Decisions API साठी वेब ग्राउंडिंग

AI डिसिजन मॉडेल्स जलद आणि किफायतशीर असतात, पण वापरकर्ते त्यांना जे पाठवतात आणि त्यांनी प्रशिक्षणात जे शिकले, एवढेच त्यांना माहीत असते. बदलणाऱ्या तथ्यांविषयीच्या प्रश्नांसाठी, जसे की एखादी व्यक्ती अजूनही कंपनीची CEO आहे का किंवा एखाद्या उत्पादनाची नवीन आवृत्ती आली आहे का, अचूक उत्तर देण्यासाठी मॉडेलला अद्ययावत माहितीची आवश्यकता असते.

आजपासून, Perplexity चे Decisions API उत्तर देण्यापूर्वी वेबवर शोध घेऊ शकते.

"mode": "web_grounding" ही एक सेटिंग कोणत्याही Decisions API विनंतीमध्ये जोडा, आणि Perplexity Fast Search प्रत्येक प्रश्नासाठी एक क्वेरी चालवते. परिणाम तुमच्या state मध्ये पुरावा म्हणून जोडले जातात, त्यामुळे डिसिजन मॉडेल आत्ता वेबवर जे उपलब्ध आहे त्यावर आधारित संभाव्यता परत करते. मॉडेलला एखाद्या विशिष्ट वेब पृष्ठाकडे निर्देशित करण्यासाठी, पृष्ठाचा मजकूर टाकण्याऐवजी state म्हणून URL देखील देता येतो.

सध्याच्या वेब तथ्यांवर अवलंबून असलेल्या 100 प्रश्नांच्या PWS-Decisions या सार्वजनिक बेंचमार्कवर, अचूकता 51% वरून 86% पर्यंत वाढली, आणि सामान्यतः प्रतिसाद 400 ms पेक्षा कमी वेळेत मिळाले.

डिसिजन मॉडेल प्रत्येक प्रश्नाचे उत्तर म्हणून एक संख्या परत करते. वापरकर्ते एक किंवा अधिक प्रश्नांसह state म्हणून सामग्री (मजकूर, JSON किंवा प्रतिमा) पाठवतात. noul प्रश्नासाठी (होय किंवा नाही), परिणाम म्हणजे उत्तर होय असण्याची संभाव्यता. choice प्रश्नासाठी, परिणाम म्हणजे वापरकर्त्याने निश्चित केलेल्या प्रत्येक पर्यायाची संभाव्यता. score प्रश्नासाठी, परिणाम म्हणजे तुमच्या रुब्रिकच्या प्रत्येक स्तराची संभाव्यता आणि अपेक्षित स्कोअर.

मॉडेलकडे माहितीचे दोन स्रोत असतात: वापरकर्ता पाठवतो ते state आणि त्याने प्रशिक्षणात जे शिकले ते. "हे पुनरावलोकन एखाद्या दोषाची नोंद करते का?" यासारख्या प्रश्नासाठी ते पुरेसे आहे. पण "ही व्यक्ती अजूनही CEO आहे का?" याचे उत्तर देण्यासाठी ते पुरेसे नाही. प्रशिक्षणानंतर उत्तर बदललेले असू शकते, आणि state मध्ये तसे काहीही नमूद केलेले नसते. वेब ग्राउंडिंग तिसरा स्रोत जोडते: विनंतीच्या वेळी शोधलेले वेब. state हा URL देखील असू शकतो, त्यामुळे वापरकर्ता मजकुराऐवजी मॉडेलला एखाद्या वेब पृष्ठाकडे निर्देशित करू शकतो.

ग्राउंडिंग मॉडेल कॉलपूर्वी API गेटवेमध्ये चालते. विनंतीमधील प्रत्येक प्रश्नासाठी गेटवे एक Fast Search क्वेरी तयार करतो. या क्वेरी समांतरपणे चालतात. गेटवे निकाल एकत्र करतो, डुप्लिकेट URL काढून टाकतो आणि पुरावा state मध्ये जोडतो: शीर्षक, URL आणि पृष्ठावरील मजकूर. state एक URL असल्यास शोध क्वेरीमध्ये ती URL समाविष्ट असते, त्यामुळे ते पृष्ठच पुरावा म्हणून परत येते आणि मॉडेल त्याच्या मजकुराच्या आधारे उत्तर देते. Decisions API च्या इतर कोणत्याही विनंतीप्रमाणेच मॉडेल संभाव्यता परत करते. शोध अयशस्वी झाल्यास किंवा त्याची वेळ संपल्यास, जो काही पुरावा परत आला असेल त्याच्या आधारे मॉडेल उत्तर देते. प्रतिसादात search_results समाविष्ट असतात, जेणेकरून मॉडेलने काय पाहिले ते वापरकर्त्याला पाहता येते. वापरकर्त्याची विनंती आणि प्रतिसादाचे स्वरूप तसेच राहते. बदलतो तो म्हणजे उत्तर देताना मॉडेलकडे उपलब्ध असलेला पुरावा.

आम्ही एकाच डिसिजन मॉडेलला 328 खरे-किंवा-खोटे दावे दोनदा पाठवले: एकदा वेब ग्राउंडिंगसह आणि एकदा त्याशिवाय. हे दावे ऑक्टोबर 2026 मधील बातम्या आणि Wikipedia मधील दुर्मीळ तथ्ये यांमध्ये विभागलेले होते, आणि प्रत्येक खऱ्या दाव्याला एक खोटे जुळे होते, जे केवळ एका तपशिलात वेगळे होते. state मध्ये कोणताही पुरावा दिलेला नव्हता.

