Google सर्च ग्राउंडिंग बनाम सर्च API: 40 सवालों का टेस्ट

बिना सर्च के, Gemini के दो मॉडल 40 ताज़ा सवालों में से एक का भी सही जवाब नहीं दे पाए। हर सवाल पर API Pick की एक सर्च कॉल ने दोनों को 40 में से 35 तक पहुँचाया; Google सर्च के साथ ग्राउंडिंग मॉडल और प्रॉम्प्ट के हिसाब से 30 से 40 तक पहुँची। पूरे नतीजे, 2026-11-14 को जाँची गई कीमतें और सारे सवाल।

TL;DR

• •बिना सर्च के Gemini 3.8 Flash और Gemini 3.5 Flash-Lite ने अक्टूबर और नवंबर 2026 की ख़बरों पर 40 में से एक भी सवाल का सही जवाब नहीं दिया। हर सवाल पर API Pick का एक वेब सर्च जोड़ने से दोनों 40 में से 35 पर पहुँचे, और कोई गलत जवाब नहीं आया।
• •Google सर्च के साथ ग्राउंडिंग (Grounding with Google Search) सबसे सटीक और सबसे तेज़ रही: Flash-Lite पर 2.5 सेकंड में 40 में से 39, और 3.8 Flash पर 40 में से 40, जब प्रॉम्प्ट ने उसे सर्च छोड़ने का मौका देना बंद किया।
• •ग्राउंडिंग का बिल हर सर्च क्वेरी पर बनता है, हर सवाल पर नहीं: मॉडल ने हर सवाल पर 1.9 से 2.85 क्वेरी चलाईं, इसलिए हर महीने की 5,000 मुफ़्त क्वेरी के बाद 1,000 सवालों का सर्च शुल्क $24 से $40 होता है। API Pick की एक कॉल प्रति 1,000 पर तय $15 है।
• •अगर ऐप सिर्फ़ Gemini पर है और हर महीने लगभग 1,750 से कम सवाल हैं, तो ग्राउंडिंग चुनें। अगर दूसरे मॉडल भी इस्तेमाल करते हैं, हर सवाल पर एक तय कॉल चाहिए, या स्रोत ख़ुद देखकर छाँटने हैं, तो सर्च API चुनें।

एक वेब सर्च से LLM के जवाब कितने बेहतर होते हैं?

अक्टूबर और नवंबर 2026 की ख़बरों पर 40 सवालों में Gemini 3.8 Flash और Gemini 3.5 Flash-Lite बिना सर्च के एक भी सही नहीं कर पाए। हर सवाल पर API Pick के एक वेब सर्च ने दोनों मॉडलों को बिना किसी गलत जवाब के 40 में से 35 (87.5%) तक पहुँचाया, और Google सर्च के साथ ग्राउंडिंग ने मॉडल और प्रॉम्प्ट के हिसाब से 40 में से 30 से 40 तक। हमने 2026-11-14 को हर सवाल चार सेटअप में चलाया और जवाबों को उन स्रोतों से मिलाकर जाँचा जिन्हें हमने ख़ुद पढ़ा था।

API Pick हम बनाते हैं, और इस टेस्ट की सर्च API वही है। ज़्यादातर रन में Google की बिल्ट-इन ग्राउंडिंग ने सटीकता और गति दोनों में उसे पीछे छोड़ा, और यह पेज बताता है कि कहाँ और क्यों।

बाकी सभी जवाब «पता नहीं» थे। बिना सर्च के किसी भी मॉडल ने कुछ गढ़ा नहीं, और यही व्यवहार चाहिए। सामान्य ज्ञान के 10 नियंत्रण सवालों पर हर सेटअप ने 10 में से 10 किए, सिवाय Flash-Lite और न्यूज़ सर्च के, जिसने दो ऐसे सवाल छोड़ दिए जो उसे आते थे, क्योंकि ख़बरें विषय से हटकर थीं।

Google सर्च के साथ ग्राउंडिंग की कीमत क्या है?

