Thalius Thalius
Blogg

Jämförelse

Hippocampus vs OpenAI File Search

18 oktober 2026

Av Andreas Dahlström, chef för Deeptech-teamet, medgrundare

Hippocampus är det bättre valet när varje svar måste kunna kontrolleras mot en sida och när människor och agenter bara får se det de har behörighet att läsa. OpenAI File Search är det bättre valet när du redan bygger på OpenAI:s Responses API, vill ha hämtning som ytterligare ett hostat verktyg, vill finjustera hybridsökningen själv eller behöver snabba svar. I vår FDA-benchmark, med GPT-5.4 mini som svarsmodell för båda, svarade Hippocampus rätt på 40 av 48 frågor och File Search på 36 av 48*, ett gap inom variationen mellan körningar. File Search var snabbare: en median på 7 sekunder per svar mot 20 för Hippocampus.

Den här artikeln jämför de två produkterna dimension för dimension. Själva benchmarkkörningen, med fem system sida vid sida och de frågor där de skiljer sig åt, finns i vårt tidigare inlägg Hippocampus mot OpenAI File Search och PageIndex; den här artikeln upprepar den inte. Vi jämför också Hippocampus vs PageIndex och Hippocampus vs Vertex AI Search.

Rubrikbild för Hippocampus och OpenAI File Search jämförda

Sammanfattning

Dimension Hippocampus OpenAI File Search
Driftregion och egen drift Dokument och kunskapsstrukturen lagras krypterade i EU (Finland). Modellinferens körs i USA som standard; på Corporate kan den köras EU-hostad eller i din egen miljö. Drift i eget moln eller helt på egna servrar ingår i Enterprise-paketet. Säkerhet Datalagringsplats ställs in per projekt, med regional lagring i USA, Europa och åtta andra regioner. Vector stores har ingen regional behandling; File Search i Responses API har regional behandling endast i USA och Europa. Regioner utanför USA kräver godkännande. Självhosting: inte dokumenterat. Your data (kontrollerat i oktober 2026)
Källhänvisning (på sidnivå) Varje svar bär med sig dokumentet, avsnittssökvägen, start- och slutsida, byteoffset och den text som användes. Källhänvisningarna kommer från hämtningssteget, inte från modellen. Svaren innehåller file_citation-annoteringar med fil-id, filnamn och ett teckenindex. Källhänvisning på sidnivå: inte dokumenterat. File Search guide (kontrollerat i oktober 2026)
Behörighetskontroll vid frågetillfället Upprätthålls inne i sökningen som ett filter före rangordningen; returnerar ingenting om behörigheterna inte kan kontrolleras. En sammanfattning över flera dokument är synlig bara för personer som får läsa alla. Agenter följer samma behörigheter. Säkerhet Åtkomstkontroll per användare: inte dokumenterat. Anroparen kan avgränsa vilka filer som genomsöks med filattribut och metadatafilter. Retrieval guide (kontrollerat i oktober 2026)
Beteende vid frågor som inte går att besvara När hämtningen kommer tillbaka tom avvisas frågan i stället för att gissas. En avvisning kostar lika många krediter som ett svar. Beteende vid avvisning: inte dokumenterat. Ett tröskelvärde för poäng och en resultatgräns minskar antalet chunkar som returneras. File Search guide, Retrieval guide (kontrollerat i oktober 2026)
Hämtningsarkitektur (strukturerat minne, vektorindex eller filsökning) Strukturerat minne som byggs vid import: ett träd per dokument med en indexsammanfattning, avsnittssammanfattningar och lövavsnitt med sidor och byteintervall. Två hämtningstrattar, uppifrån och ned över sammanfattningarna och nedifrån och upp med nyckelords- plus inbäddningssökning över lövavsnitten, sammanslagna till en rangordning. Utvecklare Vector store: filer delas upp i chunkar (800 tokens med 400 tokens överlappning som standard), bäddas in och indexeras vid uppladdning. Semantisk sökning med valfri omskrivning av frågan och viktad hybrid nyckelordssökning, upp till 50 resultat. Retrieval guide (kontrollerat i oktober 2026)
Svarsmodeller som stöds Vilken språkmodell som helst. Du väljer vilken modell som svarar, inställt per arbetsyta; på Corporate kan du använda din egen modellnyckel eller låta administratörer välja modellerna. Utvecklare Körs som ett verktyg i OpenAI:s Responses API. En lista över modeller som stöds: inte dokumenterat. File Search guide (kontrollerat i oktober 2026)
Tillgång till API och MCP REST-API och en MCP-server. MCP-servern är i beta; OAuth-inloggning i det delade molnet håller på att färdigställas. API:et på Free är i beta. Utvecklare Konfigureras som ett verktyg i Responses API. Responses API kan anropa fjärranslutna MCP-servrar; File Search som hostad MCP-server: inte dokumenterat. File Search guide, MCP guide (kontrollerat i oktober 2026)
Exportformat för data Open Knowledge Format: en mapp per dokument med Markdown och YAML front matter, som innehåller indexsammanfattningen, hela texten, originalfilen och en mapp per avsnitt. Läsbart via API:et och exporterbart medan kontot är aktivt. Utvecklare En slutpunkt returnerar den tolkade texten i en vector store-fil, sidindelat. Export av inbäddningar eller av en hel vector store: inte dokumenterat. Vector store file content (kontrollerat i oktober 2026)
Användning av kunddata för träning Används aldrig för att träna AI, varken av Thalius eller av modelleverantörerna; deras avtal förbjuder det. Säkerhet API-data används inte för träning som standard; delning kräver ett uttryckligt samtycke (opt-in). Your data (kontrollerat i oktober 2026)
Prismodell och gratisnivå Krediter, samma enhet på varje nivå. Free med krediter som ingår varje månad och utan kort, Starter, och Corporate enligt offert. En avvisning kostar lika mycket som ett svar. Belopp på Priser Användningsbaserat: vektorlagring per GB och dag med en gratis kvot, plus en avgift per File Search-anrop. Belopp på prissidan (kontrollerat i oktober 2026)

