Google 搜尋基礎 vs 搜尋 API:40 道新題實測

不連網時,兩個 Gemini 模型 40 道新題一題都答不出。每題呼叫一次 API Pick 搜尋,兩個模型都答對 35 題;Google 搜尋基礎依模型和提示詞不同答對 30 到 40 題。附完整結果、2026-11-14 核實的價格與全部題目。
一句話總結
- •不搜尋時,Gemini 3.8 Flash 和 Gemini 3.5 Flash-Lite 對 40 道 2026 年 10–11 月的新聞題全部答不出。每題加一次 API Pick 網頁搜尋後,兩個模型都答對 35 題,而且沒有答錯。
- •Google 搜尋基礎(Grounding with Google Search)最準也最快:Flash-Lite 2.5 秒答對 39 題;3.8 Flash 在提示詞不再留「跳過搜尋」的餘地後答對全部 40 題。
- •基礎功能按搜尋次數計費,不按問題計費:模型每題搜 1.9 到 2.85 次,超過每月 5,000 次免費額度後,每千題搜尋費 $24 到 $40。API Pick 每次呼叫固定,每千題 $15。
- •只用 Gemini、每月不到約 1,750 題,選 Google 搜尋基礎。要換用其他模型、希望每題固定一次呼叫,或想自己檢視與篩選來源,選搜尋 API。
一次網頁搜尋能讓大型語言模型的回答提升多少?
在 40 道關於 2026 年 10–11 月新聞的題目上,Gemini 3.8 Flash 和 Gemini 3.5 Flash-Lite 不搜尋時一題都答不對。每題呼叫一次 API Pick 網頁搜尋,兩個模型都答對 35 題(87.5%),沒有答錯;Google 搜尋基礎則答對 30 到 40 題,取決於模型與提示詞。 所有題目於 2026-11-14 在四種設定下各跑一次,答案逐一對照我們親自核實過的來源評分。
API Pick 是我們開發的,也是本次測試中的搜尋 API。多數情況下,Google 內建的搜尋基礎在準確率與速度上都勝過它,本文會寫清楚在哪裡勝出、為什麼。
| 不搜尋 | API Pick 網頁搜尋 | API Pick 新聞搜尋 | Google 搜尋基礎 | |
|---|---|---|---|---|
| Gemini 3.8 Flash:答對 | 0 / 40 | 35 / 40 | 27 / 40 | 30 / 40 |
| Gemini 3.8 Flash:答錯 | 0 | 0 | 1 | 0 |
| Gemini 3.5 Flash-Lite:答對 | 0 / 40 | 35 / 40 | 27 / 40 | 39 / 40 |
| Gemini 3.5 Flash-Lite:答錯 | 0 | 0 | 3 | 0 |
| 每題耗時中位數(秒) | 4.0 / 1.4 | 11.0 / 7.5 | 10.7 / 6.9 | 7.1 / 2.5 |
| 每 1,000 題成本 | $1.03 / $0.03 | $16.93 / $15.46 | $17.39 / $15.47 | $25.79 / $28.46 |
其餘回答都是「我不知道」。不搜尋時兩個模型都沒有捏造答案,這正是你要的表現。在 10 道常識對照題上,所有設定都是 10 題全對,只有 Flash-Lite 加新聞搜尋例外:新聞結果離題,它放棄了兩題本來會答的題目。
Google 搜尋基礎怎麼收費?
Gemini 3 及更新模型的 Google 搜尋基礎,每月前 5,000 次搜尋查詢免費,之後每 1,000 次查詢 $14。 關鍵在計費單位:按模型決定執行的每一次查詢收費,而不是按你問的每一個問題。以下是 2026-11-14 Google 定價頁上的條款:
- 免費額度:每月 5,000 次搜尋查詢,所有 Gemini 3 及更新的模型共用。
- 付費價格:每 1,000 次查詢 $14;Gemini Developer API 付費專案預設每天最多 1,500 次基礎請求。
- 每題查詢次數:在我們的測試中 Gemini 平均每題 1.9 到 2.85 次,單題最多 16 次。
- 舊模型:Gemini 2.5 系列按基礎請求計費,每天前 1,500 次免費,之後每 1,000 次 $35。自 2026 年 12 月 1 日起,對 gemini-2.5-flash 的請求會自動轉到 Gemini 3.5 Flash-Lite。
Google 從搜尋餵給模型的文字不計入輸入 token,所以基礎功能的執行每題只有約 90 個輸入 token,而我們把五筆 API Pick 結果貼進提示詞的執行約 1,400 個。本文使用的模型價格:Gemini 3.8 Flash 每百萬輸入 token $0.75、輸出 $3.75(至 2026 年 12 月 31 日),Gemini 3.5 Flash-Lite 分別為 $0.30 與 $2.50。
為什麼 Gemini 3.8 Flash 跳過了搜尋?