Gemini 3 और नए मॉडलों पर Google सर्च ग्राउंडिंग की कीमत हर महीने 5,000 मुफ़्त क्वेरी के बाद हर 1,000 सर्च क्वेरी पर $14 है। पेच इकाई में है: आप हर उस क्वेरी का भुगतान करते हैं जो मॉडल चलाने का फ़ैसला करता है, हर सवाल का नहीं। 2026-11-14 को Google के कीमत पेजों पर ये शर्तें थीं:

• मुफ़्त सीमा: हर महीने 5,000 सर्च क्वेरी, सभी Gemini 3 और नए मॉडलों में साझा।
• पेड दर: हर 1,000 क्वेरी पर $14, और Gemini Developer API के पेड टियर में हर प्रोजेक्ट के लिए डिफ़ॉल्ट रूप से रोज़ 1,500 ग्राउंडिंग अनुरोधों की सीमा।
• प्रति सवाल क्वेरी: हमारे रन में Gemini ने औसतन 1.9 से 2.85 क्वेरी चलाईं, और एक सवाल पर 16 तक।
• पुराने मॉडल: Gemini 2.5 मॉडलों का बिल हर ग्राउंडेड प्रॉम्प्ट पर बनता है, रोज़ 1,500 मुफ़्त के बाद हर 1,000 पर $35। 1 दिसंबर 2026 से gemini-2.5-flash के अनुरोध Gemini 3.5 Flash-Lite पर भेजे जाएँगे।

Google सर्च से जो टेक्स्ट मॉडल को देता है, उसे इनपुट टोकन में नहीं गिना जाता। इसलिए ग्राउंडिंग वाले रन में हर सवाल पर लगभग 90 इनपुट टोकन लगे, जबकि जिन रन में हमने API Pick के पाँच नतीजे प्रॉम्प्ट में चिपकाए उनमें लगभग 1,400। यहाँ इस्तेमाल हुई मॉडल कीमतें: Gemini 3.8 Flash 31 दिसंबर 2026 तक प्रति दस लाख इनपुट टोकन $0.75 और आउटपुट $3.75, Gemini 3.5 Flash-Lite $0.30 और $2.50।

Gemini 3.8 Flash ने सर्च क्यों छोड़ा?

क्योंकि ग्राउंडिंग में सर्च करना है या नहीं यह मॉडल तय करता है, और हमारे प्रॉम्प्ट ने उसे आसान रास्ता दे दिया। पहले रन में Gemini 3.8 Flash ने 40 में से 9 सवालों पर कोई सर्च नहीं किया और «पता नहीं» कहा। फिर हमने «पता नहीं» की अनुमति देने वाला वाक्य हटाया और Gemini 3.8 Flash पर 40 ख़बरों वाले सवाल दोबारा चलाए:

बचने का रास्ता हटते ही ग्राउंडिंग ने हर बार सर्च किया, ज़्यादा क्वेरी चलाईं (हर सवाल पर 1.9 की जगह 2.85) और सभी 40 सही किए। API Pick वाला रन लगभग नहीं बदला, क्योंकि मॉडल के सवाल देखने से पहले ही सर्च हो चुका था।

सर्च API कहाँ चूकी?

API Pick वेब सर्च 40 में से 5 सवालों पर चूकी। चार में लौटे पाँचों नतीजों में से किसी में भी जवाब नहीं था; पाँचवें में जवाब सिर्फ़ परोक्ष रूप से था। हर बार मॉडल ने अंदाज़ा लगाने के बजाय कहा कि उसे पता नहीं:

