Perplexity erweitert seine Decisions API um Live-Web-Grounding

Am 4. November 2026 gab Perplexity bekannt, dass Web-Grounding ab sofort für die Decisions API verfügbar ist. Damit werden optionale Live-Websuchen ergänzt, die stattfinden, bevor das Modell Wahrscheinlichkeiten ausgibt. Die Funktion richtet sich an Entscheidungen, deren Antworten sich nach dem Training ändern können – etwa die Frage, welche Führungsposition eine Person innehat, welche Version eines Softwarepakets zuletzt veröffentlicht wurde oder ob eine Veranstaltung weiterhin wie geplant stattfindet.

Die Decisions API akzeptiert Inhalte in Form von state und gibt statt Fließtext strukturierte numerische Antworten zurück. Bei einer Ja-Nein-Frage wird die Wahrscheinlichkeit für „Ja“ ausgegeben; bei einer Auswahlfrage eine Wahrscheinlichkeit für jede festgelegte Option; und bei einer Bewertungsfrage Wahrscheinlichkeiten für eine geordnete Bewertungsskala sowie ein erwarteter Wert. Entwickler können diese Werte als Schwellenwerte für Klassifizierung, Weiterleitung und andere automatisierte Entscheidungen verwenden. Der State kann Text, JSON oder Bilder enthalten. Außerdem ermöglicht die Einführung die Angabe einer URL, die das Modell auf eine bestimmte Seite verweist.

Live-Suche, bevor das Modell antwortet

Das Setzen mode auf web_grounding aktiviert Fast Search im API-Gateway von Perplexity, bevor das Modell aufgerufen wird. Das Gateway erstellt für jede Frage eine Suchanfrage auf Grundlage der Frage und des Anfangs des State-Textes, führt die Suchen parallel aus, führt die Ergebnisse zusammen und entfernt doppelte URLs. Fragen, aus denen dieselbe Suchanfrage entsteht, nutzen dieselbe Suche. Anschließend fügt das Gateway Seitentitel, URLs und Text als Belege zum State hinzu. Die Antworten beruhen weiterhin auf Wahrscheinlichkeiten, während ein search_results Feld Entwicklern ermöglicht, nachzuvollziehen, was das Modell gesehen hat.

Für die Suchen gelten klare Grenzen. Bis zu 10 Suchen können gleichzeitig ausgeführt werden; für jede Suche gilt ein Zeitlimit von einer Sekunde, insgesamt sind es drei Sekunden. Bilder werden nicht durchsucht. Die Anfragen gehen an die Perplexity Search API und können sowohl den Fragetext als auch den Anfang des State enthalten. Die an die Suche übermittelten Daten sind daher bei der Integration unter Datenschutzgesichtspunkten zu berücksichtigen.

Fehlgeschlagene Suchen verhindern nicht zwangsläufig eine Antwort auf die Entscheidungsanfrage. Sind nur einige Suchen erfolgreich, verwendet das Modell die eingegangenen Ergebnisse. Ist keine erfolgreich, antwortet es auf Grundlage des ursprünglichen State und gibt ein leeres search_results Array zurück. Die Antwort kann also auch dann die übliche Struktur aufweisen, wenn aktuelle Belege nicht in sie eingeflossen sind.

Zugewinne bei der Genauigkeit und Unterschiede bei der Messung

Perplexity zufolge wurde dasselbe Entscheidungsmodell mit 328 Aussagen getestet, die entweder wahr oder falsch waren und aus Nachrichten vom Oktober 2026 sowie seltenen Wikipedia-Fakten stammten. Zu jeder wahren Aussage gab es eine falsche Entsprechung, die sich in einem Detail unterschied. Im State wurden keine Belege bereitgestellt. Ohne Grounding lag die Genauigkeit bei 56,4 %, mit Grounding bei 97,3 %; zugleich sank die Zahl der Fehler von 143 auf neun. Die mediane Latenz stieg von 139 ms auf 366 ms, die Latenz am 95. Perzentil von 514 ms auf 742 ms. Dem Genauigkeitsgewinn stand somit ein messbarer Geschwindigkeitsverlust gegenüber.