Benchmark

Tio offentliga FDA-dokument för Saxenda, Wegovy och Zepbound (2 198 sidor), sexton frågor skrivna av Atrogis team, var och en ställd tre gånger i oberoende konversationer. Varje system svarade via samma modell, GPT-5.4 mini, den 17 september 2026. En bedömningsmodell, GPT-5 med tre röster och majoritetsbeslut, jämförde varje svar med ett referenssvar; att avböja kontrollfrågan räknas som korrekt.

  • Hippocampus: 40 av 48 rätt*, 79 % viktat, median 20 sekunder per svar.
  • OpenAI File Search: 36 av 48 rätt*, genomsnittet av två körningar som fick 38 och 34, 64 % viktat, median 7 sekunder per svar.

Den viktade poängen räknar lätta frågor en gång, medelsvåra två gånger och svåra tre gånger. På kontrollfrågan, som dokumenten inte kan besvara, gav File Search en rangordning som svar i fyra av sex försök; Hippocampus sa varje gång att dokumenten inte kan stödja en rangordning, och erbjöd i två av tre svar godkännandeordningen som ett uttryckligen markerat närmevärde.

Det här resultatet visar inte:

  • Gapet mellan Hippocampus och File Search ligger inom variationen mellan körningar: File Searchs två identiska körningar skilde sig åt med fyra svar.
  • Hippocampus-konfigurationer som testades 16 till 17 september fick mellan 37 och 40 av 48. Siffran ovan är en körning som fick 40.
  • Sökguiden som Hippocampus ger modellen förfinades på samma sexton frågor. De andra systemen kördes med leverantörernas standardinställningar plus en instruktion på en mening att bara svara utifrån materialet.
  • File Search kördes två gånger. De andra systemen kördes en gång, så skillnader på några få svar kan bero enbart på variation.
  • Hippocampus är det långsammaste testade systemet: en median på 20 sekunder per svar mot 5 till 8 sekunder för de andra. Det här är tider för ett helt svar, där modellen söker så ofta den behöver. En enskild sökning i Hippocampus tar 1,8 sekunder i median i vår senare benchmarkrapport.
  • Bedömningsmodellen är OpenAI:s GPT-5, och svarsmodellen och två av de testade systemen är också OpenAI:s.

