Google 搜索接地 vs 搜索 API:40 道新题实测

不联网时,两个 Gemini 模型 40 道新题一道都答不出。每题调一次 API Pick 搜索,两个模型都答对 35 道;Google 搜索接地视模型和提示词不同答对 30 到 40 道。附完整结果、2026-11-14 核实的价格和全部题目。
一句话总结
- •不搜索时,Gemini 3.8 Flash 和 Gemini 3.5 Flash-Lite 对 40 道 2026 年 10–11 月的新闻题全部答不出。每题加一次 API Pick 网页搜索后,两个模型都答对 35 道,且没有答错。
- •Google 搜索接地(Grounding with Google Search)最准也最快:Flash-Lite 2.5 秒答对 39 道;3.8 Flash 在提示词不再给它「跳过搜索」的余地后答对全部 40 道。
- •接地按搜索次数计费,不按问题计费:模型每题搜 1.9 到 2.85 次,超出每月 5,000 次免费额度后,每千题搜索费 $24 到 $40。API Pick 每次调用固定,每千题 $15。
- •只用 Gemini、每月不到约 1,750 题,选接地。要换用其他模型、希望每题固定一次调用、或想自己查看和筛选来源,选搜索 API。
一次网页搜索能让大模型的回答提升多少?
在 40 道关于 2026 年 10–11 月新闻的题目上,Gemini 3.8 Flash 和 Gemini 3.5 Flash-Lite 不搜索时一道都答不对。每题调一次 API Pick 网页搜索,两个模型都答对 35 道(87.5%),没有答错;Google 搜索接地则答对 30 到 40 道,取决于模型和提示词。 所有题目于 2026-11-14 在四种设置下各跑一遍,答案逐一对照我们亲自核实过的来源评分。
API Pick 是我们做的,也是本次测试里的搜索 API。多数情况下,Google 自带的接地在准确率和速度上都赢了它,本文会写清楚在哪里赢、为什么。
| 不搜索 | API Pick 网页搜索 | API Pick 新闻搜索 | Google 搜索接地 | |
|---|---|---|---|---|
| Gemini 3.8 Flash:答对 | 0 / 40 | 35 / 40 | 27 / 40 | 30 / 40 |
| Gemini 3.8 Flash:答错 | 0 | 0 | 1 | 0 |
| Gemini 3.5 Flash-Lite:答对 | 0 / 40 | 35 / 40 | 27 / 40 | 39 / 40 |
| Gemini 3.5 Flash-Lite:答错 | 0 | 0 | 3 | 0 |
| 每题耗时中位数(秒) | 4.0 / 1.4 | 11.0 / 7.5 | 10.7 / 6.9 | 7.1 / 2.5 |
| 每 1,000 题成本 | $1.03 / $0.03 | $16.93 / $15.46 | $17.39 / $15.47 | $25.79 / $28.46 |
其余回答都是「我不知道」。不搜索时两个模型都没有编造答案,这正是你想要的表现。在 10 道常识对照题上,所有设置都是 10 道全对,只有 Flash-Lite 加新闻搜索例外:新闻结果跑题,它放弃了两道本来会答的题。
Google 搜索接地怎么收费?
Gemini 3 及更新模型的 Google 搜索接地,每月前 5,000 次搜索查询免费,之后每 1,000 次查询 $14。 关键在计费单位:按模型决定执行的每一次查询收费,而不是按你问的每一个问题。以下是 2026-11-14 Google 定价页上的条款:
- 免费额度:每月 5,000 次搜索查询,所有 Gemini 3 及更新的模型共享。
- 付费价格:每 1,000 次查询 $14;Gemini Developer API 付费项目默认每天最多 1,500 次接地请求。
- 每题查询次数:在我们的测试里 Gemini 平均每题 1.9 到 2.85 次,单题最多 16 次。
- 旧模型:Gemini 2.5 系列按接地请求计费,每天前 1,500 次免费,之后每 1,000 次 $35。从 2026 年 12 月 1 日起,对 gemini-2.5-flash 的请求会自动转到 Gemini 3.5 Flash-Lite。
Google 从搜索喂给模型的文本不按输入 token 计费,所以接地的运行每题只有约 90 个输入 token,而我们把五条 API Pick 结果贴进提示词的运行约 1,400 个。本文使用的模型价格:Gemini 3.8 Flash 每百万输入 token $0.75、输出 $3.75(至 2026 年 12 月 31 日),Gemini 3.5 Flash-Lite 分别为 $0.30 和 $2.50。
为什么 Gemini 3.8 Flash 跳过了搜索?