因為開啟搜尋基礎後,要不要搜由模型決定,而我們的提示詞給了它一條輕鬆的退路。 第一輪中,Gemini 3.8 Flash 有 9 題完全沒有搜尋,直接回答「我不知道」。於是我們刪掉允許回答「我不知道」的那句話,讓 Gemini 3.8 Flash 把 40 道新聞題重跑一次:
| 不搜尋 | API Pick 網頁搜尋 | Google 搜尋基礎 | |
|---|---|---|---|
| 答對 | 1 / 40 | 36 / 40 | 40 / 40 |
| 答錯 | 5 | 1 | 0 |
| 每題搜尋查詢次數 | 0 | 1 | 2.85 |
| 每題耗時中位數(秒) | 6.6 | 10.6 | 7.4 |
| 每 1,000 題成本 | $2.92 | $17.29 | $41.51 |
沒有退路之後,搜尋基礎每題都搜,查詢次數也更多(每題 2.85 次,之前是 1.9 次),40 題全對。API Pick 那一組幾乎沒變,因為搜尋在模型看到問題之前就已完成。
搜尋 API 在哪些題目上失手?
API Pick 網頁搜尋漏掉 40 題中的 5 題。其中 4 題,回傳的五筆結果裡都沒有答案;第 5 題的答案只是間接出現。 每次模型都回答不知道,而不是亂猜:
- Uber 2026 年第三季營收:結果都是財報報導,談了訂單總額和獲利,但回傳的文字裡沒有營收數字。
- Palantir 美國商業營收:結果有成長率(148%),沒有金額。
- Firecrawl search-lift 排行榜第一名:結果是一般的大型語言模型排行榜。
- Composio Standard 方案價格:結果中有 Composio 定價頁,但摘要顯示的是「每席位 $18 額度」而非方案價格。有「我不知道」選項時模型放棄;拿掉後,它回答每席位每月 $18,這是對的。
- Exa 11 月 13 日在哪裡上線:結果講的是 Exa 的新加坡辦公室。第二輪沒有「我不知道」選項時,模型答了新加坡,答錯了(正確答案是歐盟)。
在產品類問題上,新聞介面比網頁搜尋差:AI 與開發者工具類 13 題只答對 5 題,因為定價頁、文件和更新日誌都不是新聞。依問題選介面:網頁與文件用網頁搜尋,事件報導用新聞搜尋,答案在監管申報文件裡時用SEC 文件搜尋這類專業介面。
每種做法每 1,000 題要花多少錢?
免費額度用完後,API Pick 網頁搜尋每 1,000 題 $15,另加 $0.46 到 $2.29 的模型 token 費;Google 搜尋基礎每 1,000 題搜尋費 $24 到 $40,另加 $0.11 到 $1.64 的 token 費。 API Pick 每次呼叫扣 15 credits,$1 可買 1,000 credits,只有 HTTP 200 才扣費(價格)。
免費額度則是另一回事。依我們測到的查詢次數,Google 每月 5,000 次免費查詢大約夠 1,750 到 2,600 題;API Pick 只一次性贈送 100 credits,夠搜 6 次。每月不到約 1,750 題的 Gemini 應用,搜尋基礎完全不用付費;超過之後,搜尋基礎的每題價格約為兩倍。
速度上 Google 佔優。搜尋基礎在 Flash-Lite 上中位 2.5 秒產出答案,在 3.8 Flash 上 7.1 到 7.4 秒。API Pick 網頁搜尋本身中位 5.75 秒(P90 為 7.8 秒),所以整題要 7.5 到 11 秒。新聞搜尋的長尾更慢:P90 為 16 秒。
什麼時候用搜尋基礎,什麼時候用搜尋 API?
以下是我們跑 API Pick 那幾組所用的流程,只保留核心部分。任何接受文字提示詞的模型都能這樣用;要做具備工具呼叫的完整 agent,請看如何為 OpenAI 或 Claude agent 加上網頁搜尋。
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?"))相較之下,Google 搜尋基礎只是在 Gemini 請求本文中多加一個欄位:
{"contents": [{"parts": [{"text": "Who won the 2026 World Series?"}]}],
"tools": [{"google_search": {}}]}和 Firecrawl 的 search-lift 排行榜相比如何?
Firecrawl 發布了 Web Search LLM Leaderboard,資料截至 2026 年 11 月 10 日。它以 BrowseComp、DeepSearchQA、HLE 與自家私有題組共 4,703 道難題測試 10 個模型,允許每個模型在工具預算內反覆搜尋、閱讀網頁,回報的平均提升為 40.6 分(搭配它的 Alexandria 資料層)。Claude Opus 5.5 以 79.0 分居首。
我們的測試回答的是更窄的問題:對於模型不可能知道的簡單近期事實,一次搜尋能發揮多大作用?我們的題目只需查一次,不需連續搜尋,所以提升幅度更大(從 0 到 87.5% 甚至更高),無法和 Firecrawl 的數字直接比較。我們的 40 道題與答案都列在下方;Firecrawl 的題組不公開。
我們是怎麼測的?
