Decisions API కోసం వెబ్ గ్రౌండింగ్

AI నిర్ణయ మోడల్‌లు వేగవంతమైనవి, తక్కువ ఖర్చుతో కూడినవి, కానీ వినియోగదారులు వాటికి పంపేది మరియు శిక్షణలో అవి నేర్చుకున్నది మాత్రమే వాటికి తెలుసు. ఎవరైనా ఇప్పటికీ ఒక కంపెనీకి CEOగా ఉన్నారా లేదా ఒక ఉత్పత్తికి కొత్త విడుదల వచ్చిందా వంటి మారుతున్న వాస్తవాల గురించిన ప్రశ్నలకు ఖచ్చితంగా సమాధానం ఇవ్వడానికి, మోడల్‌కు తాజా సమాచారం అవసరం.

ఈరోజు నుండి, Perplexity యొక్క Decisions API సమాధానం ఇవ్వడానికి ముందు వెబ్‌లో శోధించగలదు.

"mode": "web_grounding" అనే ఒక్క సెట్టింగ్‌ను ఏదైనా Decisions API అభ్యర్థనకు జోడించండి, అప్పుడు Perplexity Fast Search ప్రతి ప్రశ్నకు ఒక క్వెరీని రన్ చేస్తుంది. ఫలితాలు సాక్ష్యంగా మీ స్టేట్‌కు జోడించబడతాయి, కాబట్టి నిర్ణయ మోడల్ ప్రస్తుతం వెబ్‌లో ఉన్న సమాచారం ఆధారంగా సంభావ్యతలను అందిస్తుంది. ఒక నిర్దిష్ట వెబ్ పేజీ టెక్స్ట్‌ను నమోదు చేయడానికి బదులుగా మోడల్‌ను ఆ పేజీ వైపు మళ్లించడానికి, స్టేట్ ఒక URL కూడా కావచ్చు.

ప్రస్తుత వెబ్ వాస్తవాలపై ఆధారపడే 100 ప్రశ్నలతో కూడిన పబ్లిక్ బెంచ్‌మార్క్ అయిన PWS-Decisionsలో, ఖచ్చితత్వం 51% నుండి 86%కి పెరిగింది, సాధారణ ప్రతిస్పందనలు 400 ms కంటే తక్కువ సమయంలో వచ్చాయి.

నిర్ణయ మోడల్ ప్రతి ప్రశ్నకు సమాధానంగా ఒక సంఖ్యను అందిస్తుంది. వినియోగదారులు కంటెంట్‌ను ఒకటి లేదా అంతకంటే ఎక్కువ ప్రశ్నలతో పాటు state (టెక్స్ట్, JSON లేదా చిత్రాలు)గా పంపుతారు. noul ప్రశ్నకు (అవును లేదా కాదు), ఫలితం 'అవును' అయ్యే సంభావ్యత. choice ప్రశ్నకు, వినియోగదారు నిర్వచించే ప్రతి ఆప్షన్‌కు ఒక సంభావ్యత ఫలితంగా వస్తుంది. score ప్రశ్నకు, మీ రూబ్రిక్‌లోని ప్రతి స్థాయికి ఒక సంభావ్యత మరియు అంచనా స్కోర్ ఫలితంగా వస్తాయి.

మోడల్‌కు రెండు సమాచార మూలాలు ఉంటాయి: వినియోగదారు పంపే స్టేట్ మరియు శిక్షణలో అది నేర్చుకున్నది. "ఈ రివ్యూ ఏదైనా లోపాన్ని నివేదిస్తుందా?" వంటి ప్రశ్నకు అది సరిపోతుంది. "ఈ వ్యక్తి ఇప్పటికీ CEOగా ఉన్నారా?" అనే ప్రశ్నకు సమాధానం ఇవ్వడానికి అది సరిపోదు. శిక్షణ తర్వాత సమాధానం మారి ఉండవచ్చు, మరియు స్టేట్‌లో ఏదీ ఆ విషయాన్ని చెప్పదు. వెబ్ గ్రౌండింగ్ మూడవ మూలాన్ని జోడిస్తుంది: అభ్యర్థన సమయంలో శోధించబడిన వెబ్. స్టేట్ ఒక URL కూడా కావచ్చు, కాబట్టి వినియోగదారు టెక్స్ట్‌కు బదులుగా మోడల్‌ను ఒక వెబ్ పేజీ వైపు మళ్లించవచ్చు.