• Uber का 2026 की तीसरी तिमाही का राजस्व: नतीजे तिमाही नतीजों की ख़बरें थे, जिनमें बुकिंग और मुनाफ़े की बात थी, पर लौटे टेक्स्ट में राजस्व का आँकड़ा नहीं था।
• Palantir का अमेरिकी व्यावसायिक राजस्व: नतीजों में वृद्धि दर (148%) थी, रकम नहीं।
• Firecrawl की search-lift रैंकिंग में सबसे ऊपर का मॉडल: नतीजे सामान्य LLM रैंकिंग थे।
• Composio के Standard प्लान की कीमत: नतीजों में Composio का कीमत पेज था, पर स्निपेट में प्लान की कीमत के बजाय «हर सीट पर $18 क्रेडिट» दिखा। «पता नहीं» विकल्प होने पर मॉडल रुक गया; उसके बिना उसने हर सीट हर महीने $18 बताया, जो सही है।
• Exa ने 13 नवंबर को कहाँ लॉन्च किया: नतीजे Exa के सिंगापुर दफ़्तर के बारे में थे। दूसरे रन में, «पता नहीं» विकल्प के बिना, मॉडल ने सिंगापुर कहा, जो गलत है (सही जवाब EU था)।

प्रोडक्ट से जुड़े सवालों पर न्यूज़ एंडपॉइंट वेब सर्च से कमज़ोर रहा: AI और डेवलपर टूल के 13 में से 5 सही, क्योंकि कीमत पेज, डॉक्यूमेंटेशन और चेंजलॉग ख़बर नहीं होते। सवाल के हिसाब से एंडपॉइंट चुनें: पेज और डॉक्यूमेंटेशन के लिए वेब सर्च, घटनाओं की कवरेज के लिए न्यूज़ सर्च, और जब जवाब किसी आधिकारिक फ़ाइलिंग में हो तो SEC फ़ाइलिंग सर्च जैसे विशेष एंडपॉइंट।

हर सेटअप की प्रति 1,000 सवाल लागत कितनी है?

मुफ़्त सीमा के बाद API Pick वेब सर्च प्रति 1,000 सवाल $15 और ऊपर से $0.46 से $2.29 मॉडल टोकन लेती है, जबकि Google सर्च ग्राउंडिंग प्रति 1,000 सवाल $24 से $40 सर्च शुल्क और ऊपर से $0.11 से $1.64 टोकन। API Pick हर कॉल पर 15 क्रेडिट लेती है, $1 में 1,000 क्रेडिट मिलते हैं, और सिर्फ़ HTTP 200 जवाबों का शुल्क लगता है (कीमतें)।

मुफ़्त सीमाएँ उल्टी दिशा दिखाती हैं। हमारी मापी गई क्वेरी दर पर Google की हर महीने की 5,000 मुफ़्त क्वेरी लगभग 1,750 से 2,600 सवालों के लिए काफ़ी हैं। API Pick एक बार 100 क्रेडिट देती है, यानी छह सर्च। हर महीने लगभग 1,750 से कम सवालों वाला Gemini ऐप ग्राउंडिंग के लिए कुछ नहीं चुकाता; उससे ऊपर ग्राउंडिंग की प्रति सवाल कीमत लगभग दोगुनी है।

गति में Google आगे है। ग्राउंडिंग ने Flash-Lite पर 2.5 सेकंड (माध्यिका) में और 3.8 Flash पर 7.1 से 7.4 सेकंड में जवाब दिया। API Pick वेब सर्च में अकेले 5.75 सेकंड (माध्यिका) लगे (90वें पर्सेंटाइल पर 7.8 सेकंड), इसलिए पूरा जवाब 7.5 से 11 सेकंड में आया। न्यूज़ सर्च की धीमी पूँछ लंबी थी: 90वें पर्सेंटाइल पर 16 सेकंड।

ग्राउंडिंग कब इस्तेमाल करें और सर्च API कब?