वेब ग्राउंडिंगशिवाय Decisions API ने 56.4 टक्के दाव्यांची उत्तरे अचूक दिली, जे अंदाजाने उत्तर देण्याच्या जवळपास आहे. वेब ग्राउंडिंगसह त्याने 97.3% उत्तरे अचूक दिली, ज्यामुळे चुका 143 वरून 9 पर्यंत कमी झाल्या. याची किंमत वेगाच्या रूपात मोजावी लागते: मीडियन लेटन्सी 139 ms वरून 366 ms पर्यंत वाढली, आणि 95व्या पर्सेंटाइलची लेटन्सी 514 ms वरून 742 ms पर्यंत वाढली.

PWS-Decisions हा खाते पात्रता, उत्पादन क्षमता, धोरण नियम आणि वेगाने बदलणाऱ्या घटनांविषयीच्या ठरावीक उत्तरे असलेल्या (closed-ended) प्रश्नांचा एक सार्वजनिक बेंचमार्क आहे. 100 प्रश्न सार्वजनिक आहेत आणि संदर्भ उत्तराशी तंतोतंत जुळणीच्या आधारे त्यांचे गुणांकन केले जाते. आम्ही 4 नोव्हेंबर 2026 रोजी हे प्रश्न Decisions API + Web Grounding (pplx-decider-v1.2) वर चालवले, आणि त्याने 86 प्रश्नांची अचूक उत्तरे दिली. खालील इतर निकाल बेंचमार्कच्या लेखकांनी प्रकाशित केलेल्या लीडरबोर्डमधील आहेत. Web Grounding शिवाय Decisions API साठी त्यांनी नोंदवलेले 51% आमच्या स्वतःच्या रनशी जुळतात.

आमच्या क्लायंटवरून 100 सार्वजनिक प्रश्नांवर मोजले असता, Decisions API + Web Grounding विनंत्यांना मध्यक (median) 370 ms आणि 95व्या पर्सेंटाइलला 685 ms इतका प्रतिसाद वेळ लागला. बेंचमार्कच्या लेखकांनी 29 ऑक्टोबर 2026 रोजी त्यांच्या क्लायंटवरून संपूर्ण 300 प्रश्नांच्या संचावर मोजलेले, त्यांच्या API साठी 560 ms आणि 710 ms असे निकाल नोंदवले आहेत. प्रकाशित लीडरबोर्डच्या तुलनेत, Decisions API + Web Grounding ची सार्वजनिक संचावरील अचूकता सर्वाधिक आहे आणि त्याचा मध्यक प्रतिसाद वेळ 400 ms पेक्षा कमी आहे.

डेटा ज्या प्रश्नांची उत्तरे देऊ शकत नाही, त्यांची उत्तरे देण्यासाठी वेब ग्राउंडिंग सक्षम करा: जेव्हा प्रशिक्षणानंतर तथ्ये बदललेली असतात आणि वेबवर नवीन माहिती प्रकाशित झालेली असते. काही उदाहरणे:

अलीकडील बातम्यांच्या आधारे खाती पात्र ठरवा. संपूर्ण खाते सूचीसाठी "गेल्या 90 दिवसांत निधी उभारला आहे का?" हे तपासले जाते.
तुम्ही ज्या टूल्सवर अवलंबून आहात त्यांचा मागोवा घ्या. "आम्ही पिन केलेल्या आवृत्तीपेक्षा नवीन स्थिर रिलीज उपलब्ध आहे का?" याचे वेळापत्रकानुसार पुनरावलोकन केले जाते.
एजंट कृती करण्यापूर्वी खात्री करा. बुकिंग करण्यापूर्वी "हा कार्यक्रम अजूनही होणार आहे का?" हे तपासले जाते.

प्रत्येक उत्तर ही एक संभाव्यता असते, ज्यावर डेव्हलपरचा कोड कृती करू शकतो, आणि त्यासोबत त्यामागील वेब स्रोतही दिलेले असतात.

Decisions API च्या कोणत्याही विनंतीमध्ये "mode": "web_grounding" जोडा. state हा मजकूर असू शकतो, जसे की एखादा दावा किंवा रेकॉर्ड, किंवा एक URL.

वेबच्या आधारे एखादा दावा तपासा:

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?"
      }
    }
  }'

प्रतिसादामध्ये search_results जोडले जातात, म्हणजेच मॉडेलने वाचलेली पृष्ठे. 4 नोव्हेंबर रोजी याने “होय”ची संभाव्यता 0.99 पेक्षा जास्त दिली, आणि पहिला निकाल नासाचा अंतराळयानविषयक रेकॉर्ड होता.

पृष्ठाची URL state म्हणून पास करून मॉडेलला त्या पृष्ठाकडे निर्देशित करा:

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?"
      }
    }
  }'

Perplexity Python लायब्ररीमध्ये, विनंतीच्या बॉडीमध्ये mode पास करा:

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)

प्रत्येक पूर्ण झालेल्या शोधासाठी इनपुट टोकनव्यतिरिक्त $0.001 शुल्क लागते. शोधातून मिळालेला पुरावा इनपुट टोकनमध्ये मोजला जातो. Web Grounding वापरणाऱ्या विनंतीमध्ये जास्तीत जास्त 100 प्रश्न समाविष्ट असू शकतात.

वेब ग्राउंडिंग दस्तऐवज पाहून सुरुवात करा.

डिसिजन मॉडेल कसे कार्य करते

वेब ग्राउंडिंग कसे कार्य करते

वेब ग्राउंडिंगची चाचणी

PWS-Decisions

डेव्हलपर काय तयार करू शकतात

सुरुवात करा