గ్రౌండింగ్ మోడల్ కాల్‌కు ముందే API గేట్‌వేలో జరుగుతుంది. అభ్యర్థనలోని ప్రతి ప్రశ్నకు, గేట్‌వే ఒక Fast Search క్వెరీని రూపొందిస్తుంది. క్వెరీలు సమాంతరంగా నడుస్తాయి. గేట్‌వే ఫలితాలను విలీనం చేసి, నకిలీ URLలను తొలగించి, సాక్ష్యాన్ని stateకు జోడిస్తుంది: శీర్షిక, URL, పేజీ టెక్స్ట్. state ఒక URL అయితే, సెర్చ్ క్వెరీలో ఆ URL ఉంటుంది, కాబట్టి ఆ పేజీయే సాక్ష్యంగా తిరిగి వస్తుంది, మోడల్ దాని టెక్స్ట్ ఆధారంగా సమాధానం ఇస్తుంది. ఏ ఇతర Decisions API అభ్యర్థనకైనా ఇచ్చినట్లే మోడల్ సంభావ్యతలను అందిస్తుంది. ఏదైనా సెర్చ్ విఫలమైనా లేదా సమయం మించిపోయినా, తిరిగి వచ్చిన సాక్ష్యం ఏదైనా దాని ఆధారంగానే మోడల్ సమాధానం ఇస్తుంది. మోడల్ ఏమి చూసిందో వినియోగదారు చూడగలిగేలా ప్రతిస్పందనలో search_results ఉంటుంది. వినియోగదారు అభ్యర్థన, ప్రతిస్పందన స్వరూపం మారవు. మారేది మోడల్ సమాధానం ఇచ్చేటప్పుడు దాని వద్ద ఉండే సాక్ష్యం మాత్రమే.

మేము 328 నిజం-లేదా-అబద్ధం క్లెయిమ్‌లను ఒకే నిర్ణయ మోడల్‌కు రెండుసార్లు పంపాము, ఒకసారి వెబ్ గ్రౌండింగ్‌తో మరియు ఒకసారి అది లేకుండా. క్లెయిమ్‌లు అక్టోబర్ 2026 వార్తలు మరియు Wikipedia నుండి సేకరించిన అరుదైన వాస్తవాల మధ్య విభజించబడ్డాయి, మరియు ప్రతి నిజమైన క్లెయిమ్‌కు ఒకే ఒక వివరంలో తేడా ఉన్న అబద్ధపు జంట క్లెయిమ్ ఉంది. స్టేట్‌లో ఎలాంటి సాక్ష్యం అందించబడలేదు.

వెబ్ గ్రౌండింగ్ లేకుండా, Decisions API 56.4 శాతం క్లెయిమ్‌లకు సరిగ్గా సమాధానం ఇచ్చింది, ఇది దాదాపు ఊహించడంతో సమానం. వెబ్ గ్రౌండింగ్‌తో, ఇది 97.3% సరిగ్గా సమాధానం ఇచ్చింది, లోపాలను 143 నుండి 9కి తగ్గించింది. దీనికి మూల్యం వేగం: మధ్యస్థ లేటెన్సీ 139 ms నుండి 366 msకు, 95వ పర్సెంటైల్ లేటెన్సీ 514 ms నుండి 742 msకు పెరిగింది.

PWS-Decisions అనేది ఖాతా అర్హత, ఉత్పత్తి సామర్థ్యాలు, పాలసీ నియమాలు, వేగంగా మారే సంఘటనల గురించి క్లోజ్డ్-ఎండెడ్ ప్రశ్నలతో కూడిన పబ్లిక్ బెంచ్‌మార్క్. 100 ప్రశ్నలు పబ్లిక్‌గా అందుబాటులో ఉన్నాయి, వాటిని రిఫరెన్స్ సమాధానంతో ఖచ్చితమైన సరిపోలిక ఆధారంగా స్కోర్ చేస్తారు. మేము వాటిని నవంబర్ 4, 2026న Decisions API + Web Grounding (pplx-decider-v1.2) పై అమలు చేశాము, అది 86 ప్రశ్నలకు సరిగ్గా సమాధానం ఇచ్చింది. దిగువ ఉన్న ఇతర ఫలితాలు బెంచ్‌మార్క్ రచయితలు ప్రచురించిన లీడర్‌బోర్డ్ నుండి తీసుకున్నవి. Web Grounding లేని Decisions API కోసం వారు ప్రచురించిన 51%, మా స్వంత రన్ ఫలితంతో సరిపోలుతుంది.

