Уеб обосноваване за Decisions API

Моделите за решения с ИИ са бързи и икономични, но знаят само това, което потребителите им изпращат, и това, което са научили по време на обучението. При въпроси за променящи се факти, например дали някой все още е изпълнителен директор на компания или дали даден продукт има нова версия, моделът се нуждае от актуална информация, за да отговори точно.

От днес Decisions API на Perplexity може да търси в мрежата, преди да отговори.

Добавете една настройка, "mode": "web_grounding", към всяка заявка към Decisions API и Perplexity Fast Search ще изпълни по една заявка за всеки въпрос. Резултатите се добавят към вашия state като доказателства, така че моделът за решения връща вероятности, основани на това, което е в мрежата в момента. State може да бъде и URL адрес, за да насочите модела към конкретна уеб страница, вместо да въвеждате текста ѝ.

В PWS-Decisions, публичен бенчмарк със 100 въпроса, които зависят от актуални факти в мрежата, точността се повиши от 51% на 86%, като типичното време за отговор е под 400 мс.

Моделът за решения връща число като отговор на всеки въпрос. Потребителите изпращат съдържание като state (текст, JSON или изображения) заедно с един или повече въпроси. За въпрос от тип noul (да или не) резултатът е вероятността за „да“. За въпрос от тип choice резултатът е вероятност за всяка опция, която потребителят дефинира. За въпрос от тип score резултатът е вероятност за всяко ниво от вашата скала за оценяване и очакваната оценка.

Моделът има два източника на информация: state, който потребителят изпраща, и това, което е научил по време на обучението. Това е достатъчно за въпрос като „Съобщава ли този отзив за дефект?“. Не е достатъчно обаче, за да се отговори на въпроса „Все още ли този човек е изпълнителен директор?“. Отговорът може да се е променил след обучението, а нищо в state не го показва. Уеб обосноваването добавя трети източник: мрежата, в която се търси в момента на заявката. State може да бъде и URL адрес, така че потребителят да може да насочи модела към уеб страница вместо към текст.

Обосноваването с уеб данни се изпълнява в API шлюза преди извикването на модела. За всеки въпрос в заявката шлюзът съставя заявка за търсене във Fast Search. Търсенията се изпълняват паралелно. Шлюзът обединява резултатите, премахва дублиращите се URL адреси и добавя доказателствата към state: заглавие, URL адрес и текст на страницата. Ако state е URL адрес, заявката за търсене съдържа този URL адрес, така че самата страница се връща като доказателство и моделът отговаря въз основа на нейния текст. Моделът връща вероятности точно както при всяка друга заявка към Decisions API. Ако търсенето е неуспешно или времето за изчакване изтече, моделът отговаря въз основа на доказателствата, които са били върнати. Отговорът включва search_results, така че потребителят да може да види какво е видял моделът. Заявката на потребителя и структурата на отговора остават същите. Променят се доказателствата, с които моделът разполага, когато отговаря.

Изпратихме 328 твърдения от типа „вярно или невярно“ до един и същ модел за решения два пъти – веднъж с уеб обосноваване и веднъж без. Твърденията бяха разделени между новини от октомври 2026 г. и редки факти от Уикипедия, като всяко вярно твърдение имаше невярен двойник, който се различаваше в един детайл. В state не бяха предоставени доказателства.

Без Web Grounding Decisions API отговори правилно на 56,4% от твърденията – резултат, близък до случайно налучкване. С Web Grounding той отговори правилно на 97,3%, като грешките намаляха от 143 на 9. Цената е скоростта: медианната латентност се увеличи от 139 мс на 366 мс, а латентността при 95-ия перцентил – от 514 мс на 742 мс.

PWS-Decisions е публичен бенчмарк от затворени въпроси за квалификация на акаунти, възможности на продукти, правила на политики и бързо развиващи се събития. 100 от въпросите са публични и се оценяват чрез точно съвпадение с референтен отговор. Изпълнихме ги с Decisions API + Web Grounding (pplx-decider-v1.2) на 4 ноември 2026 г. и той отговори правилно на 86. Останалите резултати по-долу са от публикуваната класация на авторите на бенчмарка. Техният резултат от 51% за Decisions API без Web Grounding съвпада с нашето собствено изпълнение.

Заявките към Decisions API + Web Grounding получиха отговор за 370 мс като медиана и за 685 мс при 95-ия персентил, измерено от нашия клиент върху 100-те публични въпроса. Авторите на бенчмарка отчитат 560 мс и 710 мс за своя API върху пълния набор от 300 въпроса, измерено от техния клиент на 29 октомври 2026 г. Спрямо публикуваната класация Decisions API + Web Grounding има най-високата точност върху публичния набор и медианно време за отговор под 400 мс.

Активирайте уеб обосноваването, за да отговаряте на въпроси, на които данните не могат: когато фактите са се променили след обучението и в мрежата е публикувана нова информация. Някои примери:

Квалифицирайте акаунти въз основа на скорошни новини. „Набрано ли е финансиране през последните 90 дни?“ – за целия списък с акаунти.
Следете инструментите, от които зависите. „Има ли стабилна версия, по-нова от фиксираната при нас?“ – проверка по график.
Потвърдете, преди агентът да действа. „Все още ли ще се проведе това събитие?“ – проверка преди резервацията.

Всеки отговор е вероятност, въз основа на която кодът на разработчика може да действа, заедно с уеб източниците, на които се основава.

Добавете "mode": "web_grounding" към всяка заявка към Decisions API. Стойността на state може да бъде текст, например твърдение или запис, или URL адрес.

Проверете твърдение спрямо информацията в уеб:

bash

curl -X POST https://api.perplexity.ai/v1/decisions \
  -H "Authorization: Bearer $PERPLEXITY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pplx-decider-v1.2",
    "mode": "web_grounding",
    "state": "Claim: The James Webb Space Telescope launched in December 2021.",
    "questions": {
      "supported": {
        "type": "noul",
        "instructions": "Is the claim true?"
      }
    }
  }'

Отговорът добавя search_results – страниците, които моделът е прочел. На 4 ноември тази заявка върна вероятност за „да“ над 0,99, като първият резултат беше записът на NASA за космическия апарат.

Насочете модела към конкретна страница, като подадете нейния URL адрес като state:

bash

curl -X POST https://api.perplexity.ai/v1/decisions \
  -H "Authorization: Bearer $PERPLEXITY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pplx-decider-v1.2",
    "mode": "web_grounding",
    "state": "https://pypi.org/project/requests/",
    "questions": {
      "newer_stable_release": {
        "type": "noul",
        "instructions": "Has this package published a stable release newer than 2.31.0 as of today?"
      }
    }
  }'

В Python библиотеката на Perplexity подайте mode в тялото на заявката:

python

from perplexity import Perplexity

client = Perplexity()

response = client.decisions.create(
    model="pplx-decider-v1.2",
    state="Claim: The James Webb Space Telescope launched in December 2021.",
    questions={"supported": {"type": "noul", "instructions": "Is the claim true?"}},
    extra_body={"mode": "web_grounding"},
)

print(response.answers["supported"].noul)

Всяко завършено търсене струва 0,001 USD в допълнение към входните токени. Доказателствата от търсенето се отчитат като входни токени. Заявка с Web Grounding може да съдържа до 100 въпроса.

Започнете, като разгледате документацията за Web Grounding.

Как работи моделът за решения

Как работи уеб обосноваването

Тестване на уеб обосноваването

PWS-Decisions

Какво могат да създават разработчиците

Първи стъпки