Grounding Google và API tìm kiếm: thử với 40 câu hỏi

Không tìm kiếm, hai mô hình Gemini không trả lời đúng câu nào trong 40 câu hỏi mới. Một lần gọi tìm kiếm API Pick cho mỗi câu đưa cả hai lên 35/40; grounding với Google Search đạt 30 đến 40 tùy mô hình và prompt. Kết quả đầy đủ, giá kiểm tra ngày 2026-11-14 và toàn bộ bộ câu hỏi.

Tóm tắt

• •Không tìm kiếm, Gemini 3.8 Flash và Gemini 3.5 Flash-Lite không trả lời đúng câu nào trong 40 câu hỏi về tin tức tháng 10 và 11/2026. Một lần tìm kiếm web API Pick cho mỗi câu đưa cả hai lên 35/40, không có câu trả lời sai.
• •Grounding với Google Search (Grounding with Google Search) chính xác và nhanh nhất: Flash-Lite đạt 39/40 trong 2,5 giây, và 3.8 Flash đạt 40/40 khi prompt thôi gợi ý cho nó bỏ qua tìm kiếm.
• •Grounding tính phí theo từng truy vấn tìm kiếm, không theo câu hỏi: mô hình chạy 1,9 đến 2,85 truy vấn mỗi câu, nên 1.000 câu tốn 24 đến 40 USD phí tìm kiếm sau 5.000 truy vấn miễn phí mỗi tháng. Một lần gọi API Pick cố định 15 USD cho mỗi 1.000.
• •Chọn grounding cho ứng dụng chỉ dùng Gemini với dưới khoảng 1.750 câu hỏi mỗi tháng. Chọn API tìm kiếm nếu bạn dùng mô hình khác, cần một lần gọi dự đoán được cho mỗi câu, hoặc muốn tự xem và lọc nguồn.

Một lần tìm kiếm web cải thiện câu trả lời của LLM đến mức nào?

Trên 40 câu hỏi về tin tức tháng 10 và 11/2026, Gemini 3.8 Flash và Gemini 3.5 Flash-Lite không trả lời đúng câu nào khi không tìm kiếm. Một lần tìm kiếm web API Pick cho mỗi câu đưa cả hai mô hình lên 35/40 (87,5%) mà không có câu sai, còn grounding với Google Search đưa chúng lên từ 30 đến 40 trên 40, tùy mô hình và prompt. Chúng tôi chạy mọi câu hỏi ngày 2026-11-14 trong bốn thiết lập và chấm điểm theo các nguồn đã tự kiểm tra.

Chúng tôi phát triển API Pick, chính là API tìm kiếm trong thử nghiệm này. Grounding tích hợp của Google thắng nó về độ chính xác và tốc độ trong phần lớn các lần chạy, và trang này nói rõ thắng ở đâu, vì sao.

Mọi câu trả lời còn lại đều là «tôi không biết». Khi không có tìm kiếm, không mô hình nào bịa ra câu trả lời, đúng là hành vi bạn muốn. Với 10 câu hỏi đối chứng về kiến thức chung, mọi thiết lập đều đạt 10/10, trừ Flash-Lite với tìm kiếm tin tức: nó bỏ cuộc ở hai câu vốn biết vì kết quả tin tức lạc đề.

Grounding với Google Search có giá bao nhiêu?

Với Gemini 3 và các mô hình mới hơn, grounding với Google Search có giá 14 USD cho mỗi 1.000 truy vấn tìm kiếm sau 5.000 truy vấn miễn phí mỗi tháng. Điểm cần chú ý là đơn vị tính: bạn trả cho mỗi truy vấn mà mô hình quyết định chạy, không phải cho mỗi câu hỏi. Đây là điều khoản trên các trang giá của Google ngày 2026-11-14:

• Hạn mức miễn phí: 5.000 truy vấn tìm kiếm mỗi tháng, dùng chung cho mọi mô hình Gemini 3 trở lên.
• Giá trả phí: 14 USD cho mỗi 1.000 truy vấn, với giới hạn mặc định 1.500 yêu cầu grounding mỗi ngày cho mỗi dự án ở gói trả phí của Gemini Developer API.
• Số truy vấn mỗi câu: trong các lần chạy, Gemini chạy trung bình 1,9 đến 2,85, và tới 16 ở một câu.
• Mô hình cũ: các mô hình Gemini 2.5 tính phí theo prompt có grounding, 35 USD cho mỗi 1.000 sau 1.500 miễn phí mỗi ngày. Từ ngày 1/12/2026, yêu cầu tới gemini-2.5-flash được chuyển sang Gemini 3.5 Flash-Lite.

Văn bản Google đưa cho mô hình từ kết quả tìm kiếm không bị tính là token đầu vào, nên các lần chạy grounding chỉ dùng khoảng 90 token đầu vào mỗi câu, so với khoảng 1.400 ở các lần chạy dán năm kết quả API Pick vào prompt. Giá mô hình được dùng: Gemini 3.8 Flash là 0,75 USD mỗi triệu token đầu vào và 3,75 USD mỗi triệu token đầu ra đến hết 31/12/2026, Gemini 3.5 Flash-Lite là 0,30 USD và 2,50 USD.

