Perplexity tuo reaaliaikaisen verkkotiedon Decisions API -rajapintaansa

Perplexity ilmoitti 4. marraskuuta 2026, että verkkohakuun perustuva tiedonhaku on heti käytettävissä sen Decisions API -rajapinnassa. Se lisää mahdollisuuden tehdä reaaliaikaisia verkkohakuja ennen kuin malli palauttaa todennäköisyyksiä. Ominaisuus on tarkoitettu päätöksiin, joiden vastaukset voivat muuttua mallin kouluttamisen jälkeen. Tällaisia ovat esimerkiksi henkilön johtotehtävä, ohjelmistopaketin uusin julkaisu tai se, onko tapahtuma yhä aikataulussa.

Decisions API hyväksyy sisällöksi state ja palauttaa jäsenneltyjä numeerisia vastauksia proosan sijaan. Kyllä–ei-kysymykseen saadaan kyllä-vastauksen todennäköisyys, valintakysymykseen jokaisen määritellyn vaihtoehdon todennäköisyys ja pisteytyskysymykseen todennäköisyydet järjestetyn arviointiasteikon eri tasoille sekä odotettu pistemäärä. Kehittäjät voivat käyttää näitä arvoja kynnysarvoina luokittelussa, reitityksessä ja muissa automatisoiduissa päätöksissä. Tila voi sisältää tekstiä, JSON-tietoja tai kuvia, ja julkaisun yhteydessä lisättiin myös mahdollisuus antaa URL-osoite, joka ohjaa mallin tietylle sivulle.

Reaaliaikainen haku ennen mallin vastausta

Asettamalla mode arvoon web_grounding ottaa Fast Searchin käyttöön Perplexityn API-yhdyskäytävässä ennen mallikutsua. Yhdyskäytävä muodostaa kullekin kysymykselle yhden hakulausekkeen kysymyksen ja tilatekstin alun perusteella, suorittaa haut rinnakkain, yhdistää tulokset ja poistaa päällekkäiset URL-osoitteet. Saman hakulausekkeen tuottavat kysymykset käyttävät samaa hakua. Tämän jälkeen yhdyskäytävä lisää tilaan sivujen otsikot, URL-osoitteet ja tekstin todisteiksi. Vastaukset perustuvat edelleen todennäköisyyksiin, samalla kun search_results kentän avulla kehittäjät voivat tarkastella, mitä malli näki.

Hauilla on selkeät rajoitukset. Enintään 10 hakua suoritetaan samanaikaisesti, kunkin haun aikaraja on yksi sekunti ja kaikkien hakujen yhteinen aikaraja kolme sekuntia. Kuvia ei haeta. Haut lähetetään Perplexity Search API -rajapintaan, ja ne voivat sisältää sekä kysymyksen tekstin että tilan alkuosan. Siksi hakua varten lähetettävät tiedot on otettava huomioon integraation tietosuojaa arvioitaessa.

Hakujen epäonnistuminen ei välttämättä estä päätösvastauksen saamista. Jos vain osa hauista onnistuu, malli käyttää saapuneita tuloksia. Jos yksikään haku ei onnistu, malli vastaa alkuperäisen tilan perusteella ja palauttaa tyhjän search_results taulukon. Vastaus voi siis säilyttää tavanomaisen rakenteensa, vaikka reaaliaikainen tieto ei olisi vaikuttanut siihen.

Tarkkuuden paraneminen ja erot mittaustavoissa

Perplexity kertoi testanneensa samaa päätösmallia 328 tosi–epätosi-väitteellä, jotka oli poimittu lokakuun 2026 uutisista ja harvinaisista Wikipedia-faktoista. Jokaisella toden väitteellä oli vastineena epätosi väite, joka erosi siitä yhden yksityiskohdan osalta, eikä tilaan ollut lisätty todisteita. Tarkkuus oli 56,4 % ilman verkkohakuun perustuvaa tiedonhakua ja 97,3 % sen kanssa, ja virheiden määrä laski 143:sta yhdeksään. Mediaaniviive kasvoi 139 millisekunnista 366 millisekuntiin ja 95. persentiilin viive 514 millisekunnista 742 millisekuntiin, joten tarkkuuden paranemiseen liittyi mitattava nopeushaitta.

