Fundamentación web para la Decisions API

Los modelos de decisión de IA son rápidos y rentables, pero solo saben lo que los usuarios les envían y lo que aprendieron durante el entrenamiento. Para preguntas sobre hechos que cambian, como si alguien sigue siendo el CEO de una empresa o si un producto tiene una nueva versión, un modelo necesita información actualizada para responder con precisión.

A partir de hoy, la Decisions API de Perplexity puede buscar en la web antes de responder.

Agrega un solo ajuste, "mode": "web_grounding", a cualquier solicitud de Decisions API, y Perplexity Fast Search ejecuta una consulta por cada pregunta. Los resultados se agregan a tu state como evidencia, así que el modelo de decisión devuelve probabilidades basadas en lo que hay en la web en este momento. El state también puede ser una URL para dirigir el modelo a una página web específica en lugar de ingresar su texto.

En PWS-Decisions, un benchmark público con 100 preguntas que dependen de datos actuales de la web, la precisión subió del 51% al 86%, con respuestas típicas en menos de 400 ms.

Un modelo de decisión devuelve un número como respuesta a cada pregunta. Los usuarios envían contenido como state (texto, JSON o imágenes) con una o más preguntas. En una pregunta noul (sí o no), el resultado es la probabilidad de que la respuesta sea sí. En una pregunta choice, el resultado es una probabilidad para cada opción que defina el usuario. En una pregunta score, el resultado es una probabilidad para cada nivel de tu rúbrica y la puntuación esperada.

El modelo tiene dos fuentes de información: el state que envía un usuario y lo que aprendió durante el entrenamiento. Eso basta para una pregunta como "¿Esta reseña reporta un defecto?". No basta para responder "¿Esta persona sigue siendo el CEO?". La respuesta pudo haber cambiado después del entrenamiento, y nada en el state lo indica. La fundamentación web agrega una tercera fuente: la web, consultada en el momento de la solicitud. El state también puede ser una URL, así que un usuario puede dirigir el modelo a una página web en lugar de a un texto.

El grounding se ejecuta en el gateway de la API antes de la llamada al modelo. Para cada pregunta de una solicitud, el gateway crea una consulta de Fast Search. Las consultas se ejecutan en paralelo. El gateway combina los resultados, elimina las URL duplicadas y agrega la evidencia al state: título, URL y texto de la página. Si el state es una URL, la consulta de búsqueda incluye esa URL, de modo que la propia página se devuelve como evidencia y el modelo responde a partir de su texto. El modelo devuelve probabilidades igual que en cualquier solicitud a la Decisions API. Si una búsqueda falla o se agota el tiempo de espera, el modelo responde con la evidencia que se haya obtenido. La respuesta incluye search_results para que el usuario pueda ver lo que vio el modelo. La solicitud del usuario y la estructura de la respuesta no cambian. Lo que cambia es la evidencia con la que cuenta el modelo al responder.

Enviamos 328 afirmaciones de verdadero o falso al mismo modelo de decisión dos veces, una con fundamentación web y otra sin ella. Las afirmaciones se dividieron entre noticias de octubre de 2026 y datos poco conocidos de Wikipedia, y cada afirmación verdadera tenía una contraparte falsa que difería en un solo detalle. No se proporcionó evidencia en el state.

Sin web grounding, la Decisions API respondió correctamente el 56.4 % de las afirmaciones, casi lo mismo que adivinar. Con web grounding, respondió correctamente el 97.3 %, lo que redujo los errores de 143 a 9. La contrapartida es la velocidad: la latencia mediana aumentó de 139 ms a 366 ms, y la latencia del percentil 95, de 514 ms a 742 ms.

PWS-Decisions es un benchmark público de preguntas cerradas sobre requisitos de cuentas, capacidades de productos, reglas de políticas y eventos que cambian rápidamente. Hay 100 preguntas públicas que se califican por coincidencia exacta con una respuesta de referencia. Las ejecutamos con la Decisions API + Web Grounding (pplx-decider-v1.2) el 4 de noviembre de 2026, y respondió correctamente 86. Los demás resultados que aparecen a continuación corresponden a la tabla de clasificación publicada por los autores del benchmark. Su 51 % para la Decisions API sin Web Grounding coincide con nuestra propia ejecución.

Las solicitudes a Decisions API + Web Grounding se completaron en 370 ms en la mediana y en 685 ms en el percentil 95, según mediciones desde nuestro cliente con las 100 preguntas públicas. Los autores del benchmark reportan 560 ms y 710 ms para su API con el conjunto completo de 300 preguntas, según mediciones desde su cliente el 29 de octubre de 2026. Frente a la tabla de clasificación publicada, Decisions API + Web Grounding tiene la mayor precisión en el conjunto público y una mediana de respuesta inferior a 400 ms.

Activa la fundamentación web para responder preguntas que los datos no pueden responder: cuando los hechos cambiaron después del entrenamiento y hay información nueva publicada en la web. Algunos ejemplos:

Califica cuentas según noticias recientes. "¿Recaudó financiamiento en los últimos 90 días?", en toda una lista de cuentas.
Haz seguimiento de las herramientas de las que dependes. "¿Hay una versión estable más reciente que nuestra versión fijada?", revisado de forma programada.
Confirma antes de que un agente actúe. "¿Este evento sigue en pie?", verificado antes de hacer la reserva.

Cada respuesta es una probabilidad que el código de un desarrollador puede usar para actuar, junto con las fuentes web que la respaldan.

Agrega "mode": "web_grounding" a cualquier solicitud a la Decisions API. El state puede ser texto, como una afirmación o un registro, o una URL.

Verifica una afirmación con información de la web:

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?"
      }
    }
  }'

La respuesta agrega search_results, las páginas que leyó el modelo. El 4 de noviembre, esto devolvió una probabilidad de sí superior a 0.99, con el registro de la nave espacial de la NASA como primer resultado.

Dirige el modelo a una página pasando su URL como 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?"
      }
    }
  }'

En la biblioteca de Python de Perplexity, pasa mode en el cuerpo de la solicitud:

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)

Cada búsqueda completada cuesta 0.001 USD, además de los tokens de entrada. La evidencia de búsqueda cuenta como tokens de entrada. Una solicitud que usa Web Grounding puede incluir hasta 100 preguntas.

Para comenzar, explora la documentación de web grounding.

Cómo funciona un modelo de decisión

Cómo funciona la fundamentación web

Pruebas de la fundamentación web

PWS-Decisions

Lo que pueden crear los desarrolladores

Comienza