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.

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

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

En PWS-Decisions, un benchmark público con 100 preguntas que dependen de datos actuales de la web, la precisión aumentó del 51 % al 86 %, con respuestas que suelen tardar 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) junto con una o varias 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 el usuario y lo que aprendió durante el entrenamiento. Eso basta para una pregunta como «¿Esta reseña informa de un defecto?». No basta para responder a «¿Sigue siendo esta persona el CEO?». La respuesta puede haber cambiado después del entrenamiento y nada en el state lo indica. La fundamentación web añade una tercera fuente: la web, consultada en el momento de la solicitud. El state también puede ser una URL, de modo que el 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 añade las evidencias 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 con cualquier otra solicitud de la Decisions API. Si una búsqueda falla o se agota el tiempo de espera, el modelo responde con las evidencias que se hayan recibido. 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 son las evidencias de las que dispone 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 repartían entre noticias de octubre de 2026 y datos poco conocidos de Wikipedia, y cada afirmación verdadera tenía una gemela falsa que difería en un solo detalle. No se proporcionó ninguna evidencia en el state.

Sin Web Grounding, la Decisions API respondió correctamente al 56,4 % de las afirmaciones, un resultado cercano al azar. Con Web Grounding, acertó el 97,3 %, lo que redujo los errores de 143 a 9. La contrapartida es la velocidad: la latencia mediana pasó 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 la elegibilidad de cuentas, las capacidades de productos, las reglas de las políticas y los acontecimientos que evolucionan rápidamente. Hay 100 preguntas públicas, que se puntúan 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 a 86. Los demás resultados que se muestran a continuación proceden de la clasificación publicada por los autores del benchmark. Su 51 % para la Decisions API sin Web Grounding coincide con nuestra propia ejecución.

Las solicitudes a la Decisions API + Web Grounding respondieron en 370 ms de mediana y en 685 ms en el percentil 95, según mediciones desde nuestro cliente con las 100 preguntas públicas. Los autores del benchmark indican 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 clasificación publicada, la Decisions API + Web Grounding obtiene la mayor precisión en el conjunto público y una mediana de respuesta inferior a 400 ms.

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

Cualificar cuentas según noticias recientes. «¿Ha obtenido financiación en los últimos 90 días?», aplicado a toda una lista de cuentas.
Supervisar las herramientas de las que dependes. «¿Hay alguna versión estable más reciente que la que tenemos fijada?», revisado de forma periódica.
Confirmar antes de que un agente actúe. «¿Sigue en pie este evento?», comprobado antes de hacer la reserva.

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

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

Contrasta una afirmación con 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 añade search_results, las páginas que leyó el modelo. El 4 de noviembre, esta solicitud 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 $, además de los tokens de entrada. Las evidencias de búsqueda cuentan como tokens de entrada. Una solicitud que use Web Grounding puede incluir hasta 100 preguntas.

Empieza consultando 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

Primeros pasos