100 పబ్లిక్ ప్రశ్నలపై మా క్లయింట్ నుండి కొలిచినప్పుడు, Decisions API + Web Grounding అభ్యర్థనలు మీడియన్‌లో 370 ms మరియు 95వ పర్సెంటైల్‌లో 685 msలో ప్రతిస్పందించాయి. బెంచ్‌మార్క్ రచయితలు పూర్తి 300-ప్రశ్నల సెట్‌పై తమ API కోసం 560 ms మరియు 710 ms నివేదించారు, వీటిని 29 అక్టోబర్ 2026న వారి క్లయింట్ నుండి కొలిచారు. ప్రచురించిన లీడర్‌బోర్డ్‌తో పోలిస్తే, Decisions API + Web Grounding అత్యధిక పబ్లిక్-సెట్ ఖచ్చితత్వాన్ని మరియు 400 ms కంటే తక్కువ మీడియన్ ప్రతిస్పందన సమయాన్ని కలిగి ఉంది.

డేటా సమాధానం ఇవ్వలేని ప్రశ్నలకు సమాధానం ఇవ్వడానికి వెబ్ గ్రౌండింగ్‌ను ప్రారంభించండి: శిక్షణ తర్వాత వాస్తవాలు మారినప్పుడు, మరియు వెబ్‌లో కొత్త సమాచారం ప్రచురించబడినప్పుడు. కొన్ని ఉదాహరణలు:

ఇటీవలి వార్తల ఆధారంగా ఖాతాల అర్హతను నిర్ధారించండి. మొత్తం ఖాతా జాబితా అంతటా "గత 90 రోజుల్లో నిధులు సేకరించిందా?"
మీరు ఆధారపడే టూల్స్‌ను ట్రాక్ చేయండి. "మేము పిన్ చేసిన వెర్షన్ కంటే కొత్త స్టేబుల్ విడుదల ఏదైనా ఉందా?" అని షెడ్యూల్ ప్రకారం సమీక్షించబడుతుంది.
ఏజెంట్ చర్య తీసుకునే ముందు నిర్ధారించండి. బుక్ చేసే ముందు "ఈ ఈవెంట్ ఇంకా జరుగుతుందా?" అని తనిఖీ చేయబడుతుంది.

ప్రతి సమాధానం డెవలపర్ కోడ్ దాని ఆధారంగా చర్య తీసుకోగల ఒక సంభావ్యత, దానితో పాటు దానికి ఆధారమైన వెబ్ మూలాలు కూడా ఉంటాయి.

ఏదైనా Decisions API అభ్యర్థనకు "mode": "web_grounding" జోడించండి. state అనేది ఒక క్లెయిమ్ లేదా రికార్డు వంటి టెక్స్ట్ కావచ్చు, లేదా ఒక URL కావచ్చు.

ఒక క్లెయిమ్‌ను వెబ్ ఆధారంగా ధృవీకరించండి:

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?"
      }
    }
  }'

ప్రతిస్పందనలో search_results కూడా జోడించబడుతుంది, అంటే మోడల్ చదివిన పేజీలు. నవంబర్ 4న, ఇది 'అవును' అనే సమాధానానికి 0.99 కంటే ఎక్కువ సంభావ్యతను అందించింది, మొదటి ఫలితంగా NASA అంతరిక్ష నౌక రికార్డు వచ్చింది.

ఒక పేజీ URLను stateగా పంపడం ద్వారా మోడల్‌ను ఆ పేజీ వైపు మళ్లించండి:

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 లైబ్రరీలో, అభ్యర్థన బాడీలో modeను పంపండి:

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)

ఇన్‌పుట్ టోకెన్‌లతో పాటు, పూర్తయిన ప్రతి సెర్చ్‌కు $0.001 ఖర్చవుతుంది. సెర్చ్ సాక్ష్యం ఇన్‌పుట్ టోకెన్‌లలో లెక్కించబడుతుంది. Web Grounding ఉపయోగించే ఒక అభ్యర్థనలో గరిష్ఠంగా 100 ప్రశ్నలు ఉండవచ్చు.

వెబ్ గ్రౌండింగ్ డాక్స్ చూడటం ద్వారా ప్రారంభించండి.

నిర్ణయ మోడల్ ఎలా పనిచేస్తుంది

వెబ్ గ్రౌండింగ్ ఎలా పనిచేస్తుంది

వెబ్ గ్రౌండింగ్‌ను పరీక్షించడం

PWS-Decisions

డెవలపర్‌లు ఏమి రూపొందించగలరు

ప్రారంభించండి