Vì sao Gemini 3.8 Flash bỏ qua tìm kiếm?

Vì với grounding, mô hình tự quyết định có tìm kiếm hay không, và prompt của chúng tôi cho nó một lối thoát dễ dàng. Ở lần chạy đầu, Gemini 3.8 Flash không chạy tìm kiếm nào ở 9 trên 40 câu và trả lời «tôi không biết». Vì vậy chúng tôi bỏ câu cho phép «tôi không biết» và chạy lại Gemini 3.8 Flash trên 40 câu hỏi tin tức:

Không còn lối thoát, grounding tìm kiếm mọi lần, chạy nhiều truy vấn hơn (2,85 mỗi câu thay vì 1,9) và trả lời đúng cả 40. Lần chạy với API Pick gần như không đổi, vì việc tìm kiếm đã xong trước khi mô hình thấy câu hỏi.

API tìm kiếm trượt ở đâu?

Tìm kiếm web API Pick trượt 5 trên 40 câu. Ở bốn câu, không kết quả nào trong năm kết quả trả về chứa thông tin cần; ở câu thứ năm, thông tin chỉ xuất hiện gián tiếp. Mỗi lần, mô hình đều nói không biết thay vì đoán:

• Doanh thu quý 3/2026 của Uber: kết quả là các bài về báo cáo tài chính nói về lượng đặt xe và lợi nhuận, nhưng văn bản trả về không có con số doanh thu.
• Doanh thu thương mại tại Mỹ của Palantir: kết quả có tốc độ tăng trưởng (148%) nhưng không có số tiền.
• Mô hình đứng đầu bảng xếp hạng search-lift của Firecrawl: kết quả là các bảng xếp hạng LLM chung chung.
• Giá gói Standard của Composio: kết quả có trang giá của Composio, nhưng đoạn trích hiển thị «18 USD tín dụng mỗi chỗ ngồi» thay vì giá gói. Có lựa chọn «tôi không biết» thì mô hình không trả lời; bỏ lựa chọn đó, nó trả lời 18 USD mỗi chỗ ngồi mỗi tháng, và đó là đáp án đúng.
• Exa ra mắt ở đâu ngày 13/11: kết quả nói về văn phòng của Exa ở Singapore. Ở lần chạy thứ hai, không có lựa chọn «tôi không biết», mô hình trả lời Singapore và sai (đáp án là EU).

Với câu hỏi về sản phẩm, endpoint tin tức kém hơn tìm kiếm web: đúng 5 trên 13 câu về AI và công cụ cho lập trình viên, vì trang giá, tài liệu và changelog không phải tin tức. Hãy chọn endpoint theo câu hỏi: tìm kiếm web cho trang và tài liệu, tìm kiếm tin tức cho tin về sự kiện, và các endpoint chuyên biệt như tìm kiếm hồ sơ SEC khi câu trả lời nằm trong một hồ sơ chính thức.

Mỗi thiết lập tốn bao nhiêu cho 1.000 câu hỏi?

Sau khi hết hạn mức miễn phí, tìm kiếm web API Pick tốn 15 USD cho 1.000 câu cộng 0,46 đến 2,29 USD token mô hình, còn grounding với Google Search tốn 24 đến 40 USD phí tìm kiếm cho 1.000 câu cộng 0,11 đến 1,64 USD token. API Pick trừ 15 credit mỗi lần gọi, 1 USD mua được 1.000 credit, và chỉ tính phí phản hồi HTTP 200 (bảng giá).

Hạn mức miễn phí lại chỉ theo hướng ngược lại. Với tần suất truy vấn đo được, 5.000 truy vấn miễn phí mỗi tháng của Google đủ cho khoảng 1.750 đến 2.600 câu. API Pick chỉ tặng 100 credit một lần, tức sáu lần tìm kiếm. Ứng dụng Gemini dưới khoảng 1.750 câu mỗi tháng không phải trả gì cho grounding; vượt mức đó, giá mỗi câu của grounding cao gấp khoảng hai lần.

Về tốc độ, Google có lợi thế. Grounding trả lời với trung vị 2,5 giây trên Flash-Lite và 7,1 đến 7,4 giây trên 3.8 Flash. Riêng một lần tìm kiếm web API Pick đã mất trung vị 5,75 giây (7,8 giây ở bách phân vị 90), nên trọn câu trả lời mất 7,5 đến 11 giây. Tìm kiếm tin tức có phần đuôi chậm: 16 giây ở bách phân vị 90.

Khi nào dùng grounding, khi nào dùng API tìm kiếm?

Đây là pipeline chúng tôi dùng cho các lần chạy với API Pick, rút gọn còn phần cốt lõi. Nó chạy giống nhau với bất kỳ mô hình nào nhận prompt dạng văn bản; với vòng lặp agent đầy đủ có gọi công cụ, xem cách thêm tìm kiếm web vào agent OpenAI hoặc 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?"))

Ngược lại, grounding với Google Search chỉ là thêm một trường trong body yêu cầu gửi tới Gemini:

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

So với bảng xếp hạng search-lift của Firecrawl thì sao?

