Grounding di Google vs API di ricerca: test su 40 domande

Senza ricerca, due modelli Gemini non hanno risposto correttamente a nessuna di 40 domande recenti. Una chiamata di ricerca API Pick per domanda li ha portati entrambi a 35 su 40; il grounding con la Ricerca Google è arrivato da 30 a 40 a seconda di modello e prompt. Risultati completi, prezzi verificati il 2026-11-14 e l'elenco delle domande.

In breve

• •Senza ricerca, Gemini 3.8 Flash e Gemini 3.5 Flash-Lite non hanno risposto correttamente a nessuna di 40 domande su notizie di ottobre e novembre 2026. Una ricerca web API Pick per domanda li ha portati entrambi a 35 su 40, senza risposte sbagliate.
• •Il grounding con la Ricerca Google (Grounding with Google Search) è stato il più preciso e il più veloce: 39 su 40 con Flash-Lite in 2,5 secondi e 40 su 40 con 3.8 Flash quando il prompt ha smesso di invitarlo a saltare la ricerca.
• •Il grounding si paga per query di ricerca, non per domanda: il modello ha eseguito da 1,9 a 2,85 query per domanda, quindi 1.000 domande costano da 24 a 40 $ di ricerca dopo le 5.000 query gratuite al mese. Una chiamata API Pick costa 15 $ fissi ogni 1.000.
• •Scegli il grounding per app solo Gemini sotto le 1.750 domande circa al mese. Scegli un'API di ricerca se usi altri modelli, vuoi una chiamata prevedibile per domanda o vuoi vedere e filtrare tu le fonti.

Quanto migliora una ricerca web le risposte di un LLM?

Su 40 domande sulle notizie di ottobre e novembre 2026, Gemini 3.8 Flash e Gemini 3.5 Flash-Lite non ne hanno azzeccata nessuna senza ricerca. Una sola ricerca web API Pick per domanda ha portato entrambi i modelli a 35 su 40 (87,5%) senza risposte sbagliate, e il grounding con la Ricerca Google li ha portati tra 30 e 40 su 40, a seconda di modello e prompt. Abbiamo eseguito ogni domanda il 2026-11-14 in quattro configurazioni e valutato le risposte su fonti verificate a mano.

Sviluppiamo API Pick, l'API di ricerca di questo test. Il grounding integrato di Google l'ha battuta per precisione e velocità nella maggior parte delle prove, e questa pagina dice dove e perché.

Tutte le altre risposte erano «non lo so». Senza ricerca nessuno dei due modelli si è inventato nulla, ed è il comportamento che si vuole. Sulle 10 domande di controllo di cultura generale tutte le configurazioni hanno fatto 10 su 10, tranne Flash-Lite con la ricerca notizie, che ha rinunciato a due domande che conosceva perché le notizie erano fuori tema.

Quanto costa il grounding con la Ricerca Google?

Su Gemini 3 e modelli successivi, il grounding con la Ricerca Google costa 14 $ ogni 1.000 query di ricerca dopo 5.000 query gratuite al mese. Il punto delicato è l'unità: si paga ogni query che il modello decide di eseguire, non ogni domanda. Queste le condizioni delle pagine prezzi di Google al 2026-11-14:

• Quota gratuita: 5.000 query di ricerca al mese, condivise tra tutti i modelli Gemini 3 e successivi.
• Tariffa a pagamento: 14 $ ogni 1.000 query, con un limite predefinito di 1.500 richieste di grounding al giorno per progetto nel livello a pagamento della Gemini Developer API.
• Query per domanda: Gemini ne ha eseguite in media da 1,9 a 2,85 nelle nostre prove, fino a 16 su una singola domanda.
• Modelli precedenti: i modelli Gemini 2.5 si pagano per prompt con grounding, 35 $ ogni 1.000 dopo 1.500 gratuiti al giorno. Dal 1° dicembre 2026 le richieste a gemini-2.5-flash vengono instradate a Gemini 3.5 Flash-Lite.

Il testo che Google passa al modello dalla ricerca non viene addebitato come token di input: per questo le prove con grounding hanno usato circa 90 token di input per domanda, contro circa 1.400 quando abbiamo incollato cinque risultati API Pick nel prompt. Prezzi dei modelli usati: Gemini 3.8 Flash a 0,75 $ per milione di token di input e 3,75 $ per milione di output fino al 31 dicembre 2026, Gemini 3.5 Flash-Lite a 0,30 $ e 2,50 $.

