Grounding do Google vs API de busca: teste de 40 perguntas

Sem busca, dois modelos Gemini não acertaram nenhuma de 40 perguntas recentes. Uma chamada de busca da API Pick por pergunta levou ambos a 35 de 40; o grounding com a Pesquisa Google chegou a 30 a 40, conforme o modelo e o prompt. Resultados completos, preços conferidos em 2026-11-14 e o conjunto de perguntas.

TL;DR

• •Sem busca, o Gemini 3.8 Flash e o Gemini 3.5 Flash-Lite não acertaram nenhuma de 40 perguntas sobre notícias de outubro e novembro de 2026. Uma busca na web da API Pick por pergunta levou ambos a 35 de 40, sem respostas erradas.
• •O grounding com a Pesquisa Google (Grounding with Google Search) foi o mais preciso e o mais rápido: 39 de 40 no Flash-Lite em 2,5 segundos e 40 de 40 no 3.8 Flash quando o prompt deixou de convidá-lo a pular a busca.
• •O grounding é cobrado por consulta de busca, não por pergunta: o modelo fez de 1,9 a 2,85 consultas por pergunta, então 1.000 perguntas custam de US$ 24 a US$ 40 em busca depois das 5.000 consultas gratuitas do mês. Uma chamada da API Pick custa US$ 15 fixos a cada 1.000.
• •Escolha o grounding para apps só com Gemini abaixo de cerca de 1.750 perguntas por mês. Escolha uma API de busca se você usa outros modelos, precisa de uma chamada previsível por pergunta ou quer ver e filtrar as fontes por conta própria.

Quanto uma busca na web melhora as respostas de um LLM?

Em 40 perguntas sobre notícias de outubro e novembro de 2026, o Gemini 3.8 Flash e o Gemini 3.5 Flash-Lite não acertaram nenhuma sem busca. Uma única busca na web da API Pick por pergunta levou os dois modelos a 35 de 40 (87,5%) sem respostas erradas, e o grounding com a Pesquisa Google os levou a entre 30 e 40 de 40, conforme o modelo e o prompt. Rodamos todas as perguntas em 2026-11-14 em quatro configurações e avaliamos as respostas com fontes conferidas à mão.

Nós desenvolvemos a API Pick, a API de busca deste teste. O grounding nativo do Google a superou em precisão e velocidade na maioria das rodadas, e esta página diz onde e por quê.

Todas as outras respostas foram “não sei”. Sem busca, nenhum dos modelos inventou nada, que é o comportamento desejado. Nas 10 perguntas de controle de conhecimento geral, todas as configurações fizeram 10 de 10, exceto o Flash-Lite com busca de notícias, que desistiu de duas perguntas que sabia porque as notícias estavam fora do assunto.

Quanto custa o grounding com a Pesquisa Google?

No Gemini 3 e modelos mais novos, o grounding com a Pesquisa Google custa US$ 14 a cada 1.000 consultas de busca, depois de 5.000 consultas gratuitas por mês. O detalhe está na unidade: você paga cada consulta que o modelo decide fazer, não cada pergunta. Estas são as condições das páginas de preços do Google em 2026-11-14:

• Cota gratuita: 5.000 consultas de busca por mês, compartilhadas entre todos os modelos Gemini 3 e mais novos.
• Preço pago: US$ 14 a cada 1.000 consultas, com limite padrão de 1.500 solicitações de grounding por dia por projeto no nível pago da Gemini Developer API.
• Consultas por pergunta: o Gemini fez em média de 1,9 a 2,85 nas nossas rodadas, e até 16 em uma única pergunta.
• Modelos antigos: os modelos Gemini 2.5 são cobrados por prompt com grounding, US$ 35 a cada 1.000 depois de 1.500 gratuitos por dia. A partir de 1º de dezembro de 2026, as solicitações ao gemini-2.5-flash passam a ser encaminhadas ao Gemini 3.5 Flash-Lite.

O texto que o Google entrega ao modelo a partir da busca não é cobrado como tokens de entrada; por isso as rodadas com grounding usaram cerca de 90 tokens de entrada por pergunta, contra cerca de 1.400 quando colamos cinco resultados da API Pick no prompt. Preços de modelo usados: Gemini 3.8 Flash a US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de saída até 31 de dezembro de 2026, e Gemini 3.5 Flash-Lite a US$ 0,30 e US$ 2,50.

