Web grounding per la Decisions API

I modelli decisionali di IA sono veloci ed economici, ma conoscono solo ciò che gli utenti inviano loro e ciò che hanno appreso durante l’addestramento. Per domande su fatti che cambiano, ad esempio se una persona è ancora il CEO di un’azienda o se un prodotto ha una nuova versione, un modello ha bisogno di informazioni aggiornate per rispondere con precisione.

Da oggi, la Decisions API di Perplexity può cercare sul web prima di rispondere.

Aggiungi un’impostazione, "mode": "web_grounding", a qualsiasi richiesta alla Decisions API e Perplexity Fast Search esegue una query per ogni domanda. I risultati vengono aggiunti al tuo state come evidenze, così il modello decisionale restituisce probabilità basate su ciò che si trova sul web in questo momento. Lo state può anche essere un URL, per indirizzare il modello a una pagina web specifica invece di inserirne il testo.

Su PWS-Decisions, un benchmark pubblico con 100 domande che dipendono da fatti attuali presenti sul web, l’accuratezza è passata dal 51% all’86%, con tempi di risposta tipici inferiori a 400 ms.

Un modello decisionale restituisce un numero come risposta a ogni domanda. Gli utenti inviano contenuti come state (testo, JSON o immagini) insieme a una o più domande. Per una domanda noul (sì o no), il risultato è la probabilità del sì. Per una domanda choice, il risultato è una probabilità per ciascuna opzione definita dall’utente. Per una domanda score, il risultato è una probabilità per ciascun livello della tua griglia di valutazione e il punteggio atteso.

Il modello ha due fonti di informazione: lo state inviato dall’utente e ciò che ha appreso durante l’addestramento. Questo basta per una domanda come «Questa recensione segnala un difetto?», ma non basta per rispondere a «Questa persona è ancora il CEO?». La risposta potrebbe essere cambiata dopo l’addestramento e nulla nello state lo indica. Il web grounding aggiunge una terza fonte: il web, consultato al momento della richiesta. Lo state può anche essere un URL, così l’utente può indirizzare il modello a una pagina web invece che a un testo.

Il grounding viene eseguito nel gateway API prima della chiamata al modello. Per ogni domanda di una richiesta, il gateway crea una query di Fast Search. Le query vengono eseguite in parallelo. Il gateway unisce i risultati, elimina gli URL duplicati e aggiunge le prove allo state: titolo, URL e testo della pagina. Se lo state è un URL, la query di ricerca include quell’URL, così la pagina stessa viene restituita come prova e il modello risponde in base al suo testo. Il modello restituisce le probabilità esattamente come farebbe per qualsiasi richiesta alla Decisions API. Se una ricerca non riesce o va in timeout, il modello risponde in base alle prove restituite. La risposta include search_results, così l’utente può vedere ciò che il modello ha visto. La richiesta dell’utente e la struttura della risposta restano invariate. Ciò che cambia sono le prove a disposizione del modello quando risponde.

Abbiamo inviato 328 affermazioni vero/falso allo stesso modello decisionale due volte, una con il web grounding e una senza. Le affermazioni erano suddivise tra notizie di ottobre 2026 e fatti poco noti tratti da Wikipedia, e ogni affermazione vera aveva una controparte falsa che differiva per un solo dettaglio. Nello state non è stata fornita alcuna evidenza.

Senza web grounding, la Decisions API ha risposto correttamente al 56,4 percento delle affermazioni, un risultato vicino a quello di una risposta casuale. Con il web grounding, ha risposto correttamente al 97,3%, riducendo gli errori da 143 a 9. Il compromesso è la velocità: la latenza mediana è salita da 139 ms a 366 ms e la latenza al 95° percentile da 514 ms a 742 ms.

PWS-Decisions è un benchmark pubblico di domande a risposta chiusa su idoneità degli account, funzionalità dei prodotti, regole delle policy ed eventi in rapida evoluzione. Sono pubbliche 100 domande, valutate tramite corrispondenza esatta con una risposta di riferimento. Le abbiamo eseguite sulla Decisions API + Web Grounding (pplx-decider-v1.2) il 4 novembre 2026 e l’API ha risposto correttamente a 86 domande. Gli altri risultati riportati di seguito provengono dalla classifica pubblicata dagli autori del benchmark. Il loro 51% per la Decisions API senza Web Grounding corrisponde al risultato della nostra esecuzione.

Le richieste a Decisions API + Web Grounding hanno ottenuto risposta in 370 ms in mediana e in 685 ms al 95° percentile, misurati dal nostro client sulle 100 domande pubbliche. Gli autori del benchmark riportano 560 ms e 710 ms per la loro API sull’intero set di 300 domande, misurati dal loro client il 29 ottobre 2026. Rispetto alla classifica pubblicata, Decisions API + Web Grounding ottiene l’accuratezza più alta sul set pubblico e un tempo di risposta mediano inferiore a 400 ms.

Attiva il web grounding per rispondere alle domande a cui i dati non sanno rispondere: quando i fatti sono cambiati dopo l’addestramento e sul web sono state pubblicate nuove informazioni. Alcuni esempi:

Qualifica gli account in base alle notizie recenti. «Ha raccolto finanziamenti negli ultimi 90 giorni?» su un intero elenco di account.
Monitora gli strumenti da cui dipendi. «Esiste una release stabile più recente della versione che abbiamo fissato?», verificato a intervalli programmati.
Conferma prima che un agente agisca. «Questo evento si terrà ancora?», verificato prima di prenotare.

Ogni risposta è una probabilità su cui il codice di uno sviluppatore può agire, accompagnata dalle fonti web su cui si basa.

Aggiungi "mode": "web_grounding" a qualsiasi richiesta alla Decisions API. Lo state può essere un testo, come un’affermazione o un record, oppure un URL.

Verifica un’affermazione sul 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 risposta aggiunge search_results, ovvero le pagine lette dal modello. Il 4 novembre, questa richiesta ha restituito una probabilità di sì superiore a 0,99, con la scheda del veicolo spaziale della NASA come primo risultato.

Indirizza il modello a una pagina passando il suo URL come 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?"
      }
    }
  }'

Nella libreria Python di Perplexity, passa mode nel corpo della richiesta:

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)

Ogni ricerca completata costa 0,001 $ in aggiunta ai token di input. Le prove raccolte dalla ricerca vengono conteggiate nei token di input. Una richiesta che usa Web Grounding può includere fino a 100 domande.

Inizia consultando la documentazione sul web grounding.

Come funziona un modello decisionale

Come funziona il web grounding

Test del web grounding

PWS-Decisions

Cosa possono creare gli sviluppatori

Inizia