यह वही पाइपलाइन है जो हमने API Pick वाले रन में इस्तेमाल की, ज़रूरी हिस्से तक छोटी करके। टेक्स्ट प्रॉम्प्ट लेने वाले किसी भी मॉडल के साथ यह ऐसे ही चलती है; टूल कॉलिंग वाले पूरे एजेंट लूप के लिए देखें OpenAI या Claude एजेंट में वेब सर्च कैसे जोड़ें।

import os, requests

APIPICK_KEY = os.environ["APIPICK_API_KEY"]
GEMINI_KEY = os.environ["GEMINI_API_KEY"]

def search(question: str) -> str:
    r = requests.post(
        "https://www.apipick.com/api/search/web",
        headers={"x-api-key": APIPICK_KEY},
        json={"query": question, "max_num_results": 5},
        timeout=60,
    )
    r.raise_for_status()
    return "\n\n".join(
        f"[{i + 1}] {x['title']} ({x['url']})\n{x['snippet']}"
        for i, x in enumerate(r.json()["results"])
    )

def answer(question: str, model: str = "gemini-3.8-flash") -> str:
    prompt = (
        "Today's date is November 14, 2026. Answer in one short sentence.\n\n"
        f"Search results:\n{search(question)}\n\nQuestion: {question}"
    )
    r = requests.post(
        f"https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent",
        headers={"x-goog-api-key": GEMINI_KEY},
        json={"contents": [{"parts": [{"text": prompt}]}],
              "generationConfig": {"temperature": 0}},
        timeout=120,
    )
    r.raise_for_status()
    return r.json()["candidates"][0]["content"]["parts"][0]["text"]

print(answer("What revenue did AMD report for the third quarter of 2026?"))

इसके उलट, Google सर्च ग्राउंडिंग Gemini अनुरोध के बॉडी में बस एक अतिरिक्त फ़ील्ड है:

{"contents": [{"parts": [{"text": "Who won the 2026 World Series?"}]}],
 "tools": [{"google_search": {}}]}

यह Firecrawl की search-lift रैंकिंग से कैसे अलग है?

Firecrawl ने 10 नवंबर 2026 तक के डेटा के साथ Web Search LLM Leaderboard प्रकाशित किया। यह BrowseComp, DeepSearchQA, HLE और अपने निजी सेट के 4,703 कठिन रिसर्च सवालों पर 10 मॉडलों को परखता है, हर मॉडल को टूल बजट के भीतर बार-बार सर्च करने और पेज पढ़ने देता है, और अपनी Alexandria डेटा लेयर के साथ औसतन 40.6 अंकों की बढ़त बताता है। सबसे ऊँचा स्कोर Claude Opus 5.5 का 79.0 रहा।

हमारा टेस्ट एक संकरे सवाल का जवाब देता है: जिन सरल और ताज़ा तथ्यों को मॉडल जान ही नहीं सकता, उन पर एक सर्च क्या करता है? हमारे सवालों के लिए एक बार देखना काफ़ी है, सर्च की लंबी कड़ी नहीं, इसलिए हमारी बढ़त बड़ी है (0 से 87.5% और उससे ज़्यादा) और Firecrawl के आँकड़ों से तुलना नहीं की जा सकती। हमारे 40 सवाल और जवाब नीचे दिए हैं; Firecrawl अपना सेट निजी रखता है।

हमने टेस्ट कैसे किया?

सभी रन 2026-11-14 को हुए:

