Perplexity ने अपने Decisions API में लाइव वेब साक्ष्य जोड़ने की सुविधा शुरू की

Perplexity ने घोषणा की कि 4 नवंबर 2026 से उसके Decisions API के लिए वेब से साक्ष्य जुटाने की सुविधा उपलब्ध है। इससे मॉडल के संभावनाएँ बताने से पहले वैकल्पिक रूप से लाइव वेब खोज की जा सकती है। यह सुविधा ऐसे निर्णयों के लिए है जिनके उत्तर प्रशिक्षण के बाद बदल सकते हैं—जैसे किसी व्यक्ति की कार्यकारी भूमिका, किसी सॉफ़्टवेयर पैकेज का नवीनतम रिलीज़ या कोई आयोजन अब भी निर्धारित कार्यक्रम के अनुसार होगा या नहीं।

निर्णय API सामग्री को इस रूप में स्वीकार करता है state और गद्य के बजाय संरचित संख्यात्मक उत्तर देता है। हाँ-या-नहीं वाले प्रश्न के उत्तर में ‘हाँ’ की संभावना मिलती है; विकल्पों में से चयन वाले प्रश्न के लिए हर निर्धारित विकल्प की संभावना मिलती है; और स्कोर वाले प्रश्न के लिए क्रमबद्ध मूल्यांकन-पैमाने के अनुसार संभावनाएँ और अपेक्षित स्कोर मिलता है। डेवलपर इन मानों का इस्तेमाल वर्गीकरण, रूटिंग और अन्य स्वचालित निर्णयों में सीमा-मान के रूप में कर सकते हैं। स्थिति में पाठ, JSON या चित्र हो सकते हैं। लॉन्च के साथ अब ऐसा URL भी दिया जा सकता है जो मॉडल को किसी खास पेज की ओर ले जाए।

मॉडल के उत्तर से पहले लाइव खोज

सेट करना mode को web_grounding मॉडल को अनुरोध भेजने से पहले Perplexity के API गेटवे में Fast Search सक्रिय करता है। गेटवे हर प्रश्न के लिए प्रश्न और स्थिति-पाठ के शुरुआती हिस्से से एक खोज क्वेरी बनाता है, समानांतर में खोज करता है, नतीजों को मिलाता है और दोहराए गए URL हटाता है। जिन प्रश्नों से एक जैसी क्वेरी बनती है, वे एक ही खोज साझा करते हैं। इसके बाद गेटवे पेज के शीर्षक, URL और पाठ को साक्ष्य के रूप में स्थिति में जोड़ता है। उत्तर संभाव्यता पर आधारित रहते हैं, जबकि एक search_results फ़ील्ड डेवलपर को यह देखने देता है कि मॉडल ने क्या देखा।

खोजों पर स्पष्ट सीमाएँ लागू हैं। एक साथ अधिकतम 10 खोजें चल सकती हैं; हर खोज के लिए समय-सीमा एक सेकंड और सभी खोजों के लिए कुल समय-सीमा तीन सेकंड है। चित्रों की खोज नहीं होती। क्वेरी Perplexity Search API को भेजी जाती हैं और उनमें प्रश्न का पाठ तथा स्थिति का शुरुआती हिस्सा, दोनों शामिल हो सकते हैं। इसलिए खोज के लिए भेजा गया डेटा, एकीकरण से जुड़े गोपनीयता-विचारों का हिस्सा है।

खोज विफल होने पर ज़रूरी नहीं कि निर्णय का उत्तर रुक जाए। अगर कुछ खोजें सफल होती हैं, तो मॉडल को मिले हुए नतीजों का इस्तेमाल करता है। अगर कोई भी सफल नहीं होती, तो वह मूल स्थिति के आधार पर उत्तर देता है और खाली search_results सरणी लौटाता है। इसलिए लाइव साक्ष्य का योगदान न होने पर भी उत्तर में सामान्य उत्तर-संरचना बनी रह सकती है।

सटीकता में बढ़ोतरी और मापन के अंतर

Perplexity ने बताया कि उसने उसी निर्णय मॉडल का परीक्षण अक्टूबर 2026 की खबरों और Wikipedia के दुर्लभ तथ्यों से लिए गए 328 सही-या-गलत दावों पर किया। हर सही दावे के साथ एक गलत दावा भी था, जो एक विवरण में उससे अलग था; स्थिति में कोई साक्ष्य नहीं दिया गया था। वेब साक्ष्य के बिना सटीकता 56.4% थी और साक्ष्य के साथ 97.3%; वहीं गलतियाँ 143 से घटकर नौ रह गईं। मध्यिका विलंबता 139 ms से बढ़कर 366 ms हो गई और 95वें प्रतिशतक की विलंबता 514 ms से बढ़कर 742 ms हो गई। यानी सटीकता में बढ़ोतरी के साथ गति की एक मापने योग्य कीमत भी जुड़ी।

