Depende do motor onebox. Alguns motores onebox como a Amazon raspam certas informações, como o preço do item, de dentro do <body>. Para motores opengraph, em teoria, só precisamos de certas tags como <meta> no <head>.
A maneira mais eficiente seria analisar a resposta em busca das informações necessárias enquanto transmitimos a resposta, mas mudar todos os nossos motores para fazer isso provavelmente exigirá um esforço considerável e é uma solução muito mais complexa.
Na verdade, o Nokogiri, que usamos para analisar a resposta HTML, é capaz de analisar texto HTML incompleto, portanto, não há necessidade de descartar toda a resposta quando ela é muito grande. Acho que podemos continuar limitando o corpo da resposta a 2 MB e, se o tamanho da resposta exceder isso, tentaremos analisar os primeiros 2 MB.