Acerca de
Una API de búsqueda de noticias para agentes y aplicaciones, con un plan gratuito y texto completo de los artículos.
El problema
Un agente que necesita información actual necesita más que titulares. Necesita el artículo en sí y necesita saber qué campos se observaron y cuáles se adivinaron. La mayoría de las APIs de noticias venden el cuerpo del artículo en un nivel de pago y no dicen nada sobre el origen de sus metadatos. La comparación tiene los detalles.
Qué construimos
Búsqueda de texto completo sobre cientos de miles de artículos de noticias diarios de más de 25,000 editores en 90 países y 50 idiomas, en una ventana móvil de 90 días, actualizada continuamente. Cuatro puntos de conexión GET y una clave.
Cómo se financia
Sinceramente: apenas cuesta nada.
Los datos provienen de archivos de noticias públicos a gran escala: conjuntos de datos masivos de páginas de noticias ya rastreadas, publicados continuamente. No licenciamos contenido de los editores ni extraemos páginas de sus servidores; procesamos conjuntos de datos que ya son públicos.
Noventa días de esto, indexado y replicado tres veces, ocupan aproximadamente el 3% de un clúster de Elasticsearch que ya ejecutamos para otros trabajos. Servir una consulta de búsqueda consume tiempo de CPU que tenemos disponible. La capacidad medida es de 1,247 solicitudes por segundo; un solo cliente está limitado a 20.
¿Seguirá siendo gratuito?
El plan gratuito permanece. Anteriormente prometimos que la búsqueda seguiría abierta sin clave; eso terminó en 2026, y el registro de cambios explica por qué. Cualquier otro cambio se anunciará allí antes de que ocurra.
Quién lo gestiona
Un pequeño equipo independiente que tiene como actividad principal operar infraestructura de búsqueda y datos: clústeres de Elasticsearch, rastreadores y pipelines. Este servicio se ejecuta en la misma infraestructura, lo que precisamente permite ofrecerlo de forma gratuita.
Contacto
- Editores que soliciten exclusión: consulta editores. Las solicitudes se cumplen sin discusión.
- Datos masivos: si planeas realizar decenas de miles de solicitudes, contáctanos primero; hay una forma más eficiente de entregarte los datos que mediante HTTP.
- Errores y datos incorrectos: indícanos qué artículo y qué parte está mal. Las etiquetas de país o fecha incorrectas son lo más común y lo más útil que podemos saber.
Envía un correo electrónico a [email protected].
Qué no hacemos
- No alojamos el contenido de los artículos. Cada respuesta incluye el
urloriginal: atribuye y enlaza de vuelta a la fuente. - No vendemos tus datos ni ejecutamos anuncios. Consulta privacidad.
- No clasificamos a los editores por credibilidad ni aplicamos un filtro político. Lo que Common Crawl alcanzó es lo que obtienes, y eso tiene consecuencias.