Parallel Web Systems ने बताया कि उसके PWS-Decisions मानक परीक्षण में 300 ऐसे प्रश्न हैं जिनके उत्तर सीमित विकल्पों में दिए जा सकते हैं: 100 सार्वजनिक प्रश्नों के संदर्भ-उत्तर उपलब्ध हैं और 200 निजी हैं। मूल्यांकन में सटीक मिलान का इस्तेमाल होता है। इस प्रश्न-संग्रह को औसत ट्रैफ़िक पर सटीकता का अनुमान लगाने के बजाय कठिनाई के आधार पर तैयार किया गया था। Parallel की लीडरबोर्ड में 29 अक्टूबर 2026 को मूल्यांकित तीन दौरों में औसत सटीकता और नमूना मानक विचलन दिए गए हैं। इसमें Perplexity Decisions की सार्वजनिक प्रश्न-संग्रह पर सटीकता 51.00% बताई गई है।

Perplexity ने कहा कि pplx-decider-v1.2 वेब साक्ष्य के साथ उसके मॉडल ने 4 नवंबर 2026 के एक दौर में 100 सार्वजनिक प्रश्नों में से 86 के सही उत्तर दिए। कंपनी ने इसे प्रकाशित लीडरबोर्ड के मुकाबले सार्वजनिक प्रश्न-संग्रह पर सबसे अधिक सटीकता बताया। उन्हीं 100 प्रश्नों पर उसके क्लाइंट ने 370 ms की मध्यिका विलंबता और 685 ms की 95वें प्रतिशतक की विलंबता मापी। Parallel के अलग विलंबता-मापन में 300 प्रश्नों के पूरे संग्रह पर तीन दौरों के दौरान दिए गए संपूर्ण उत्तर शामिल हैं, इसलिए विलंबता के इन दोनों आँकड़ों का दायरा अलग-अलग है।

मूल्य निर्धारण और एकीकरण

वेब साक्ष्य वाले एक अनुरोध में अधिकतम 100 प्रश्न हो सकते हैं। हर पूरी हुई खोज की कीमत $0.001 है, इसलिए 100 प्रश्नों वाले अनुरोध पर खोज शुल्क अधिकतम $0.10 होगा। हालांकि, प्राप्त साक्ष्य के लिए इनपुट टोकन के रूप में भी शुल्क लिया जाता है और वे 256K की इनपुट सीमा में गिने जाते हैं। मानक pplx-decider-v1.2 मॉडल की कीमत प्रति मिलियन इनपुट टोकन $0.02 है और pplx-decider-flash-v1.2 की कीमत प्रति मिलियन $0.01 है; आउटपुट टोकन मुफ़्त हैं।

प्रश्नों को समूहों में बाँटने से अंतिम टोकन बिल प्रभावित होता है। मानक मॉडल में, जब इनपुट सीमाओं के कारण प्रश्न अलग-अलग समूहों में बाँटे जाते हैं, तो साक्ष्य को हर बार दोबारा गिना जाता है। Flash हर प्रश्न का स्वतंत्र रूप से मूल्यांकन करता है और हर बार स्थिति तथा साक्ष्य के लिए फिर से शुल्क लेता है। इसलिए वेब साक्ष्य जोड़ने की लागत खोजों की संख्या, प्राप्त पाठ की मात्रा और चुना गया मॉडल प्रश्नों को किस तरह समूहों में बाँटता है—इन बातों पर निर्भर करती है।

एकीकरण में फ़िलहाल प्रकार-निर्धारण से जुड़ी एक सीमा है। Perplexity की Python लाइब्रेरी के संस्करण 0.44.0 या उसके बाद के संस्करण और TypeScript SDK के संस्करण 0.39.0 या उसके बाद के संस्करण API का समर्थन करते हैं, लेकिन उनके प्रकार अभी तक mode और search_resultsको उपलब्ध नहीं कराते। Python इस मोड को extra_bodyके ज़रिए भेजता है, जबकि TypeScript इसे अनुरोध के मुख्य भाग में भेजता है।

Perplexity के सुझाए गए कार्यों में यह जाँचना शामिल है कि खातों ने पिछले 90 दिनों में फंडिंग जुटाई है या नहीं, किसी निश्चित संस्करण से नए स्थिर रिलीज़ के लिए निर्भरताओं पर नज़र रखना, और एजेंट द्वारा किसी कार्यक्रम की बुकिंग से पहले यह पुष्टि करना कि वह अब भी निर्धारित है। इन कार्यप्रवाहों में ग्राउंडिंग ऐसी प्रायिकता में निरीक्षण योग्य, अद्यतन साक्ष्य जोड़ती है, जिस पर सॉफ़्टवेयर सीमा लागू कर सकता है या जिसकी समीक्षा की जा सकती है। इसके साथ सटीकता से आगे के पहलू भी जुड़े हैं: विलंबता, टोकन का इस्तेमाल, खोज शुल्क और उसमें साक्ष्य की कोई भी कमी search_results ये सभी लौटाई गई प्रायिकता का अर्थ तय करते हैं।