을 확장할 수 있는 강력한 방식인 기술을 지원합니다. 이번에 오픈 소스로 공개된 이러한 표준화된 형식의 기술은 AI 에디터나 CLI가 Brave API가 지원하는 특화 작업에 필요한 지침, 스크립트, 리소스를 동적으로 불러올 수 있도록 지원합니다. 이는 OpenClaw 출시를 통해 최근 Brave API에 가입한 20만 명 이상의 개발자에게 큰 도움이 될 것입니다.

API 어시스턴트

이번 릴리스에서는 개발자 포털에 구축된 API 어시스턴트도 함께 출시되었습니다. API 어시스턴트는 Brave 검색 API에 대한 질문에 답하도록 학습되었으며, 관련 엔드포인트를 안내하고, 코드 예제를 제공하는 등 Brave 검색 API로 구현할 수 있는 다양한 활용 사례를 전반적으로 안내하는 가이드 역할을 합니다.

더 간단하고, 더 저렴하고, 더 강력해진 플랜

기존의 모든 API 기능이 이제 검색, 답변, 맞춤법 검사, 자동 완성과 같은 공개 플랜으로 정리됩니다. 모든 플랜에는 매월 갱신되는 $5의 무료 크레딧(모든 요금제를 합하면 $20)이 제공되며, 이를 통해 애플리케이션 구축을 시작하는 데 가장 편리한 방법을 이용할 수 있습니다. 이 무료 크레딧을 이용하려면 프로젝트의 웹사이트 또는 소개 페이지에서 Brave 검색 API 사용 사실을 명시하기만 하면 됩니다.

검색

이 플랜에는 웹, LLM 컨텍스트(오늘 새로 출시됨), 이미지, 뉴스, 동영상 등 다양한 유형의 검색이 모두 포함됩니다. 모든 검색 유형의 요금은 요청 1,000건당 $5달러의 동일한 방식으로 책정되며, 매월 $5의 무료 크레딧이 제공됩니다.

답변

몇 달 전, 우리는 모든 질문에 대해 근거 기반 답변을 제공하는 전문화된 답변 플랜을 출시했습니다. 이 엔드포인트는 SimpleQA 벤치마킹에서 최고 수준인 94.1% F1 점수를 기록했으며, LLM 환각을 제거하도록 특별히 설계되었습니다. 답변 플랜 설명서에서 자세히 알아보세요.

답변의 요금은 웹 검색 1,000건당 $4에, 입력 및 출력 토큰 100만개당 $5를 더한 금액으로 책정됩니다. 매월 첫 $5는 무료입니다.

답변 플랜은 최소한의 설정으로 간편하게 정보를 얻고자 하는 분들에게 적합합니다. 반면에 검색 플랜에 포함된 새로운 LLM 컨텍스트 API는 LLM 레이어에 대한 제어권을 유지한 채, 원하는 모델을 실행하면서 토큰 효율적인 방식으로 최고 품질의 입력 데이터를 활용하고자 하는 사용자에게 이상적인 옵션입니다.

맞춤법 검사

이 API는 맞춤법 검사 기능을 서비스로 제공합니다. 가격은 요청 10,000건당 $5이며, 매월 $5의 무료 크레딧이 제공됩니다. 또한 맞춤법 검사는 검색 엔드포인트에 내장된 기능으로, 기본적으로 모든 쿼리에 맞춤법 검사가 이루어집니다.

자동 완성

이 API는 모든 쿼리에 대해 서비스로 제안을 제공합니다. 엔터티 인식 기능이 포함되어 있으며, 매월 $5의 무료 크레딧이 제공되며, 요청 10,000건당 $5의 요금이 책정됩니다.

Brave 검색 API를 사용해야 하는 이유

LLM이 점차 범용화됨에 따라, 입력받는 컨텍스트의 품질이 애플리케이션 품질을 좌우하는 핵심 요소로 자리잡기 시작했습니다.

Brave 검색 API는 대규모 상업용 LLM은 물론, 간단한 API 호출만으로 웹에서 수십억 건에 달하는 검색 결과를 통합하여 에이전트나 AI 앱을 강화하려는 기업에 최적화되어 있습니다. Brave 검색 API는 이미 세계 최대 규모의 AI LLM 기업 대다수에서 사용되고 있습니다. 또한 독립적이고 프라이버시를 중시하는 특성 덕분에 대규모 AI 애플리케이션 분야에서 널리 선택되는 솔루션으로 자리 잡았으며, 그 이유는 다음과 같습니다.

• 스크레이퍼 관련 문제 없음: Brave는 빅테크를 제외한 유일한 대규모 웹 검색 인덱스입니다. 다른 제공업체들은 스크래핑에 의존합니다. 스크레퍼는 서비스 약관을 위반하고, 진정한 데이터 미보존을 보장할 수 없으며, 일부는 구글로부터 소송을 당하고 있고, 데이터 피드가 임의로 차단될 수 있을 뿐만 아니라, 일부는 지연 시간 문제로 어려움을 겪고 있습니다. 엔터프라이즈 솔루션을 공급하는 기업이라면 스크레퍼가 내제한 이러한 법적·운영상의 위험에 고객을 노출시키지 않아야 합니다.

• 이해 상충 없음: Brave는 사용자의 검색 쿼리를 자체 LLM 학습에 활용하지 않습니다.

• 데이터 미보존(ZDR): 쿼리가 저장, 기록 또는 개인 식별 정보와 연결되지 않으므로 진정한 데이터 미보존이 가능합니다. 검색 스택 전반을 직접 소유하고 운영하기 때문에, 품질 저하 없이 모든 엔드포인트에서 데이터 미보존을 제공할 수 있습니다.

• SOC 2(Type II) 인증을 통해 검증된 보안: 법적 실사 절차를 간소화하고 엄격한 보안과 개인정보 보호 기준을 충족합니다.

• 규정 준수 및 연속성: Brave의 독립적인 인프라는 제3자 의존성을 제거하여 쿼리가 빅테크에 전달되지 않도록 보장합니다. 서비스 약관 위반 시 즉시 종료될 위험이 있는 스크래퍼와 달리(예: 구글 v. SerpAPI), Brave는 안정적이고 법적으로 건전한 솔루션을 제공합니다.

지금 Brave 검색 API로 시작하세요.