Probeer
5.000 zoekopdrachten
US$ 9,25
US$ 1,85/1K zoekopdrachten
- Koppel het aan één agent
- Dezelfde API als het grootste pack
- Credits verlopen nooit
Snel antwoord
Wat is de beste manier om een LLM live webzoekopdrachten te geven?
Geef het een zoek-API die bronnen teruggeeft die het kan lezen. LLMWebSearch is een AI-zoek-API voor LLM's: één call voert een live webzoekopdracht uit en geeft tot 20 gerangschikte resultaten terug, met de top 3 pagina's als Markdown. Sinds oktober 2026 kost het US$ 9,25 voor 5.000 zoekopdrachten en US$ 1,20/1K zoekopdrachten bij 1 miljoen. Zonder KYC; betalen met crypto.
De AI-zoek-API in het kort
| Endpoint | POST https://llmwebsearch.com/api/v1/search (GET werkt ook, met dezelfde namen) |
|---|---|
| Input | q, plus optioneel max_results, read, format, max_chars, topic, time_range, country, language, include_domains, exclude_domains |
| Uitvoer | Elk resultaat bevat zijn positie, titel, URL, host, snippet en, wanneer de pagina is gelezen, de hoofdinhoud van de pagina als Markdown of platte tekst met het aantal woorden en, indien bekend, de publicatiedatum |
| Resultaten | De resultaten komen uit een live webzoekopdracht die op het moment van je call wordt uitgevoerd, in de volgorde waarin de zoekmachine ze rangschikt; niets komt uit een oude index |
| Prijs | Eén credit betaalt één zoekopdracht: tot 20 gerangschikte resultaten, waarbij de pagina's van de eerste 3 worden gelezen en als Markdown teruggegeven. Het lezen van 4 tot 10 pagina's kost 2 credits. Een call die op een fout eindigt, kost niets |
| Antwoord | De API geeft bronnen terug, geen geschreven antwoord: je eigen model leest de pagina's, schrijft het antwoord en citeert de URL's |
| Paginatoegang | Onze reader respecteert robots.txt: hij stelt zich voor als LLMWebSearch, volgt de regels die een site voor hem of voor alle robots schrijft, en laat de inhoud weg van elke pagina die hij niet mag lezen |
Waarom hebben modellen meer nodig dan een lijst links?
Een lijst links vertelt een model waar het moet kijken, niet wat er staat. Een snippet van 150 tekens bevat zelden de datum, het getal of de stap waar de gebruiker naar vroeg. Daarom volgen de meeste agents een zoekopdracht met een tweede tool die elke pagina ophaalt, opschoont en inkort.
LLMWebSearch vouwt die stappen samen in één call. De belangrijkste pagina's komen terug als Markdown, zonder navigatie, advertenties en cookiebanners, en elke pagina heeft een word_count. Je agent besteedt zijn tokens aan content, en je betaalt voor één call in plaats van vier.
Hoe ziet een response eruit?
Elk resultaat heeft zijn positie, titel, URL, host en snippet. De eerste read resultaten hebben ook content en word_count, plus published_at wanneer de pagina of de zoekmachine een datum geeft. Een veld content_status zegt wat er met elke pagina is gebeurd: ok, not_requested, blocked_by_robots, blocked_by_site_policy, target_refused, fetch_failed of fetch_timeout. De waarden hieronder zijn illustratief.
{
"query": "rotate api key without downtime",
"created_at": "2026-10-22T09:14:03Z",
"credits_used": 1,
"results": [
{
"position": 1,
"title": "Rotating API keys",
"url": "https://docs.example.com/keys/rotation",
"host": "docs.example.com",
"snippet": "Create a second key, deploy it, then revoke the first one.",
"published_at": "2026-09-12",
"content_status": "ok",
"content": "# Rotating API keys\n\n## Zero-downtime rotation\n\n1. Create a second key\n2. Deploy it to every service\n3. Revoke the old key",
"word_count": 812
},
{
"position": 2,
"title": "A key rotation checklist for production",
"url": "https://blog.example.org/key-rotation",
"host": "blog.example.org",
"snippet": "Keep two keys active while services switch over.",
"content_status": "blocked_by_robots"
}
]
}Hoe roep ik het aan vanuit mijn code?
Stuur de zoekopdracht als JSON met je API-sleutel als Bearer-token. Het Python-voorbeeld hieronder vraagt om 5 resultaten en leest de top 3, met een maximum van 4.000 tekens per pagina. De quick start heeft dezelfde call in Node.js en curl.
import os
import requests
resp = requests.post(
"https://llmwebsearch.com/api/v1/search",
headers={"Authorization": f"Bearer {os.environ['LLMWEBSEARCH_API_KEY']}"},
json={"q": "rotate api key without downtime", "max_results": 5, "read": 3, "max_chars": 4000},
timeout=60,
)
resp.raise_for_status()
for r in resp.json()["results"]:
print(r["position"], r["title"], r["url"], r["content_status"])Welke filters kan een agent gebruiken?
