Привязка к веб-данным для Decisions API

ИИ-модели принятия решений работают быстро и экономично, но знают только то, что им отправляют пользователи, и то, чему они научились в ходе обучения. Для вопросов об изменчивых фактах — например, остается ли человек генеральным директором компании или вышла ли новая версия продукта — модели нужна актуальная информация, чтобы ответить точно.

С сегодняшнего дня Decisions API от Perplexity может искать информацию в интернете, прежде чем дать ответ.

Добавьте один параметр — "mode": "web_grounding" — в любой запрос к Decisions API, и Perplexity Fast Search выполнит по одному поисковому запросу для каждого вопроса. Результаты добавляются в ваш state в качестве сведений, поэтому модель принятия решений возвращает вероятности с учетом того, что есть в интернете прямо сейчас. В state также можно передать URL-адрес, чтобы направить модель на конкретную веб-страницу, а не вводить ее текст.

На PWS-Decisions — публичном бенчмарке из 100 вопросов, ответы на которые зависят от актуальных фактов из интернета, — точность выросла с 51 % до 86 %, а типичное время ответа составило менее 400 мс.

Модель принятия решений возвращает число в качестве ответа на каждый вопрос. Пользователи отправляют контент в поле state (текст, JSON или изображения) вместе с одним или несколькими вопросами. Для вопроса типа noul (да или нет) результатом является вероятность ответа «да». Для вопроса типа choice результат — вероятность для каждого варианта, заданного пользователем. Для вопроса типа score результат — вероятность для каждого уровня вашей шкалы оценивания и ожидаемая оценка.

У модели есть два источника информации: state, который отправляет пользователь, и то, чему она научилась в ходе обучения. Этого достаточно для вопроса вроде «Сообщается ли в этом отзыве о дефекте?». Но этого недостаточно, чтобы ответить на вопрос «Этот человек всё ещё генеральный директор?». Ответ мог измениться после обучения, а в state об этом ничего не сказано. Привязка к веб-данным добавляет третий источник — интернет, поиск по которому выполняется в момент запроса. В state также можно передать URL-адрес, чтобы пользователь мог направить модель на веб-страницу вместо текста.

Web Grounding работает в API-шлюзе до вызова модели. Для каждого вопроса в запросе шлюз формирует запрос к Fast Search. Запросы выполняются параллельно. Шлюз объединяет результаты, удаляет повторяющиеся URL и добавляет найденные данные в state: заголовок, URL и текст страницы. Если state — это URL, поисковый запрос содержит этот URL, поэтому в качестве данных возвращается сама страница, и модель отвечает на основе её текста. Модель возвращает вероятности так же, как и для любого другого запроса к Decisions API. Если поиск завершается ошибкой или по тайм-ауту, модель отвечает на основе тех данных, которые удалось получить. Ответ включает search_results, чтобы пользователь мог увидеть, на что опиралась модель. Запрос пользователя и структура ответа остаются прежними. Меняются лишь данные, которыми располагает модель, когда отвечает.

Мы дважды отправили 328 утверждений формата «верно или неверно» одной и той же модели принятия решений: один раз с привязкой к веб-данным и один раз без нее. Утверждения были поделены между новостями за октябрь 2026 года и редкими фактами из Википедии, и у каждого верного утверждения был ложный двойник, отличавшийся одной деталью. Никаких сведений в state не передавалось.

Без Web Grounding Decisions API правильно отвечал на 56,4 % утверждений — почти как при случайном угадывании. С Web Grounding доля правильных ответов выросла до 97,3 %, а число ошибок сократилось со 143 до 9. Платой за это стала скорость: медианная задержка выросла со 139 мс до 366 мс, а задержка 95-го процентиля — с 514 мс до 742 мс.

PWS-Decisions — это открытый бенчмарк из вопросов с закрытым ответом о соответствии аккаунтов требованиям, возможностях продуктов, правилах политик и быстро меняющихся событиях. 100 вопросов находятся в открытом доступе и оцениваются по точному совпадению с эталонным ответом. Мы прогнали их через Decisions API + Web Grounding (pplx-decider-v1.2) 4 ноября 2026 г., и система правильно ответила на 86 из них. Остальные результаты ниже взяты из опубликованного рейтинга авторов бенчмарка. Их результат 51 % для Decisions API без Web Grounding совпадает с результатом нашего собственного прогона.

Запросы к Decisions API + Web Grounding выполнялись за 370 мс по медиане и за 685 мс на 95-м процентиле (замеры с нашего клиента на 100 публичных вопросах). Авторы бенчмарка сообщают о 560 мс и 710 мс для своего API на полном наборе из 300 вопросов (замеры с их клиента 29 октября 2026 г.). В сравнении с опубликованным рейтингом Decisions API + Web Grounding показывает самую высокую точность на публичном наборе при медианном времени ответа менее 400 мс.

Включите привязку к веб-данным, чтобы отвечать на вопросы, на которые сами данные ответить не могут: когда факты изменились после обучения, а в интернете опубликована новая информация. Несколько примеров:

Квалифицируйте аккаунты по свежим новостям. «Привлекали ли финансирование за последние 90 дней?» — по всему списку аккаунтов.
Отслеживайте инструменты, от которых вы зависите. «Есть ли стабильный релиз новее нашей зафиксированной версии?» — проверяется по расписанию.
Подтверждайте, прежде чем агент начнёт действовать. «Мероприятие всё ещё в силе?» — агент проверит это перед бронированием.

Каждый ответ — это вероятность, на основе которой может действовать код разработчика, вместе с веб-источниками, на которые она опирается.

Добавьте "mode": "web_grounding" в любой запрос к Decisions API. В качестве state можно передать текст, например утверждение или запись, либо URL.

Проверьте утверждение по данным из интернета:

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?"
      }
    }
  }'

В ответ добавляется поле search_results — страницы, которые прочитала модель. 4 ноября этот запрос вернул вероятность ответа «да» выше 0,99, а первым результатом стала запись NASA о космическом аппарате.

Чтобы направить модель на конкретную страницу, передайте её URL в качестве 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?"
      }
    }
  }'

В Python-библиотеке Perplexity передайте mode в теле запроса:

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)

Каждый выполненный поиск стоит 0,001 $ сверх стоимости входных токенов. Найденные данные учитываются как входные токены. Запрос с Web Grounding может содержать до 100 вопросов.

Начните с изучения документации по Web Grounding.

Как работает модель принятия решений

Как работает привязка к веб-данным

Тестирование привязки к веб-данным

PWS-Decisions

Что могут создавать разработчики

Начало работы