Web-Grounding für die Decisions API

KI-Entscheidungsmodelle sind schnell und kosteneffizient, aber sie wissen nur, was Nutzer ihnen senden und was sie im Training gelernt haben. Bei Fragen zu sich ändernden Fakten, etwa ob jemand noch CEO eines Unternehmens ist oder ob es von einem Produkt ein neues Release gibt, braucht ein Modell aktuelle Informationen, um korrekt zu antworten.

Ab heute kann die Decisions API von Perplexity das Web durchsuchen, bevor sie antwortet.

Fügen Sie eine einzige Einstellung, "mode": "web_grounding", zu einer beliebigen Decisions API-Anfrage hinzu, und Perplexity Fast Search führt für jede Frage eine Abfrage aus. Die Ergebnisse werden Ihrem State als Belege hinzugefügt, sodass das Entscheidungsmodell Wahrscheinlichkeiten liefert, die auf dem beruhen, was gerade jetzt im Web steht. Der State kann auch eine URL sein, um das Modell auf eine bestimmte Webseite zu verweisen, statt deren Text einzugeben.

Bei PWS-Decisions, einem öffentlichen Benchmark mit 100 Fragen, die von aktuellen Fakten im Web abhängen, stieg die Genauigkeit von 51 % auf 86 %, bei typischen Antwortzeiten von unter 400 ms.

Ein Entscheidungsmodell liefert als Antwort auf jede Frage eine Zahl. Nutzer senden Inhalte als state (Text, JSON oder Bilder) zusammen mit einer oder mehreren Fragen. Bei einer noul-Frage (Ja oder Nein) ist das Ergebnis die Wahrscheinlichkeit für Ja. Bei einer choice-Frage ist das Ergebnis eine Wahrscheinlichkeit für jede Option, die ein Nutzer definiert. Bei einer score-Frage ist das Ergebnis eine Wahrscheinlichkeit für jede Stufe Ihres Bewertungsschemas sowie der erwartete Score.

Das Modell hat zwei Informationsquellen: den State, den ein Nutzer sendet, und das, was es im Training gelernt hat. Das reicht für eine Frage wie „Berichtet diese Rezension von einem Defekt?“ Es reicht aber nicht, um „Ist diese Person noch CEO?“ zu beantworten. Die Antwort kann sich nach dem Training geändert haben, und nichts im State weist darauf hin. Web-Grounding fügt eine dritte Quelle hinzu: das Web, durchsucht zum Zeitpunkt der Anfrage. Der State kann auch eine URL sein, sodass ein Nutzer das Modell statt auf Text auf eine Webseite verweisen kann.

Das Grounding erfolgt im API-Gateway vor dem Modellaufruf. Für jede Frage in einer Anfrage erstellt das Gateway eine Fast-Search-Abfrage. Die Abfragen laufen parallel. Das Gateway führt die Ergebnisse zusammen, entfernt doppelte URLs und hängt die Belege an den state an: Titel, URL und Seitentext. Ist der state eine URL, enthält die Suchabfrage diese URL, sodass die Seite selbst als Beleg zurückkommt und das Modell auf Grundlage ihres Textes antwortet. Das Modell gibt Wahrscheinlichkeiten zurück, genau wie bei jeder anderen Anfrage an die Decisions API. Schlägt eine Suche fehl oder tritt eine Zeitüberschreitung auf, antwortet das Modell auf Grundlage der Belege, die zurückgekommen sind. Die Antwort enthält search_results, damit Nutzer sehen können, was das Modell gesehen hat. Die Anfrage der Nutzer und die Struktur der Antwort bleiben gleich. Was sich ändert, sind die Belege, die dem Modell beim Antworten vorliegen.

Wir haben 328 Aussagen, die entweder wahr oder falsch waren, zweimal an dasselbe Entscheidungsmodell gesendet, einmal mit Web-Grounding und einmal ohne. Die Aussagen verteilten sich auf Nachrichten vom Oktober 2026 und seltene Fakten aus Wikipedia, und zu jeder wahren Aussage gab es ein falsches Gegenstück, das sich in einem Detail unterschied. Im State wurden keine Belege mitgeliefert.