Por que o Gemini 3.8 Flash pulou a busca?

Porque, com grounding, o modelo decide se busca, e nosso prompt oferecia uma saída fácil. Na primeira rodada, o Gemini 3.8 Flash não fez nenhuma busca em 9 das 40 perguntas e respondeu “não sei”. Então tiramos a frase que permitia “não sei” e rodamos de novo o Gemini 3.8 Flash nas 40 perguntas de notícias:

Sem a rota de fuga, o grounding buscou todas as vezes, fez mais consultas (2,85 por pergunta em vez de 1,9) e acertou as 40. A rodada da API Pick quase não mudou, porque a busca já tinha acontecido antes de o modelo ver a pergunta.

Onde a API de busca errou?

A busca na web da API Pick errou 5 das 40 perguntas. Em quatro, nenhum dos cinco resultados trazia o fato; na quinta, o fato aparecia só de forma indireta. Em todos os casos o modelo disse que não sabia em vez de chutar:

• Receita da Uber no terceiro trimestre de 2026: os resultados eram reportagens sobre o balanço que falavam de reservas e lucro, mas o texto retornado não trazia o número da receita.
• Receita comercial da Palantir nos EUA: os resultados traziam a taxa de crescimento (148%), mas não o valor.
• O modelo líder do ranking search-lift da Firecrawl: os resultados eram rankings gerais de LLMs.
• Preço do plano Standard da Composio: entre os resultados estava a página de preços da Composio, mas o trecho mostrava “US$ 18 em créditos por assento” em vez do preço do plano. Com a opção “não sei” o modelo se absteve; sem ela, respondeu US$ 18 por assento por mês, o que está certo.
• Onde a Exa lançou a busca em 13 de novembro: os resultados eram sobre o escritório da Exa em Singapura. Na segunda rodada, sem a opção “não sei”, o modelo respondeu Singapura, o que está errado (foi a UE).

O endpoint de notícias foi pior que a busca na web em perguntas de produto: acertou 5 de 13 sobre IA e ferramentas para desenvolvedores, porque páginas de preços, documentação e changelogs não são notícia. Escolha o endpoint pela pergunta: busca na web para páginas e documentação, busca de notícias para a cobertura de acontecimentos e endpoints especializados como a busca em documentos da SEC quando a resposta está num registro oficial.

Quanto custa cada configuração por 1.000 perguntas?

Depois das cotas gratuitas, a busca na web da API Pick custa US$ 15 por 1.000 perguntas mais US$ 0,46 a US$ 2,29 em tokens do modelo, enquanto o grounding com a Pesquisa Google custa US$ 24 a US$ 40 em busca por 1.000 perguntas mais US$ 0,11 a US$ 1,64 em tokens. A API Pick cobra 15 créditos por chamada, US$ 1 compra 1.000 créditos e só respostas HTTP 200 são cobradas (preços).

As cotas gratuitas apontam para o outro lado. As 5.000 consultas gratuitas por mês do Google cobrem cerca de 1.750 a 2.600 perguntas nas taxas de consulta que medimos. A API Pick dá 100 créditos uma única vez, ou seja, seis buscas. Um app Gemini abaixo de cerca de 1.750 perguntas por mês não paga nada pelo grounding; acima disso, o preço por pergunta do grounding fica em torno do dobro.

A velocidade favorece o Google. O grounding respondeu em uma mediana de 2,5 segundos no Flash-Lite e de 7,1 a 7,4 segundos no 3.8 Flash. Uma busca na web da API Pick levou sozinha uma mediana de 5,75 segundos (7,8 segundos no percentil 90), então a resposta completa levou de 7,5 a 11 segundos. A busca de notícias teve uma cauda lenta: 16 segundos no percentil 90.

Quando usar grounding e quando usar uma API de busca?

Este é o pipeline que usamos nas rodadas com a API Pick, reduzido ao essencial. Funciona do mesmo jeito com qualquer modelo que aceite um prompt de texto; para um loop de agente completo com chamadas de ferramentas, veja como adicionar busca na web a um agente da OpenAI ou do 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?"))