所有執行都在 2026-11-14 完成:
- 題目:40 道關於 2026 年 10 月初到 11 月 13 日事件的題目,分四組(獎項與體育 7、央行 5、公司財報 15、AI 與開發者工具 13),另有 10 道常識對照題。每個答案都來自我們親自讀過的一手來源:nobelprize.org、聯準會 / 歐洲央行 / 英格蘭銀行的公告、SEC 8-K 附件,以及廠商自己的部落格與定價頁。
- 模型:gemini-3.8-flash 與 gemini-3.5-flash-lite,經 Vertex AI 呼叫,temperature 0,預設思考設定。
- 設定:不搜尋;一次 API Pick 網頁搜尋(5 筆結果,以問題原文為查詢字串);一次 API Pick 新聞搜尋;Gemini 內建的 Google Search 工具。搜尋結果每題只取一次,兩個模型共用。
- 提示詞:當天日期、「用一句話回答」,第一輪還有「不確定就回答 I don't know」。第二輪拿掉了最後這句。
- 評分:兩個模型(Gemini 3.8 Flash 與 Gemini 3.1 Pro Preview)對照參考答案,把 520 個回答分別標為答對、答錯或放棄。所有分歧(6 處)和所有答錯的回答,我們都對照來源人工複核,並改了一處兩個評分模型一致的標籤:聲稱「Exa 沒有發表 Exa 3.0」算答錯,不算放棄。數字須與參考答案精度一致,所以「AWS 成長 39%」對 39.3% 算答錯。
完整題目、參考答案與來源:
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這次測試說明不了什麼?
- 樣本小。只有 40 道新聞題,每種設定跑一次。兩三題的差距在誤差範圍內。
- 只測了 Gemini。其他模型的搜尋、閱讀與放棄行為可能不同。
- 只測了單一事實題。多步驟研究需要反覆搜尋與閱讀網頁,這方面請看 Firecrawl 的排行榜。
- 沒有測其他搜尋 API。本次沒跑 Tavily、Exa、Brave 或 AWS AgentCore;它們的牌價請見我們的 Tavily 替代方案比較。
- 價格會變。Gemini 3.8 Flash 的 token 價格於 2027 年 1 月 1 日加倍,本文所有價格都是 2026-11-14 核實的牌價。
如果你的 agent 跑在 Gemini 上、每月幾千個問題,就開啟搜尋基礎,而且別在提示詞裡告訴模型可以不搜。如果你使用多個模型,或需要控制哪些來源進入模型、每個回答花多少錢,就用網頁搜尋 API,也可以讀讀為什麼 API 只應對成功呼叫收費。
常見問題
Google 搜尋基礎是免費的嗎?
部分免費。Gemini 3 及更新的模型每月前 5,000 次搜尋查詢免費,所有這些模型共用。之後每 1,000 次查詢收費 $14;Gemini Developer API 付費專案預設每天最多 1,500 次基礎請求(價格於 2026-11-14 核實)。
Google 搜尋基礎每個問題要花多少錢?
取決於模型搜了幾次。我們的測試中 Gemini 每題搜 1.9 到 2.85 次,超過免費額度後每題搜尋費約 $0.027 到 $0.040,另加模型 token 費。Gemini 2.5 系列計費方式不同:每天前 1,500 次免費,之後每 1,000 次基礎請求 $35。
連網搜尋能讓大型語言模型的回答更準確嗎?
對近期事件的問題,可以,而且提升很大。在 40 道 2026 年 10–11 月的題目上,兩個 Gemini 模型不搜尋時一題都答不對,搜尋後答對 27 到 40 題,取決於搜尋方式。在 10 道常識題上,搜尋幾乎沒有影響,只有一種設定下,不相關的新聞結果讓小模型放棄了兩題本來會答的題目。
Claude 或 GPT 能用 Google 搜尋基礎嗎?
不能。Google 搜尋基礎是 Gemini API 與 Vertex AI 的工具,只為 Gemini 自己的回答提供基礎。要讓 Claude、GPT 或本機模型取得即時網頁結果,需要呼叫搜尋 API,把結果放進提示詞。本次測試中 API Pick 的結果只取一次,同時給兩個 Gemini 模型使用,同樣的呼叫也適用於任何模型。
為什麼開了搜尋基礎,Gemini 還是回答「我不知道」?
開啟搜尋基礎後,要不要搜由模型自己決定。我們的提示詞寫了「不確定就回答 I don't know」時,Gemini 3.8 Flash 有 9 題根本沒搜,直接放棄。拿掉這句後,它每題都搜,40 題全對。搜尋 API 是在模型看到問題之前就搜好的,模型無法跳過。
Sarah Choy 是 API Pick 的 CEO,專注於為 AI Agent 與 LLM 工作流打造可用於正式環境的 API。