Ohne Web Grounding beantwortete die Decisions API 56,4 Prozent der Behauptungen korrekt – kaum besser als Raten. Mit Web Grounding beantwortete sie 97,3 % korrekt, wodurch die Fehler von 143 auf 9 sanken. Der Preis dafür ist die Geschwindigkeit: Die mediane Latenz stieg von 139 ms auf 366 ms, die Latenz im 95. Perzentil von 514 ms auf 742 ms.

PWS-Decisions ist ein öffentlicher Benchmark mit geschlossenen Fragen zu Kontoqualifizierung, Produktfunktionen, Richtlinienregeln und sich schnell entwickelnden Ereignissen. 100 Fragen sind öffentlich und werden per exakter Übereinstimmung mit einer Referenzantwort bewertet. Wir haben sie am 4. November 2026 mit der Decisions API + Web Grounding (pplx-decider-v1.2) ausgeführt, und sie beantwortete 86 korrekt. Die übrigen Ergebnisse unten stammen aus dem veröffentlichten Leaderboard der Benchmark-Autoren. Deren 51 % für die Decisions API ohne Web Grounding stimmen mit unserem eigenen Durchlauf überein.

Anfragen an die Decisions API + Web Grounding lieferten im Median nach 370 ms und beim 95. Perzentil nach 685 ms eine Antwort, gemessen von unserem Client aus mit den 100 öffentlichen Fragen. Die Autoren des Benchmarks geben für ihre API auf dem vollständigen Satz von 300 Fragen 560 ms bzw. 710 ms an, gemessen von ihrem Client aus am 29. Oktober 2026. Im Vergleich zum veröffentlichten Leaderboard erzielt die Decisions API + Web Grounding die höchste Genauigkeit auf dem öffentlichen Fragensatz bei einer medianen Antwortzeit von unter 400 ms.

Aktivieren Sie Web-Grounding, um Fragen zu beantworten, auf die Daten allein keine Antwort geben: wenn sich die Fakten nach dem Training geändert haben und neue Informationen im Web veröffentlicht wurden. Einige Beispiele:

Accounts anhand aktueller Nachrichten qualifizieren. „In den letzten 90 Tagen Finanzierung erhalten?“ – über eine gesamte Account-Liste hinweg.
Die Tools im Blick behalten, auf die Sie angewiesen sind. „Gibt es ein stabiles Release, das neuer ist als unsere fixierte Version?“ – regelmäßig nach Zeitplan geprüft.
Bestätigen, bevor ein Agent handelt. „Findet diese Veranstaltung noch statt?“ – geprüft, bevor gebucht wird.

Jede Antwort ist eine Wahrscheinlichkeit, auf deren Grundlage der Code eines Entwicklers handeln kann – samt den Webquellen, auf denen sie beruht.

Fügen Sie einer beliebigen Anfrage an die Decisions API "mode": "web_grounding" hinzu. Der state kann Text sein, etwa eine Behauptung oder ein Datensatz, oder eine URL.

Prüfen Sie eine Behauptung anhand des Webs:

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?"
      }
    }
  }'

Die Antwort enthält zusätzlich search_results, also die Seiten, die das Modell gelesen hat. Am 4. November lieferte diese Anfrage eine Wahrscheinlichkeit für „Ja“ von über 0,99, mit dem Eintrag der NASA zur Raumsonde als erstem Ergebnis.

Verweisen Sie das Modell auf eine Seite, indem Sie deren URL als state übergeben:

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?"
      }
    }
  }'

Übergeben Sie in der Python-Bibliothek von Perplexity mode im Body der Anfrage:

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)

Jede abgeschlossene Suche kostet zusätzlich zu den Input-Tokens 0,001 $. Suchbelege zählen zu den Input-Tokens. Eine Anfrage mit Web Grounding kann bis zu 100 Fragen enthalten.

Machen Sie sich zum Einstieg mit der Dokumentation zu Web Grounding vertraut.

So funktioniert ein Entscheidungsmodell

So funktioniert Web-Grounding

Web-Grounding im Test

PWS-Decisions

Was Entwickler damit bauen können

Erste Schritte