Já o grounding com a Pesquisa Google é só um campo a mais no corpo da requisição ao Gemini:

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

Como isso se compara ao ranking search-lift da Firecrawl?

A Firecrawl publicou um Web Search LLM Leaderboard com dados de 10 de novembro de 2026. Ele avalia 10 modelos em 4.703 perguntas de pesquisa difíceis do BrowseComp, DeepSearchQA, HLE e de um conjunto privado próprio, deixa cada modelo buscar e ler páginas repetidamente dentro de um orçamento de ferramentas e relata um ganho médio de 40,6 pontos com sua camada de dados Alexandria. O Claude Opus 5.5 teve a maior pontuação, 79,0.

Nosso teste responde a uma pergunta mais estreita: o que uma busca faz por fatos simples e recentes que um modelo não tem como saber? Nossas perguntas exigem uma consulta, não uma sequência de buscas, então nossos ganhos são maiores (de 0 a 87,5% e mais) e não se comparam com os números da Firecrawl. Nossas 40 perguntas e respostas estão listadas abaixo; a Firecrawl mantém seu conjunto privado.

Como fizemos o teste?

Todas as rodadas aconteceram em 2026-11-14:

• Perguntas: 40 sobre fatos ocorridos entre o início de outubro e 13 de novembro de 2026, em quatro grupos (prêmios e esporte 7, bancos centrais 5, resultados de empresas 15, IA e ferramentas para desenvolvedores 13), mais 10 perguntas de controle de conhecimento geral. Cada resposta vem de uma fonte primária que nós mesmos lemos: nobelprize.org, comunicados do Federal Reserve, do BCE e do Banco da Inglaterra, anexos de formulários 8-K da SEC e blogs e páginas de preços dos próprios fornecedores.
• Modelos: gemini-3.8-flash e gemini-3.5-flash-lite pela Vertex AI, temperatura 0, configurações padrão de raciocínio.
• Configurações: sem busca; uma busca na web da API Pick (5 resultados, a pergunta como consulta); uma busca de notícias da API Pick; e a ferramenta Google Search nativa do Gemini. Os resultados de busca foram obtidos uma vez por pergunta e entregues aos dois modelos.
• Prompt: a data de hoje, “responda em uma frase curta” e, na primeira rodada, “se não tiver certeza, responda I don't know”. A segunda rodada removeu essa última frase.
• Avaliação: dois modelos (Gemini 3.8 Flash e Gemini 3.1 Pro Preview) classificaram cada uma das 520 respostas como certa, errada ou abstenção com base na referência. Conferimos à mão, na fonte, cada divergência (6) e cada resposta errada, e mudamos um rótulo em que os dois concordavam: afirmar que a Exa não tinha anunciado o Exa 3.0 conta como erro, não como abstenção. Os números precisavam ter a mesma precisão da referência, então “a AWS cresceu 39%” contou como errado frente a 39,3%.

O conjunto completo de perguntas com respostas de referência e fontes:

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

O que este teste não mostra?

• É pequeno. 40 perguntas de notícias e uma rodada por configuração. Uma diferença de duas ou três perguntas está dentro do ruído.
• Só testa o Gemini. Outros modelos podem buscar, ler e se abster de outro jeito.
• Só testa perguntas de fato único. Pesquisas em várias etapas exigem buscas e leituras repetidas; para isso, veja o ranking da Firecrawl.
• Não testa outras APIs de busca. Não rodamos Tavily, Exa, Brave nem AWS AgentCore aqui; para os preços de tabela delas, veja nossa comparação de alternativas à Tavily.
• Preços mudam. Os preços por token do Gemini 3.8 Flash dobram em 1º de janeiro de 2027, e todos os preços aqui são de tabela, conferidos em 2026-11-14.

Se o seu agente roda no Gemini e faz alguns milhares de perguntas por mês, ligue o grounding e não diga ao modelo que ele pode pular a busca. Se ele usa vários modelos, ou se você precisa controlar quais fontes chegam ao modelo e quanto custa cada resposta, use uma API de busca na web e leia por que as APIs só deveriam cobrar chamadas bem-sucedidas.

Escrito por

Sarah Choy

CEO, API Pick

Sarah Choy é a CEO da API Pick. Ela escreve sobre a construção de APIs prontas para produção para agentes de IA e fluxos de trabalho com LLMs.