Kies het land en de taal van de resultaten, een tijdsbereik (afgelopen dag, week, maand of jaar), web- of nieuwsresultaten, en domeinen die je wilt opnemen of uitsluiten.
time_range:day,week,monthofyear, voor vragen over recente gebeurtenissen.topic:newsgeeft artikelen met hun datums terug; zie de news search API.include_domainsenexclude_domains: elk tot 20, om bij officiële documentatie te blijven of een rommelige site weg te laten.countryenlanguage: de markt waarvan je resultaten wilt, zoalsdeende.max_chars: de maximale hoeveelheid tekst per pagina, van 500 tot 50.000 tekens.
Hoeveel pagina's moet een agent per zoekopdracht lezen?
Drie is een goede standaard, en dat dekt één credit. De meeste feitelijke vragen zijn met de eerste pagina's beantwoord, en met drie bronnen kan het model een getal controleren. Verhoog read naar 5 of 10 voor onderzoeksvragen waarbij bronnen het oneens zijn; die zoekopdracht kost 2 credits.
Zet read op 0 wanneer de agent alleen links nodig heeft, bijvoorbeeld om te kiezen welke URL hij als volgende opent. Roep dan /extract aan op de URL's die hij heeft gekozen.
Wat gebeurt er met pagina's die een site niet gelezen wil hebben?
Die komen terug als resultaten zonder content. Onze reader respecteert robots.txt: hij stelt zich voor als LLMWebSearch, volgt de regels die een site voor hem of voor alle robots schrijft, en laat de inhoud weg van elke pagina die hij niet mag lezen. Een site die Content-Signal: ai-input=no in zijn robots.txt zet, houdt zijn pagina's buiten de inhoud van je resultaten.
Wanneer een site onze reader weert, komt het resultaat terug zonder inhoud en met de status van de site: we lossen nooit CAPTCHA's op, loggen nooit in op accounts en werken nooit om een blokkade of een paywall heen. Het veld content_status vertelt je agent waarom een pagina ontbreekt, zodat hij de snippet kan gebruiken of door kan gaan naar het volgende resultaat. Site-eigenaren kunnen over onze reader lezen op de botpagina.
Hoeveel kost de AI-zoek-API?
5.000 zoekopdrachten kosten US$ 9,25, 25.000 zoekopdrachten kosten US$ 41,25 en 1.000.000 zoekopdrachten kosten US$ 1.200, per oktober 2026. De vergelijking met datum zet deze prijzen naast 14 andere API's.
Builder
25.000 zoekopdrachten
US$ 41,25
US$ 1,65/1K zoekopdrachten
- Een coding agent of een research assistant
- Klaar voor MCP, LangChain en n8n
- Credits verlopen nooit
Productie
100.000 zoekopdrachten
US$ 145
US$ 1,45/1K zoekopdrachten
- Agents in productie
- Hogere rate limit op aanvraag
- Credits verlopen nooit
Beste tarief
Volume
1.000.000 zoekopdrachten
US$ 1.200
US$ 1,20/1K zoekopdrachten
- Platforms die veel agents bedienen
- Hogere rate limit op aanvraag
- Credits verlopen nooit
In elk plan: Top 3 pagina's gelezen als Markdown · Filters voor land, taal, tijd en domein · Mislukte calls worden niet in rekening gebracht · Credits verlopen nooit
Vragen over AI-zoek-API's
Is een AI-zoek-API hetzelfde als een SERP-API?
Nee. Een SERP-API geeft de zoekpagina terug als data: links, snippets, advertenties en boxes. Een AI-zoek-API leest ook de pagina's en geeft hun tekst terug, zodat een model die direct kan gebruiken. LLMWebSearch geeft gerangschikte resultaten plus de inhoud van de bovenste pagina's.
Heeft LLMWebSearch een eigen zoekindex?
Nee. De resultaten komen uit een live webzoekopdracht die op het moment van je call wordt uitgevoerd, in de volgorde waarin de zoekmachine ze rangschikt; niets komt uit een oude index. Ons eigen werk is het lezen en opschonen van de pagina's en ze teruggeven in een vorm die een model kan gebruiken.
Kan ik de resultaten opslaan?
We trainen geen enkel model op je zoekopdrachten of op wat de API teruggeeft, en we voegen geen eigen regel toe tegen het opslaan van resultaten; de rechten van de sites waarvan je pagina's leest, gelden nog steeds. Controleer de voorwaarden van elke site voordat je de tekst opnieuw publiceert.
Met welke modellen werkt het?
Met allemaal. De API geeft JSON en Markdown terug, dus het past bij OpenAI-, Claude-, Gemini-, DeepSeek-, Llama- of Qwen-modellen. Zie de OpenAI function-calling tool en de MCP server.