Perché Gemini 3.8 Flash ha saltato la ricerca?

Perché con il grounding è il modello a decidere se cercare, e il nostro prompt gli offriva una via d'uscita comoda. Nella prima prova Gemini 3.8 Flash non ha eseguito nessuna ricerca su 9 delle 40 domande e ha risposto «non lo so». Abbiamo quindi tolto la frase che consentiva «non lo so» e rieseguito Gemini 3.8 Flash sulle 40 domande di attualità:

Senza via d'uscita, il grounding ha cercato ogni volta, ha eseguito più query (2,85 per domanda invece di 1,9) e ha risposto bene a tutte e 40. La prova con API Pick è cambiata appena, perché la ricerca era già avvenuta prima che il modello vedesse la domanda.

Dove ha sbagliato l'API di ricerca?

La ricerca web di API Pick ha mancato 5 domande su 40. In quattro casi nessuno dei cinque risultati conteneva il dato; nel quinto il dato compariva solo indirettamente. Ogni volta il modello ha detto di non saperlo invece di tirare a indovinare:

• Ricavi di Uber nel terzo trimestre 2026: i risultati erano articoli sui conti trimestrali che parlavano di prenotazioni e utili, ma il testo restituito non riportava i ricavi.
• Ricavi commerciali di Palantir negli Stati Uniti: i risultati riportavano il tasso di crescita (148%) ma non l'importo.
• Il modello in testa alla classifica search-lift di Firecrawl: i risultati erano classifiche generiche di LLM.
• Prezzo del piano Standard di Composio: tra i risultati c'era la pagina prezzi di Composio, ma l'estratto mostrava «18 $ di crediti per postazione» invece del prezzo del piano. Con l'opzione «non lo so» il modello si è astenuto; senza, ha risposto 18 $ per postazione al mese, che è corretto.
• Dove Exa ha lanciato la ricerca il 13 novembre: i risultati parlavano dell'ufficio di Exa a Singapore. Nella seconda prova, senza l'opzione «non lo so», il modello ha risposto Singapore, che è sbagliato (era l'UE).

L'endpoint notizie ha fatto peggio della ricerca web sulle domande di prodotto: 5 su 13 su IA e strumenti per sviluppatori, perché pagine prezzi, documentazione e changelog non sono notizie. Scegli l'endpoint in base alla domanda: ricerca web per pagine e documentazione, ricerca notizie per la copertura di eventi e endpoint specializzati come la ricerca nei documenti SEC quando la risposta sta in un deposito ufficiale.

Quanto costa ogni configurazione per 1.000 domande?

Esaurite le quote gratuite, una ricerca web API Pick costa 15 $ per 1.000 domande più 0,46–2,29 $ di token del modello, mentre il grounding con la Ricerca Google costa 24–40 $ di ricerca per 1.000 domande più 0,11–1,64 $ di token. API Pick addebita 15 crediti per chiamata, 1 $ compra 1.000 crediti e si pagano solo le risposte HTTP 200 (prezzi).

Le quote gratuite vanno nella direzione opposta. Le 5.000 query gratuite al mese di Google coprono circa 1.750–2.600 domande ai tassi di query misurati. API Pick regala 100 crediti una sola volta, cioè sei ricerche. Un'app Gemini sotto le 1.750 domande circa al mese non paga nulla per il grounding; oltre quella soglia, il prezzo per domanda del grounding è circa il doppio.

La velocità favorisce Google. Il grounding ha risposto in una mediana di 2,5 secondi con Flash-Lite e di 7,1–7,4 secondi con 3.8 Flash. Una ricerca web API Pick da sola richiedeva una mediana di 5,75 secondi (7,8 secondi al 90° percentile), quindi la risposta completa richiedeva da 7,5 a 11 secondi. La ricerca notizie aveva una coda lenta: 16 secondi al 90° percentile.

Quando usare il grounding e quando un'API di ricerca?

Questa è la pipeline usata nelle prove con API Pick, ridotta all'essenziale. Funziona allo stesso modo con qualsiasi modello che accetti un prompt testuale; per un ciclo di agente completo con chiamate a strumenti, vedi come aggiungere la ricerca web a un agente OpenAI o Claude.

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?"))