• सवाल: अक्टूबर की शुरुआत से 13 नवंबर 2026 तक की घटनाओं पर 40 सवाल, चार समूहों में (पुरस्कार और खेल 7, केंद्रीय बैंक 5, कंपनी नतीजे 15, AI और डेवलपर टूल 13), साथ में सामान्य ज्ञान के 10 नियंत्रण सवाल। हर जवाब ऐसे प्राथमिक स्रोत से है जिसे हमने ख़ुद पढ़ा: nobelprize.org, फ़ेडरल रिज़र्व, ECB और बैंक ऑफ़ इंग्लैंड की घोषणाएँ, SEC के 8-K संलग्नक, और कंपनियों के अपने ब्लॉग और कीमत पेज।
• मॉडल: gemini-3.8-flash और gemini-3.5-flash-lite, Vertex AI के ज़रिए, temperature 0, डिफ़ॉल्ट थिंकिंग सेटिंग।
• सेटअप: बिना सर्च; API Pick का एक वेब सर्च (5 नतीजे, सवाल ही क्वेरी); API Pick का एक न्यूज़ सर्च; और Gemini का बिल्ट-इन Google Search टूल। सर्च नतीजे हर सवाल पर एक बार लाए गए और दोनों मॉडलों को दिए गए।
• प्रॉम्प्ट: आज की तारीख़, «एक छोटे वाक्य में जवाब दो», और पहले रन में «पक्का न हो तो I don't know कहो»। दूसरे रन में आख़िरी वाक्य हटा दिया गया।
• जाँच: दो मॉडलों (Gemini 3.8 Flash और Gemini 3.1 Pro Preview) ने 520 जवाबों में से हर एक को संदर्भ उत्तर से मिलाकर सही, गलत या जवाब न देना माना। हर असहमति (6) और हर गलत जवाब को हमने स्रोत से हाथ से जाँचा, और एक लेबल बदला जिस पर दोनों सहमत थे: यह दावा कि Exa ने Exa 3.0 की घोषणा नहीं की, गलत गिना गया, जवाब न देना नहीं। संख्याओं को संदर्भ की सटीकता से मेल खाना था, इसलिए 39.3% के मुक़ाबले «AWS 39% बढ़ा» गलत गिना गया।

संदर्भ उत्तरों और स्रोतों के साथ पूरा प्रश्न-सेट:

id   question (shortened)                         reference answer           source
N1   2026 Nobel Prize in Physics                  Francis Halzen             nobelprize.org
N2   2026 Nobel Prize in Chemistry                Henri B. Kagan, Kenso Soai nobelprize.org
N3   2026 Nobel Prize in Physiology or Medicine   Deisseroth, Hegemann, Nagel nobelprize.org
N4   2026 Nobel Prize in Literature               Anne Carson                nobelprize.org
N5   2026 Nobel Peace Prize                       Navanethem Pillay          nobelprize.org
N6   2026 Nobel Prize in Economic Sciences        Robert E. Hall, M. Woodford nobelprize.org
S1   2026 World Series winner                     Milwaukee Brewers          mlb.com
C1   FOMC target range, 2026-10-28                3.75% to 4.00%, unchanged  federalreserve.gov
C2   FOMC dissents, 2026-10-28                    2 (Cook, Hammack)          federalreserve.gov
C3   ECB deposit facility rate, 2026-10-29        2.50%, unchanged           ecb.europa.eu
C4   Bank of England Bank Rate, Nov 2026          4%, raised 0.25 pt         bankofengland.co.uk
C5   BoE MPC vote, meeting ending 2026-11-04      8-1                        bankofengland.co.uk
E1   Apple revenue, FQ4 2026                      $114.5 billion             SEC 8-K Ex. 99.1
E2   Apple revenue, fiscal 2026                   $479 billion ($478.834 bn) SEC 8-K Ex. 99.1
E3   Microsoft revenue, quarter to 2026-09-30     $92.3 billion              SEC 8-K Ex. 99.1
E4   Microsoft Cloud revenue, same quarter        $63.9 billion              SEC 8-K Ex. 99.1
E5   Alphabet revenue, Q3 2026                    $127.6 billion             SEC 8-K Ex. 99.1
E6   Amazon net sales, Q3 2026                    $201.9 billion             SEC 8-K Ex. 99.1
E7   AWS net sales growth, Q3 2026                39.3%                      SEC 8-K Ex. 99.1
E8   Meta revenue, Q3 2026                        $64.60 billion             SEC 8-K Ex. 99.1
E9   Netflix revenue, Q3 2026                     $12.9 billion              SEC 8-K Ex. 99.1
E10  Intel revenue, Q3 2026                       $16.5 billion              SEC 8-K Ex. 99.1
E11  AMD revenue, Q3 2026                         $13.4 billion              SEC 8-K Ex. 99.1
E12  Uber revenue, Q3 2026                        $14.8 billion              SEC 8-K Ex. 99.1
E13  Palantir revenue, Q3 2026                    $2.313 billion             SEC 8-K Ex. 99.1
E14  Palantir U.S. commercial revenue, Q3 2026    $984 million               SEC 8-K Ex. 99.1
E15  Starbucks net revenues, FQ4 2026             $9.1 billion               SEC 8-K Ex. 99.1
T1   Firecrawl MCP v3: tools per connection       3,000+                     firecrawl.dev/blog
T2   Firecrawl Series B, Nov 2026                 $75 million                firecrawl.dev/blog
T3   #1 on Firecrawl's search-lift leaderboard    Claude Opus 5.5 (79.0)     firecrawl.dev/benchmarks
T4   Questions in that leaderboard                4,703                      firecrawl.dev/benchmarks
T5   AWS AgentCore Web Search API price           $7 per 1,000 queries       aws.amazon.com
T6   AgentCore Web Search API GA date             2026-11-10                 aws.amazon.com
T7   Composio Standard plan                       $18 per seat per month     composio.dev/pricing
T8   Court dismissed Google's amended complaint   2026-11-09                 serpapi.com/blog
T9   Model behind Cursor Voice Chat with Agents   Grok Voice                 cursor.com/changelog
T10  Episodes searchable in Exa Podcasts          3.2 million                exa.ai/blog
T11  Exa 3.0 announcement date                    2026-10-19                 exa.ai/blog
T12  Region where Exa Search launched 2026-11-13  The EU                     exa.ai/blog
T13  Model gemini-2.5-flash routes to on Dec 1    Gemini 3.5 Flash-Lite      ai.google.dev pricing
K1-K10  control: Hubble launch year, symbol for tungsten, author of One Hundred Years of
        Solitude, capital of Australia, IPv6 address bits, HTTP 429, Titan's planet,
        Berlin Wall year, PostgreSQL port, painter of The Night Watch

