Веб-обґрунтування для Decisions API

Моделі ухвалення рішень на основі ШІ швидкі та економічні, але вони знають лише те, що їм надсилають користувачі, і те, що вони засвоїли під час навчання. Для питань про факти, що змінюються, наприклад чи досі людина є генеральним директором компанії або чи вийшов новий реліз продукту, моделі потрібна актуальна інформація, щоб відповісти точно.

Відтепер Decisions API від Perplexity може шукати в інтернеті, перш ніж відповісти.

Додайте один параметр, "mode": "web_grounding", до будь-якого запиту Decisions API, і Perplexity Fast Search виконає один пошуковий запит для кожного питання. Результати додаються до вашого state як докази, тож модель ухвалення рішень повертає ймовірності з урахуванням того, що є в інтернеті просто зараз. State також може бути URL-адресою, щоб спрямувати модель на конкретну вебсторінку замість введення її тексту.

На PWS-Decisions, публічному бенчмарку зі 100 питань, що залежать від актуальних вебфактів, точність зросла з 51% до 86%, а типовий час відповіді становив менше 400 мс.

Модель ухвалення рішень повертає число як відповідь на кожне питання. Користувачі надсилають контент як state (текст, JSON або зображення) разом з одним або кількома питаннями. Для питання типу noul (так чи ні) результатом є ймовірність відповіді «так». Для питання типу choice результатом є ймовірність для кожного варіанта, який визначає користувач. Для питання типу score результатом є ймовірність для кожного рівня вашої шкали оцінювання та очікувана оцінка.

Модель має два джерела інформації: state, який надсилає користувач, і те, що вона засвоїла під час навчання. Цього достатньо для питання на кшталт «Чи повідомляє цей відгук про дефект?» Але цього недостатньо, щоб відповісти: «Чи ця людина досі генеральний директор?» Відповідь могла змінитися після навчання, і в state про це нічого не сказано. Веб-обґрунтування додає третє джерело: інтернет, у якому виконується пошук під час запиту. State також може бути URL-адресою, тож користувач може спрямувати модель на вебсторінку замість тексту.

Прив’язка до вебданих виконується в API-шлюзі до виклику моделі. Для кожного запитання в запиті шлюз формує запит до Fast Search. Ці запити виконуються паралельно. Шлюз об’єднує результати, відкидає дублікати URL-адрес і додає докази до стану: заголовок, URL-адресу й текст сторінки. Якщо стан — це URL-адреса, пошуковий запит містить цю URL-адресу, тож сама сторінка повертається як доказ, і модель відповідає на основі її тексту. Модель повертає ймовірності так само, як і для будь-якого запиту до Decisions API. Якщо пошук завершується помилкою або перевищує час очікування, модель відповідає на основі тих доказів, які встигли надійти. Відповідь містить search_results, тож користувач може переглянути, що бачила модель. Запит користувача і структура відповіді залишаються незмінними. Змінюються лише докази, які має модель, коли відповідає.

Ми двічі надіслали 328 тверджень типу «правда чи неправда» одній і тій самій моделі ухвалення рішень: один раз із веб-обґрунтуванням і один раз без нього. Твердження були розподілені між новинами за жовтень 2026 року та рідкісними фактами з Вікіпедії, і кожне правдиве твердження мало хибного двійника, що відрізнявся однією деталлю. Жодних доказів у state не надавалося.

Без прив’язки до вебданих Decisions API правильно відповів на 56,4 % тверджень — майже як навмання. З прив’язкою до вебданих частка правильних відповідей сягнула 97,3 %, а кількість помилок скоротилася з 143 до 9. Ціна цього — швидкість: медіанна затримка зросла з 139 мс до 366 мс, а затримка 95-го процентиля — з 514 мс до 742 мс.

PWS-Decisions — це публічний бенчмарк закритих запитань про відповідність облікових записів критеріям, можливості продуктів, правила політик і події, що швидко змінюються. 100 запитань є публічними й оцінюються за точним збігом з еталонною відповіддю. Ми прогнали їх через Decisions API + Web Grounding (pplx-decider-v1.2) 4 листопада 2026 року, і він правильно відповів на 86 із них. Інші результати нижче — це опублікована таблиця лідерів від авторів бенчмарку. Їхній результат 51 % для Decisions API без Web Grounding збігається з нашим власним прогоном.

Запити до Decisions API + Web Grounding поверталися за 370 мс за медіаною і за 685 мс на 95-му процентилі, за вимірюваннями з нашого клієнта на 100 публічних питаннях. Автори бенчмарку повідомляють про 560 мс і 710 мс для свого API на повному наборі з 300 питань, за вимірюваннями з їхнього клієнта 29 жовтня 2026 року. Порівняно з опублікованою таблицею лідерів Decisions API + Web Grounding має найвищу точність на публічному наборі та медіанний час відповіді менше 400 мс.

Увімкніть веб-обґрунтування, щоб відповідати на питання, на які дані відповісти не можуть: коли факти змінилися після навчання і в інтернеті з’явилася нова інформація. Кілька прикладів:

Кваліфікуйте клієнтів за свіжими новинами. «Залучили фінансування за останні 90 днів?» — по всьому списку клієнтів.
Відстежуйте інструменти, від яких залежите. «Чи є стабільний реліз, новіший за нашу зафіксовану версію?» — перевірка за розкладом.
Підтверджуйте, перш ніж агент почне діяти. «Чи ця подія ще в силі?» — агент перевіряє це, перш ніж бронювати.

Кожна відповідь — це ймовірність, на основі якої може діяти код розробника, разом із вебджерелами, на яких вона ґрунтується.

Додайте "mode": "web_grounding" до будь-якого запиту до Decisions API. Стан (state) може бути текстом, наприклад твердженням або записом, чи URL-адресою.

Перевірте твердження за даними з вебу:

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?"
      }
    }
  }'

Відповідь містить поле search_results — сторінки, які прочитала модель. 4 листопада цей запит повернув імовірність відповіді «так» понад 0,99, а першим результатом був запис NASA про космічний апарат.

Щоб спрямувати модель на певну сторінку, передайте її URL-адресу як стан (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?"
      }
    }
  }'

У бібліотеці Perplexity для Python передайте mode у тілі запиту:

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)

Кожен виконаний пошук коштує 0,001 $ на додачу до вартості вхідних токенів. Докази з пошуку зараховуються до вхідних токенів. Запит із Web Grounding може містити до 100 запитань.

Щоб почати, ознайомтеся з документацією Web Grounding.

Як працює модель ухвалення рішень

Як працює веб-обґрунтування

Тестування веб-обґрунтування

PWS-Decisions

Що можуть створювати розробники

Початок роботи