Search API: Melhor extração, benchmarks dinâmicos

A qualidade do snippet da nossa Search API foi otimizada em duas dimensões: relevância e tamanho.

Em setembro, publicamos uma visão geral técnica da arquitetura da API de Pesquisa da Perplexity e lançamos o search_evals, nossa estrutura de avaliação de código aberto para realizar benchmarking de APIs de pesquisa em fluxos de trabalho de agentes. Desde então, o investimento mais significativo foi em qualidade de snippets, otimizada em duas dimensões: relevância e tamanho. Retornar o conteúdo certo na quantidade certa determina diretamente a precisão das respostas subsequentes e a eficiência de tokens. O trabalho para alcançar isso envolveu a criação de novos sistemas para extração, rotulagem em nível de trecho (span) e avaliação, notadamente um pipeline de rotulagem de trechos que identifica quais segmentos de um documento de origem respondem a uma determinada consulta.

Avaliando snippets no nível de trecho

Para melhorar os snippets sistematicamente, projetamos um novo sistema de avaliação. Para uma determinada consulta e documento, o sistema identifica e rotula trechos dentro do documento conforme sua relação com a consulta: trechos "vitais" que devem ser incluídos no snippet, várias classes de trechos "irrelevantes" que devem ser excluídos, duplicatas e outras categorias. Essa rotulagem em nível de trecho nos permite avaliar a qualidade do snippet com um nível de precisão que não era possível anteriormente, medindo tanto o que foi incluído corretamente quanto o que foi omitido corretamente.

Na prática, essas melhorias nos permitem gerar snippets menores que são mais relevantes para a consulta. Nosso pipeline de compreensão de conteúdo de autoaperfeiçoamento agora lida com uma gama mais ampla de formatos de dados estruturados, incluindo tabelas, listas aninhadas e conteúdo renderizado dinamicamente que conjuntos de regras anteriores falhavam em analisar de forma confiável.

Essas melhorias surgiram de nossos próprios sistemas de produção. À medida que nossa pesquisa interna impulsionou a relevância e o dimensionamento dos snippets, avaliações internas revelaram que orçamentos de conteúdo menores produziam, na verdade, resultados mais precisos após uma série de melhorias de qualidade. Fizemos algumas modificações em nossas configurações padrão para refletir nossas descobertas, reduzindo o tamanho da carga útil de resposta e a latência, ao mesmo tempo em que entregamos conteúdo mais útil por resultado. Para desenvolvedores, snippets menores e mais relevantes traduzem-se diretamente em menores custos de tokens e melhor gerenciamento de contexto para LLMs subsequentes.

SEAL: benchmarking de recuperação sensível ao tempo

O benchmark SEAL testa se um sistema de recuperação pode responder a perguntas cuja resposta correta muda com o tempo. Responder de forma confiável requer frescor de índice em tempo real, extração de snippet mais inteligente de várias fontes de dados atualizadas continuamente e análise que possa identificar o valor atual em vez de um histórico.

Quando executamos o search_evals contra a versão SEAL de 22 de fevereiro usando o Claude Sonnet 4.5, as pontuações da Perplexity aumentaram, enquanto outros provedores diminuíram no SEAL-Hard:

Estendemos nossa estrutura search_evals para incluir o SEAL junto com os benchmarks relatados em nossa publicação de setembro. Resultados atualizados e metodologia estão disponíveis no repositório atualizado no GitHub.

Suporte a múltiplas consultas

A API agora suporta até 5 consultas em uma única solicitação. Os resultados são retornados agrupados por consulta na mesma ordem em que foram enviados. Isso reduz as viagens de ida e volta para aplicativos que precisam realizar pesquisas relacionadas em paralelo, como agentes que decompõem uma pergunta complexa em múltiplas subtarefas de recuperação.

Filtragem expandida

Além da filtragem de domínio (lista de permissões e lista de bloqueios, até 20 domínios) e filtragem de recência, a API agora suporta filtragem de idioma por código ISO 639-1 e pesquisa regional por código de país ISO. Eles podem ser combinados para definir o escopo dos resultados com precisão, por exemplo, restringindo a resultados em inglês de domínios alemães.

SDK e disponibilidade

O Python SDK (pip install perplexityai) agora fornece suporte nativo para a Search API, além da Agent API e da Sonar API.

A documentação completa está em docs.perplexity.ai