यह टेस्ट क्या नहीं दिखाता?

• यह छोटा है। ख़बरों के 40 सवाल और हर सेटअप का एक रन। दो-तीन सवालों का अंतर शोर के दायरे में है।
• सिर्फ़ Gemini परखा गया। दूसरे मॉडल अलग तरह से सर्च कर सकते हैं, पढ़ सकते हैं और जवाब से बच सकते हैं।
• सिर्फ़ एक तथ्य वाले सवाल। कई चरणों की रिसर्च में बार-बार सर्च और पेज पढ़ने पड़ते हैं; उसके लिए Firecrawl की रैंकिंग देखें।
• दूसरी सर्च API नहीं परखी गईं। हमने यहाँ Tavily, Exa, Brave या AWS AgentCore नहीं चलाए; उनकी सूची कीमतों के लिए हमारी Tavily विकल्पों की तुलना देखें।
• कीमतें बदलती हैं। Gemini 3.8 Flash की टोकन कीमतें 1 जनवरी 2027 को दोगुनी हो जाएँगी, और यहाँ की सभी कीमतें 2026-11-14 को जाँची गई सूची कीमतें हैं।

अगर आपका एजेंट Gemini पर चलता है और हर महीने कुछ हज़ार सवाल पूछता है, तो ग्राउंडिंग चालू करें और मॉडल को यह न बताएँ कि वह सर्च छोड़ सकता है। अगर वह कई मॉडल इस्तेमाल करता है, या आपको तय करना है कि कौन-से स्रोत मॉडल तक पहुँचें और हर जवाब पर कितना खर्च हो, तो वेब सर्च API इस्तेमाल करें और पढ़ें कि API को सिर्फ़ सफल कॉल का शुल्क क्यों लेना चाहिए।

लेखक

Sarah Choy

CEO, API Pick

Sarah Choy, API Pick की CEO हैं। वे AI एजेंट्स और LLM वर्कफ़्लो के लिए प्रोडक्शन-रेडी APIs बनाने के बारे में लिखती हैं।