Web Grounding para a Decisions API

Os modelos de decisão de IA são rápidos e econômicos, mas só sabem o que os usuários enviam a eles e o que aprenderam no treinamento. Para perguntas sobre fatos que mudam, como se alguém ainda é o CEO de uma empresa ou se um produto tem um novo lançamento, o modelo precisa de informações atualizadas para responder com precisão.

A partir de hoje, a Decisions API da Perplexity pode pesquisar na web antes de responder.

Adicione uma configuração, "mode": "web_grounding", a qualquer solicitação da Decisions API, e o Perplexity Fast Search executa uma consulta para cada pergunta. Os resultados são adicionados ao seu state como evidências, para que o modelo de decisão retorne probabilidades embasadas no que está na web neste momento. O state também pode ser uma URL para direcionar o modelo a uma página da web específica, em vez de inserir o texto dela.

No PWS-Decisions, um benchmark público com 100 perguntas que dependem de fatos atuais da web, a precisão subiu de 51% para 86%, com respostas típicas em menos de 400 ms.

Um modelo de decisão retorna um número como resposta para cada pergunta. Os usuários enviam conteúdo como state (texto, JSON ou imagens) com uma ou mais perguntas. Para uma pergunta noul (sim ou não), o resultado é a probabilidade de sim. Para uma pergunta choice, o resultado é uma probabilidade para cada opção definida pelo usuário. Para uma pergunta score, o resultado é uma probabilidade para cada nível da sua rubrica e a pontuação esperada.

O modelo tem duas fontes de informação: o state que o usuário envia e o que ele aprendeu no treinamento. Isso é suficiente para uma pergunta como "Esta avaliação relata um defeito?" Não é suficiente para responder "Esta pessoa ainda é o CEO?" A resposta pode ter mudado após o treinamento, e nada no state indica isso. O Web Grounding adiciona uma terceira fonte: a web, pesquisada no momento da solicitação. O state também pode ser uma URL, para que o usuário possa direcionar o modelo a uma página da web em vez de texto.

O grounding é executado no gateway da API antes da chamada ao modelo. Para cada pergunta de uma solicitação, o gateway cria uma consulta do Fast Search. As consultas são executadas em paralelo. O gateway mescla os resultados, remove URLs duplicadas e anexa as evidências ao state: título, URL e texto da página. Se o state for uma URL, a consulta de pesquisa leva essa URL, de modo que a própria página retorna como evidência e o modelo responde com base no texto dela. O modelo retorna probabilidades da mesma forma que faria em qualquer solicitação à Decisions API. Se uma pesquisa falhar ou expirar, o modelo responde com base nas evidências que tiverem retornado. A resposta inclui search_results para que o usuário possa ver o que o modelo viu. A solicitação do usuário e o formato da resposta continuam os mesmos. O que muda são as evidências de que o modelo dispõe ao responder.

Enviamos 328 afirmações de verdadeiro ou falso ao mesmo modelo de decisão duas vezes, uma com Web Grounding e outra sem. As afirmações foram divididas entre notícias de outubro de 2026 e fatos raros da Wikipédia, e cada afirmação verdadeira tinha uma gêmea falsa que diferia em um detalhe. Nenhuma evidência foi fornecida no state.

Sem web grounding, a Decisions API respondeu corretamente a 56,4% das afirmações, um resultado próximo do acaso. Com web grounding, acertou 97,3%, reduzindo os erros de 143 para 9. A contrapartida é a velocidade: a latência mediana subiu de 139 ms para 366 ms, e a latência no percentil 95, de 514 ms para 742 ms.

O PWS-Decisions é um benchmark público de perguntas fechadas sobre qualificação de contas, recursos de produtos, regras de políticas e eventos que mudam rapidamente. Há 100 perguntas públicas, avaliadas por correspondência exata com uma resposta de referência. Nós as executamos na Decisions API + Web Grounding (pplx-decider-v1.2) em 4 de novembro de 2026, e ela acertou 86. Os demais resultados abaixo vêm do ranking publicado pelos autores do benchmark. Os 51% que eles registraram para a Decisions API sem Web Grounding coincidem com a nossa própria execução.

As solicitações da Decisions API + Web Grounding retornaram em 370 ms na mediana e em 685 ms no percentil 95, medidos a partir do nosso cliente nas 100 perguntas públicas. Os autores do benchmark relatam 560 ms e 710 ms para a API deles no conjunto completo de 300 perguntas, medidos a partir do cliente deles em 29 de outubro de 2026. Em comparação com o ranking publicado, a Decisions API + Web Grounding tem a maior precisão no conjunto público e uma resposta mediana abaixo de 400 ms.

Ative o Web Grounding para responder a perguntas que os dados não conseguem responder: quando os fatos mudaram após o treinamento e há novas informações publicadas na web. Alguns exemplos:

Qualifique contas com base em notícias recentes. "Captou investimento nos últimos 90 dias?" em uma lista inteira de contas.
Acompanhe as ferramentas das quais você depende. "Existe uma versão estável mais recente do que a versão fixada que usamos?", verificado periodicamente.
Confirme antes que um agente aja. "Este evento ainda está confirmado?", verificado antes de fazer a reserva.

Cada resposta é uma probabilidade com base na qual o código de um desenvolvedor pode agir, acompanhada das fontes da web que a embasam.

Adicione "mode": "web_grounding" a qualquer solicitação à Decisions API. O state pode ser um texto, como uma afirmação ou um registro, ou uma URL.

Verifique uma afirmação na 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?"
      }
    }
  }'

A resposta inclui search_results, as páginas que o modelo leu. Em 4 de novembro, essa solicitação retornou uma probabilidade de "sim" acima de 0,99, com o registro da espaçonave da NASA como primeiro resultado.

Direcione o modelo para uma página passando a URL dela 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?"
      }
    }
  }'

Na biblioteca Python da Perplexity, passe mode no corpo da solicitação:

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 pesquisa concluída custa US$ 0,001, além dos tokens de entrada. As evidências da pesquisa contam como tokens de entrada. Uma solicitação com Web Grounding pode incluir até 100 perguntas.

Comece explorando a documentação de web grounding.

Como um modelo de decisão funciona

Como o Web Grounding funciona

Testando o Web Grounding

PWS-Decisions

O que os desenvolvedores podem criar

Primeiros passos