Parallel Web Systems zufolge umfasst der PWS-Decisions-Benchmark 300 Fragen mit feststehenden Antworten: 100 öffentliche Fragen mit Referenzantworten und 200 private Fragen. Die Bewertung erfolgt nach exakter Übereinstimmung. Die Fragen wurden nach ihrem Schwierigkeitsgrad zusammengestellt und nicht, um die Genauigkeit bei durchschnittlichem Anfrageaufkommen zu schätzen. Die Rangliste von Parallel weist die durchschnittliche Genauigkeit und die Standardabweichung der Stichprobe aus, berechnet über drei Durchläufe, die am 29. Oktober 2026 ausgewertet wurden. Für Perplexity Decisions wird dabei eine Genauigkeit von 51,00 % bei den öffentlichen Fragen angegeben.

Perplexity zufolge pplx-decider-v1.2 beantwortete das Modell mit Web-Grounding in einem Durchlauf am 4. November 2026 86 der 100 öffentlichen Fragen korrekt. Perplexity bezeichnete dies als höchste Genauigkeit bei den öffentlichen Fragen im Vergleich zu der veröffentlichten Rangliste. Der Client des Unternehmens maß bei diesen 100 Fragen eine mediane Latenz von 370 ms und eine Latenz am 95. Perzentil von 685 ms. Die separaten Latenzmessungen von Parallel beziehen sich auf vollständige Antworten aus drei Durchläufen des gesamten Satzes mit 300 Fragen. Die beiden Latenzangaben beziehen sich somit auf unterschiedliche Messumfänge.

Preise und Integration

Eine Anfrage mit Grounding kann bis zu 100 Fragen enthalten. Jede abgeschlossene Suche kostet 0,001 US-Dollar. Für eine Anfrage mit 100 Fragen fallen somit höchstens 0,10 US-Dollar an Suchkosten an. Abgerufene Belege werden jedoch zusätzlich als Eingabetokens berechnet und auf das Eingabelimit von 256K angerechnet. Das Standard pplx-decider-v1.2 modell kostet 0,02 US-Dollar pro Million Eingabetokens und pplx-decider-flash-v1.2 kostet 0,01 US-Dollar pro Million; Ausgabetokens sind kostenlos.

Die Gruppierung der Fragen beeinflusst die endgültigen Tokenkosten. Beim Standardmodell werden Belege erneut berechnet, wenn Fragen aufgrund von Eingabelimits in separate Gruppen aufgeteilt werden müssen. Flash bewertet jede Frage unabhängig und berechnet State und Belege jedes Mal erneut. Die Kosten für Grounding hängen daher von der Anzahl der Suchen, der Menge des abgerufenen Textes und davon ab, wie das ausgewählte Modell Fragen zu Gruppen zusammenfasst.

Bei der Integration gibt es derzeit eine Einschränkung bei der Typisierung. Perplexitys Python-Bibliothek ab Version 0.44.0 und das TypeScript-SDK ab Version 0.39.0 unterstützen die API, ihre Typdefinitionen unterstützen jedoch noch nicht mode und search_results. Python übergibt den Modus über extra_body, während TypeScript ihn im Anfragetext übermittelt.

Zu den von Perplexity vorgeschlagenen Anwendungsfällen gehört die Prüfung, ob Konten in den vergangenen 90 Tagen Finanzmittel eingeworben haben, die Überwachung von Abhängigkeiten auf stabile Versionen, die neuer als eine festgelegte Version sind, sowie die Bestätigung, dass ein Ereignis weiterhin geplant ist, bevor ein Agent es bucht. In solchen Arbeitsabläufen liefert die Grounding-Funktion überprüfbare aktuelle Belege für eine Wahrscheinlichkeit, für die Software Schwellenwerte festlegen oder die sie überprüfen kann. Der Zielkonflikt betrifft nicht nur die Genauigkeit: Auch Latenz, Tokenverbrauch, Suchgebühren und etwaige darin fehlende Belege search_results All diese Faktoren prägen, was die zurückgegebene Wahrscheinlichkeit aussagt.