因为开了接地后,搜不搜由模型决定,而我们的提示词给了它一个轻松的退路。 第一轮里,Gemini 3.8 Flash 有 9 道题完全没有搜索,直接回答「我不知道」。于是我们删掉允许回答「我不知道」的那句话,让 Gemini 3.8 Flash 把 40 道新闻题重跑一遍:
| 不搜索 | API Pick 网页搜索 | Google 搜索接地 | |
|---|---|---|---|
| 答对 | 1 / 40 | 36 / 40 | 40 / 40 |
| 答错 | 5 | 1 | 0 |
| 每题搜索查询次数 | 0 | 1 | 2.85 |
| 每题耗时中位数(秒) | 6.6 | 10.6 | 7.4 |
| 每 1,000 题成本 | $2.92 | $17.29 | $41.51 |
没有退路之后,接地每题都搜,查询次数也更多(每题 2.85 次,之前是 1.9 次),40 道全对。API Pick 那一组几乎没变,因为搜索在模型看到问题之前就已经做完了。
搜索 API 在哪些题上失手了?
API Pick 网页搜索漏了 40 道里的 5 道。其中 4 道,返回的五条结果里都没有答案;第 5 道的答案只是间接出现。 每次模型都回答不知道,而不是乱猜:
- Uber 2026 年第三季度营收:结果都是财报报道,讲了订单额和利润,但返回的文本里没有营收数字。
- Palantir 美国商业营收:结果里有增长率(148%),没有金额。
- Firecrawl search-lift 榜单第一名:结果是通用的大模型排行榜。
- Composio Standard 套餐价格:结果里有 Composio 定价页,但摘要显示的是「每席位 $18 额度」而不是套餐价。有「我不知道」选项时模型放弃;去掉后,它回答每席位每月 $18,这是对的。
- Exa 11 月 13 日在哪里上线:结果讲的是 Exa 新加坡办公室。第二轮没有「我不知道」选项时,模型答了新加坡,答错了(正确答案是欧盟)。
在产品类问题上,新闻接口比网页搜索差:AI 和开发者工具类 13 道只答对 5 道,因为定价页、文档和更新日志都不是新闻。按问题选接口:页面和文档用网页搜索,事件报道用新闻搜索,答案在监管文件里时用SEC 文件搜索这类专业接口。
每种做法每 1,000 题要多少钱?
免费额度用完后,API Pick 网页搜索每 1,000 题 $15,另加 $0.46 到 $2.29 的模型 token 费;Google 搜索接地每 1,000 题搜索费 $24 到 $40,另加 $0.11 到 $1.64 的 token 费。 API Pick 每次调用扣 15 credits,$1 买 1,000 credits,只有 HTTP 200 才扣费(价格)。
免费额度则是另一回事。按我们测到的查询次数,Google 每月 5,000 次免费查询大约够 1,750 到 2,600 道题;API Pick 只一次性送 100 credits,够搜 6 次。每月不到约 1,750 题的 Gemini 应用,接地一分钱不用花;超过之后,接地的每题价格大约是两倍。
速度上 Google 占优。接地在 Flash-Lite 上中位 2.5 秒出答案,在 3.8 Flash 上 7.1 到 7.4 秒。API Pick 网页搜索本身中位 5.75 秒(P90 为 7.8 秒),所以整题要 7.5 到 11 秒。新闻搜索的长尾更慢:P90 为 16 秒。
什么时候用接地,什么时候用搜索 API?
下面是我们跑 API Pick 那几组用的管线,只保留了核心部分。任何接受文本提示词的模型都能这样用;要做带工具调用的完整 agent,请看如何给 OpenAI 或 Claude agent 加上网页搜索。
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?"))相比之下,Google 搜索接地只是在 Gemini 请求体里多加一个字段:
{"contents": [{"parts": [{"text": "Who won the 2026 World Series?"}]}],
"tools": [{"google_search": {}}]}和 Firecrawl 的 search-lift 榜单比怎么样?
Firecrawl 发布了 Web Search LLM Leaderboard,数据截至 2026 年 11 月 10 日。它用 BrowseComp、DeepSearchQA、HLE 和自家私有题集共 4,703 道难题测 10 个模型,允许每个模型在工具预算内反复搜索、读网页,报告的平均提升是 40.6 分(配合它的 Alexandria 数据层)。Claude Opus 5.5 以 79.0 分排第一。
我们的测试回答的是一个更窄的问题:对于模型不可能知道的简单近期事实,一次搜索能起多大作用?我们的题只需查一次,不需要连续搜索,所以提升幅度更大(从 0 到 87.5% 甚至更高),不能和 Firecrawl 的数字直接比较。我们的 40 道题和答案都列在下面;Firecrawl 的题集不公开。
我们是怎么测的?