Il grounding con la Ricerca Google, invece, è solo un campo in più nel corpo della richiesta a Gemini:

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

Come si confronta con la classifica search-lift di Firecrawl?

Firecrawl ha pubblicato una Web Search LLM Leaderboard con dati al 10 novembre 2026. Valuta 10 modelli su 4.703 domande di ricerca difficili tratte da BrowseComp, DeepSearchQA, HLE e da un proprio set privato, lascia che ogni modello cerchi e legga pagine ripetutamente entro un budget di strumenti e riporta un aumento medio di 40,6 punti con il suo livello di dati Alexandria. Claude Opus 5.5 ha ottenuto il punteggio più alto, 79,0.

Il nostro test risponde a una domanda più ristretta: che cosa fa una sola ricerca per fatti semplici e recenti che un modello non può conoscere? Le nostre domande richiedono una sola consultazione, non una catena di ricerche, quindi gli aumenti sono maggiori (da 0 a 87,5% e oltre) e non sono confrontabili con quelli di Firecrawl. Le nostre 40 domande e risposte sono elencate qui sotto; Firecrawl tiene privato il proprio set.

Come abbiamo svolto il test?

Tutte le prove si sono svolte il 2026-11-14:

• Domande: 40 su eventi compresi tra inizio ottobre e il 13 novembre 2026, in quattro gruppi (premi e sport 7, banche centrali 5, risultati aziendali 15, IA e strumenti per sviluppatori 13), più 10 domande di controllo di cultura generale. Ogni risposta viene da una fonte primaria che abbiamo letto noi: nobelprize.org, comunicati di Federal Reserve, BCE e Bank of England, allegati ai moduli 8-K della SEC, blog e pagine prezzi dei fornitori.
• Modelli: gemini-3.8-flash e gemini-3.5-flash-lite tramite Vertex AI, temperatura 0, impostazioni di ragionamento predefinite.
• Configurazioni: senza ricerca; una ricerca web API Pick (5 risultati, la domanda come query); una ricerca notizie API Pick; lo strumento Google Search integrato in Gemini. I risultati di ricerca sono stati recuperati una volta per domanda e passati a entrambi i modelli.
• Prompt: la data di oggi, «rispondi con una frase breve» e, nella prima prova, «se non sei sicuro, rispondi I don't know». La seconda prova ha tolto quest'ultima frase.
• Valutazione: due modelli (Gemini 3.8 Flash e Gemini 3.1 Pro Preview) hanno etichettato ciascuna delle 520 risposte come corretta, sbagliata o astensione rispetto al riferimento. Abbiamo verificato a mano sulla fonte ogni disaccordo (6) e ogni risposta sbagliata, e cambiato un'etichetta su cui i due concordavano: affermare che Exa non aveva annunciato Exa 3.0 conta come errore, non come astensione. I numeri dovevano rispettare la precisione del riferimento, quindi «AWS è cresciuta del 39%» è stata considerata sbagliata rispetto a 39,3%.

L'elenco completo delle domande con risposte di riferimento e fonti:

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

Che cosa non dimostra questo test?

• È piccolo. 40 domande di attualità e una prova per configurazione. Una differenza di due o tre domande rientra nel rumore.
• Testa solo Gemini. Altri modelli possono cercare, leggere e astenersi in modo diverso.
• Testa solo domande a fatto singolo. Le ricerche in più passaggi richiedono ricerche e letture ripetute; per questo, vedi la classifica di Firecrawl.
• Non testa altre API di ricerca. Qui non abbiamo eseguito Tavily, Exa, Brave né AWS AgentCore; per i loro prezzi di listino vedi il nostro confronto delle alternative a Tavily.
• I prezzi cambiano. I prezzi per token di Gemini 3.8 Flash raddoppiano il 1° gennaio 2027, e tutti i prezzi qui sono di listino, verificati il 2026-11-14.

Se il tuo agente gira su Gemini e pone qualche migliaio di domande al mese, attiva il grounding e non dire al modello che può saltare la ricerca. Se usa più modelli, o devi controllare quali fonti arrivano al modello e quanto costa ogni risposta, usa un'API di ricerca web e leggi perché le API dovrebbero far pagare solo le chiamate riuscite.

Scritto da

Sarah Choy

CEO, API Pick

Sarah Choy è la CEO di API Pick. Scrive sulla creazione di API pronte per la produzione per agenti IA e flussi di lavoro con LLM.