Hela tabellen med alla fem system finns i Hippocampus mot OpenAI File Search och PageIndex. Korpusen, frågorna och resultaten med tre svarsmodeller finns i FDA GLP-1-benchmarken, och varje publicerat resultat finns på sidan Bevis.

* Svarsmodell GPT-5.4 mini för varje system. Bedömning av GPT-5, tre röster, majoritetsbeslut. Thalius utvärdering, 17 september 2026.

När OpenAI File Search är det bättre valet

  • Du bygger redan på OpenAI:s Responses API och vill ha hämtning som ytterligare ett verktyg i samma anrop: filer delas upp i chunkar, bäddas in och indexeras vid uppladdning, utan någon separat tjänst att driva (Retrieval guide, kontrollerat i oktober 2026).
  • Du vill finjustera hämtningen själv: vikter för hybridsökning, omskrivning av frågan, ett tröskelvärde för poäng och attributfilter är alla tillgängliga (Retrieval guide, kontrollerat i oktober 2026).
  • Du behöver lagring i en region utanför EU: OpenAI listar regional lagring i tio regioner, bland dem Australien, Kanada, Japan och Förenade Arabemiraten, med regional behandling i USA och Europa för File Search (Your data, kontrollerat i oktober 2026).
  • Hastighet betyder mer än djup: i vår FDA-benchmark svarade File Search med en median på 7 sekunder mot 20 för Hippocampus.

Prova Hippocampus på samma dokument

Ladda upp de dokument du skulle lägga i en vector store för File Search och ställ samma frågor till Hippocampus, gärna med en OpenAI-modell som svarar. Börja gratis, inget kort. Läs först hur Hippocampus upprätthåller behörigheter och var dokumenten lagras, API:et, MCP-servern och exportformatet, hur krediter fungerar på varje nivå och drift i eget moln eller på egna servrar med Enterprise-paketet.

Källor och senaste uppdatering

Senast uppdaterad: oktober 2026.

Frågor

Vanliga frågor

Kan jag behålla mina OpenAI-modeller och använda Hippocampus för hämtningen?

Ja: Hippocampus fungerar med vilken språkmodell som helst, OpenAI:s inräknade. Du väljer vilken modell som svarar, inställt per arbetsyta; på Corporate kan du använda din egen modellnyckel eller låta en administratör välja modellerna. Hämtning och källhänvisningar stannar i Hippocampus oavsett vilken modell som svarar.

Ger OpenAI File Search källhänvisningar på sidnivå?

Källhänvisning på sidnivå är inte dokumenterad för File Search: svaren innehåller en filhänvisning med fil-id, filnamn och ett teckenindex (kontrollerat i oktober 2026). Hippocampus returnerar dokumentet, avsnittssökvägen, start- och slutsida, byteoffset och den text som användes för varje källa.

Kan File Search begränsa resultaten per användare?

Inte som identitetsbaserad åtkomstkontroll: den dokumenterade vägen är filattribut och metadatafilter som anroparen anger (kontrollerat i oktober 2026). Hippocampus upprätthåller dokumentbehörigheter inne i sökningen, före rangordningen, och returnerar ingenting om behörigheterna inte kan kontrolleras.

Kan jag behålla mina dokument i EU?

Båda lagrar dokument i Europa. OpenAI listar regional lagring i Europa och regional behandling i Europa för File Search i Responses API, där regioner utanför USA kräver godkännande (kontrollerat i oktober 2026). Hippocampus lagrar dokument och kunskapsstrukturen i EU (Finland); modellinferens körs i USA som standard och kan på Corporate köras EU-hostad eller i din egen miljö.

Används mina data för att träna modeller?

Ingen av dem använder dina data för träning som standard. OpenAI tränar inte på API-data om du inte uttryckligen väljer det (opt-in) (kontrollerat i oktober 2026). Hippocampus använder aldrig kunddata för att träna AI, och dess avtal förbjuder modelleverantörerna att göra det.

Senast uppdaterad: