我们把一份 292 人的名单（88 家公司、16 个行业，只给姓名 + 域名）跑过五家聚合商，再把返回的邮箱与每家公司官网上公开的团队页地址逐一比对。名单里每个人都在团队页留了公开邮箱，所以这里的找到率相对陌生名单是偏高的；真正干净的对比是单行成本与完全匹配率。
这次运行
这次运行把请求路由到目录里真正应答的供应商（QuickEnrich 约 61%，Kitt 约 36%，另有 Tomba、DropLeads、Hunter、Findymail）。表中的其他列代表替代聚合商，而不是底层供应商。
| 鹦鹉AI | Clay | Freckle | Deepline | |
|---|---|---|---|---|
| 找到 | 289 | 280 | 281 | 266 |
| 完全匹配 | 264 | 262 | 263 | 253 |
| 成功率（完全匹配/292） | 90.4% | 89.7% | 90.1% | 86.6% |
| 精确率（完全匹配/找到） | 91.3% | 93.6% | 93.6% | 95.1% |
| 域外地址 | 5 | 4 | 4 | 0 |
| 成本（仅查找） | $1.49 | $10.34 | $11.22 | $23.38 |
| 每行 | $0.0051 | $0.0354 | $0.0384 | $0.0801 |
| 每条正确邮箱 | $0.0056 | $0.0395 | $0.0427 | $0.0924 |
| 命中延迟（中位数） | 0.44s | 11.2s | 65s | 批处理 |
Freckle = LeadMagic→Findymail。Deepline = 先用 ZeroBounce 的打法。Clay 的金额按 Clay Launch 数据积分标价计算（2026-09-16 为 $0.05/积分）。
这些数字说明了什么
- 质量打平。 鹦鹉AI、Clay、Freckle 的完全匹配数分别是 264、262、263，差异属于噪声。
- 与公开地址对不上，多数时候并不等于无效。 返回的地址里很多是有效别名。完全匹配是下限，不是上限。
- 成本差距是结构性的。 按积分计费的瀑布式方案，每条正确邮箱的成本是 鹦鹉AI 的 7 到 16 倍。Deepline 是极端值，因为它对每一种邮箱模式猜测都会触发 ZeroBounce。
- 延迟只在逐次调用的路径上才有意义。 鹦鹉AI（0.44s）是逐次调用；不要用速度给批处理工具排名。
- 聚合商那几列是路由，不是产品。 每一列代表该聚合商把查询分发给底层供应商的方式。
什么时候选 Clay
当你需要一张可视化表格、更完整的 Clay GTM 编排生态，或者一个已经把数据补全嵌进更大工作流的席位时，选 Clay。习惯电子表格的团队可能更愿意用 Clay 界面，而不是调 API。
当你需要按量计费的目录调用、明确的供应商价格和一份带日期的实测回执时，选 鹦鹉AI。计费方式见计费说明。
披露事项
- 名单偏差： 每个人都在团队页留了公开邮箱，所以找到率相对陌生名单偏高。
- MillionVerifier 二次验证： Kitt 积分用尽后，我们用 MillionVerifier 重新验证了地址。MV 命中缓存 0 次。Kitt 也在 鹦鹉AI 目录里，所以对 鹦鹉AI 这一列来说，它的命中并非独立来源。
- 鹦鹉AI 的一个 bug： 有 3 行返回 HTTP 502（route_failed），按未命中计分。这 3 行收费 $0。