Parallel Web Systems kertoi, että sen PWS-Decisions-vertailutesti sisältää 300 suljettua kysymystä: 100 julkista kysymystä, joihin on annettu vertailuvastaukset, ja 200 yksityistä kysymystä. Pisteytys perustuu täsmälliseen vastaavuuteen, ja kysymykset on valittu vaikeustason eikä keskimääräisen liikenteen tarkkuuden arvioimisen perusteella. Parallelin tulostaulukossa ilmoitetaan kolmen ajon keskimääräinen tarkkuus ja otoskeskihajonta. Ajot arvioitiin 29. lokakuuta 2026, ja tuloksiin sisältyy Perplexity Decisionsin 51,00 prosentin tarkkuus julkisessa kysymyssarjassa.

Perplexity kertoi, että pplx-decider-v1.2 verkkohakuun perustuvaa tiedonhakua käyttänyt malli vastasi oikein 86:een sadasta julkisesta kysymyksestä 4. marraskuuta 2026 tehdyssä ajossa. Perplexity kuvaili tulosta parhaaksi julkisen kysymyssarjan tarkkuudeksi julkaistuun tulostaulukkoon verrattuna. Sen asiakasohjelma mittasi näistä sadasta kysymyksestä mediaaniviiveeksi 370 millisekuntia ja 95. persentiilin viiveeksi 685 millisekuntia. Parallelin erilliset viivemittaukset kattavat täydelliset vastaukset kolmessa koko 300 kysymyksen sarjalla tehdyssä ajossa, joten viivelukemat koskevat eri kokonaisuuksia.

Hinnoittelu ja integrointi

Verkkohakuun perustuva pyyntö voi sisältää enintään 100 kysymystä. Jokainen suoritettu haku maksaa 0,001 dollaria, joten 100 kysymyksen pyynnön hakukulut ovat enintään 0,10 dollaria. Haettu tieto laskutetaan kuitenkin myös syötetokeneina, ja se lasketaan mukaan 256K:n syöterajaan. Tavallinen pplx-decider-v1.2 malli maksaa 0,02 dollaria miljoonaa syötetokenia kohti, ja pplx-decider-flash-v1.2 maksaa 0,01 dollaria miljoonaa tokenia kohti; tulostokenit ovat maksuttomia.

Kysymysten ryhmittely vaikuttaa lopulliseen tokenilaskuun. Tavallisessa mallissa todisteet lasketaan uudelleen, kun syöterajat pakottavat jakamaan kysymykset erillisiin ryhmiin. Flash käsittelee jokaisen kysymyksen itsenäisesti, joten tila ja todisteet laskutetaan uudelleen joka kerta. Verkkohakuun perustuvan tiedonhaun kustannus riippuu siis hakujen määrästä, haetun tekstin määrästä ja siitä, miten valittu malli jakaa kysymykset ryhmiin.

Integrointiin liittyy tällä hetkellä tyypitystä koskeva rajoitus. Perplexityn Python-kirjaston versio 0.44.0 tai uudempi ja TypeScript SDK:n versio 0.39.0 tai uudempi tukevat rajapintaa, mutta niiden tyypit eivät vielä tuo esiin mode eivätkä search_results. Python välittää tilan asetuksen extra_bodykautta, kun taas TypeScript lähettää sen pyynnön rungossa.

Perplexityn ehdottamiin käyttötapauksiin kuuluu sen tarkistaminen, ovatko tilit saaneet rahoitusta viimeisten 90 päivän aikana, riippuvuuksien seuraaminen, jotta havaitaan kiinnitettyä versiota uudemmat vakaat julkaisut, sekä sen varmistaminen, että tapahtuma on yhä aikataulussa ennen kuin agentti varaa sen. Näissä työnkuluissa grounding tuo todennäköisyysarvioon tarkasteltavissa olevaa, ajantasaista näyttöä, jota ohjelmisto voi käyttää kynnysarvon asettamiseen tai arviointiin. Tarkkuuden lisäksi on huomioitava myös viive, tokenien käyttö, hakumaksut ja mahdollisesti puuttuvat todisteet search_results – kaikki vaikuttavat siihen, mitä palautettu todennäköisyysarvio kuvaa.