所有运行都在 2026-11-14 完成:
- 题目:40 道关于 2026 年 10 月初到 11 月 13 日事件的题,分四组(奖项与体育 7、央行 5、公司财报 15、AI 与开发者工具 13),另有 10 道常识对照题。每个答案都来自我们亲自读过的一手来源:nobelprize.org、美联储 / 欧洲央行 / 英格兰银行的公告、SEC 8-K 附件,以及厂商自己的博客和定价页。
- 模型:gemini-3.8-flash 和 gemini-3.5-flash-lite,经 Vertex AI 调用,temperature 0,默认思考设置。
- 设置:不搜索;一次 API Pick 网页搜索(5 条结果,问题原文作查询词);一次 API Pick 新闻搜索;Gemini 自带的 Google Search 工具。搜索结果每题只取一次,两个模型共用。
- 提示词:当天日期、「用一句话回答」,第一轮还有「不确定就回答 I don't know」。第二轮去掉了最后这句。
- 评分:两个模型(Gemini 3.8 Flash 和 Gemini 3.1 Pro Preview)对照参考答案,把 520 个回答分别标为答对、答错或放弃。所有分歧(6 处)和所有答错的回答我们都对照来源人工复核,并改了一处两个评分模型一致的标签:声称「Exa 没有发布 Exa 3.0」算答错,不算放弃。数字须与参考答案精度一致,所以「AWS 增长 39%」对 39.3% 算答错。
完整题目、参考答案和来源:
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这次测试说明不了什么?
- 样本小。只有 40 道新闻题,每种设置跑一次。两三道题的差距在误差范围内。
- 只测了 Gemini。其他模型的搜索、阅读和放弃行为可能不同。
- 只测了单一事实题。多步研究需要反复搜索和读网页,这方面请看 Firecrawl 的榜单。
- 没有测其他搜索 API。本次没跑 Tavily、Exa、Brave 或 AWS AgentCore;它们的标价见我们的 Tavily 替代方案对比。
- 价格会变。Gemini 3.8 Flash 的 token 价格 2027 年 1 月 1 日翻倍,本文所有价格都是 2026-11-14 核实的标价。
如果你的 agent 跑在 Gemini 上、每月几千个问题,就打开接地,并且别在提示词里告诉模型可以不搜。如果你用多个模型,或需要控制哪些来源进入模型、每个回答花多少钱,就用网页搜索 API,也可以读读为什么 API 只应对成功调用收费。
常见问题
Google 搜索接地免费吗?
部分免费。Gemini 3 及更新的模型每月前 5,000 次搜索查询免费,所有这些模型共享。之后每 1,000 次查询收费 $14;Gemini Developer API 付费项目默认每天最多 1,500 次接地请求(价格于 2026-11-14 核实)。
Google 搜索接地每个问题要花多少钱?
取决于模型搜了几次。我们的测试里 Gemini 每题搜 1.9 到 2.85 次,超出免费额度后每题搜索费约 $0.027 到 $0.040,另加模型 token 费。Gemini 2.5 系列计费方式不同:每天前 1,500 次免费,之后每 1,000 次接地请求 $35。
联网搜索能让大模型的回答更准确吗?
对近期事件的问题,能,而且提升很大。在 40 道 2026 年 10–11 月的题目上,两个 Gemini 模型不搜索时一道都答不对,搜索后答对 27 到 40 道,取决于搜索方式。在 10 道常识题上,搜索几乎没有影响,只有一种设置下,不相关的新闻结果让小模型放弃了两道本来会答的题。
Claude 或 GPT 能用 Google 搜索接地吗?
不能。Google 搜索接地是 Gemini API 和 Vertex AI 的工具,只为 Gemini 自己的回答接地。要让 Claude、GPT 或本地模型拿到实时网页结果,需要调用搜索 API,把结果放进提示词。本次测试中 API Pick 的结果只取一次,同时给两个 Gemini 模型用,同样的调用也适用于任何模型。
为什么开了接地,Gemini 还是回答「我不知道」?
开了接地后,搜不搜由模型自己决定。我们的提示词写了「不确定就回答 I don't know」时,Gemini 3.8 Flash 有 9 道题根本没搜,直接放弃。去掉这句后,它每题都搜,40 道全对。搜索 API 是在模型看到问题之前就搜好的,模型没法跳过。
Sarah Choy 是 API Pick 的 CEO,专注于为 AI Agent 与 LLM 工作流构建可用于生产的 API。