Firecrawl đã công bố Web Search LLM Leaderboard với dữ liệu tính đến ngày 10/11/2026. Bảng này kiểm tra 10 mô hình trên 4.703 câu hỏi nghiên cứu khó từ BrowseComp, DeepSearchQA, HLE và một bộ riêng của họ, cho mỗi mô hình tìm kiếm và đọc trang nhiều lần trong một ngân sách công cụ, và báo mức tăng trung bình 40,6 điểm khi dùng lớp dữ liệu Alexandria. Claude Opus 5.5 đạt điểm cao nhất, 79,0.

Thử nghiệm của chúng tôi trả lời một câu hỏi hẹp hơn: một lần tìm kiếm giúp gì cho những sự thật đơn giản, mới mà mô hình không thể biết? Câu hỏi của chúng tôi chỉ cần tra một lần chứ không cần chuỗi tìm kiếm, nên mức tăng lớn hơn (từ 0 lên 87,5% và hơn) và không so sánh được với số liệu của Firecrawl. 40 câu hỏi và đáp án của chúng tôi được liệt kê bên dưới; Firecrawl giữ kín bộ câu hỏi của họ.

Chúng tôi thực hiện thử nghiệm thế nào?

Mọi lần chạy diễn ra ngày 2026-11-14:

• Câu hỏi: 40 câu về sự kiện từ đầu tháng 10 đến 13/11/2026, chia bốn nhóm (giải thưởng và thể thao 7, ngân hàng trung ương 5, kết quả kinh doanh 15, AI và công cụ lập trình 13), cộng 10 câu đối chứng về kiến thức chung. Mọi đáp án đều lấy từ nguồn sơ cấp chúng tôi tự đọc: nobelprize.org, thông cáo của Fed, ECB và Ngân hàng Anh, phụ lục mẫu 8-K trên SEC, cùng blog và trang giá của chính các nhà cung cấp.
• Mô hình: gemini-3.8-flash và gemini-3.5-flash-lite qua Vertex AI, temperature 0, cài đặt suy luận mặc định.
• Thiết lập: không tìm kiếm; một lần tìm kiếm web API Pick (5 kết quả, dùng nguyên câu hỏi làm truy vấn); một lần tìm kiếm tin tức API Pick; và công cụ Google Search tích hợp của Gemini. Kết quả tìm kiếm được lấy một lần cho mỗi câu và đưa cho cả hai mô hình.
• Prompt: ngày hôm nay, «trả lời bằng một câu ngắn», và ở lần chạy đầu thêm «nếu không chắc, hãy trả lời I don't know». Lần chạy thứ hai bỏ câu cuối đó.
• Chấm điểm: hai mô hình (Gemini 3.8 Flash và Gemini 3.1 Pro Preview) gán nhãn đúng, sai hoặc từ chối cho từng câu trong 520 câu trả lời so với đáp án chuẩn. Chúng tôi tự kiểm tra lại theo nguồn mọi trường hợp bất đồng (6) và mọi câu sai, và sửa một nhãn mà cả hai cùng đồng ý: khẳng định Exa chưa công bố Exa 3.0 bị tính là sai, không phải từ chối. Con số phải khớp độ chính xác của đáp án chuẩn, nên «AWS tăng 39%» bị tính là sai so với 39,3%.

Toàn bộ bộ câu hỏi kèm đáp án chuẩn và nguồn:

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

Thử nghiệm này không cho thấy điều gì?

• Quy mô nhỏ. 40 câu hỏi tin tức và một lần chạy cho mỗi thiết lập. Chênh lệch hai, ba câu nằm trong sai số.
• Chỉ thử Gemini. Các mô hình khác có thể tìm kiếm, đọc và từ chối trả lời theo cách khác.
• Chỉ thử câu hỏi một sự kiện. Nghiên cứu nhiều bước cần tìm kiếm và đọc trang lặp lại; với loại đó, hãy xem bảng xếp hạng của Firecrawl.
• Không thử các API tìm kiếm khác. Ở đây chúng tôi không chạy Tavily, Exa, Brave hay AWS AgentCore; giá niêm yết của họ có trong bài so sánh các lựa chọn thay thế Tavily của chúng tôi.
• Giá thay đổi. Giá token của Gemini 3.8 Flash tăng gấp đôi vào ngày 1/1/2027, và mọi mức giá ở đây là giá niêm yết kiểm tra ngày 2026-11-14.

Nếu agent của bạn chạy trên Gemini và hỏi vài nghìn câu mỗi tháng, hãy bật grounding và đừng nói với mô hình rằng nó có thể bỏ qua tìm kiếm. Nếu agent dùng nhiều mô hình, hoặc bạn cần kiểm soát nguồn nào đến được mô hình và mỗi câu trả lời tốn bao nhiêu, hãy dùng API tìm kiếm web và đọc vì sao API chỉ nên tính phí các lần gọi thành công.

Viết bởi

Sarah Choy

CEO, API Pick

Sarah Choy là CEO của API Pick. Cô viết về việc xây dựng các API sẵn sàng cho production cho AI agent và quy trình LLM.