Perplexity aggiunge l’ancoraggio al web in tempo reale alla sua Decisions API

Perplexity ha annunciato il 4 novembre 2026 che l’ancoraggio al web è immediatamente disponibile per la sua Decisions API, con l’aggiunta di ricerche facoltative sul web in tempo reale prima che il modello restituisca le probabilità. La funzionalità è pensata per decisioni le cui risposte possono cambiare dopo l’addestramento, ad esempio il ruolo dirigenziale di una persona, l’ultima versione di un pacchetto software o la conferma che un evento sia ancora in programma.

La Decisions API accetta contenuti sotto forma di state e restituisce risposte numeriche strutturate anziché testo discorsivo. Una domanda a cui si risponde sì o no produce la probabilità del sì; una domanda con più opzioni produce una probabilità per ciascuna opzione definita; una domanda che richiede un punteggio produce probabilità distribuite su una scala ordinata, oltre a un punteggio atteso. Gli sviluppatori possono usare questi valori come soglie per la classificazione, l’instradamento e altre decisioni automatizzate. Lo stato può contenere testo, JSON o immagini; al momento del lancio è stata inoltre introdotta la possibilità di fornire un URL che indirizzi il modello verso una pagina specifica.

Ricerca in tempo reale prima delle risposte del modello

Impostare mode su web_grounding attiva Fast Search nel gateway API di Perplexity prima della chiamata al modello. Il gateway crea una query per ogni domanda, utilizzando la domanda stessa e l’inizio del testo dello stato; esegue le ricerche in parallelo, combina i risultati ed elimina gli URL duplicati. Le domande che generano la stessa query condividono una ricerca. Il gateway aggiunge poi allo stato i titoli delle pagine, gli URL e il testo, come elementi probatori. Le risposte restano basate sulle probabilità, mentre un search_results campo permette agli sviluppatori di esaminare ciò che il modello ha visto.

Le ricerche hanno limiti espliciti. Possono essere eseguite contemporaneamente fino a 10 ricerche, con un limite di un secondo per ciascuna e di tre secondi complessivi. Le immagini non vengono sottoposte a ricerca. Le query vengono inviate alla Perplexity Search API e possono contenere sia il testo della domanda sia la parte iniziale dello stato; i dati inviati per la ricerca rientrano quindi nelle considerazioni sulla privacy dell’integrazione.

Il fallimento delle ricerche non interrompe necessariamente la risposta a una decisione. Se solo alcune ricerche vanno a buon fine, il modello usa i risultati ricevuti. Se nessuna va a buon fine, risponde basandosi sullo stato originale e restituisce un array search_results vuoto. La risposta può quindi mantenere la normale struttura anche quando le prove in tempo reale non hanno contribuito a determinarla.

Miglioramenti dell’accuratezza e differenze nelle misurazioni

Perplexity ha dichiarato di aver testato lo stesso modello decisionale su 328 affermazioni vere o false, tratte da notizie dell’ottobre 2026 e da fatti poco noti di Wikipedia. Ogni affermazione vera aveva una controparte falsa che differiva per un solo dettaglio e nello stato non erano state fornite prove. L’accuratezza era del 56,4% senza ancoraggio e del 97,3% con l’ancoraggio, mentre gli errori sono scesi da 143 a nove. La latenza mediana è aumentata da 139 ms a 366 ms e quella al 95° percentile da 514 ms a 742 ms, affiancando al miglioramento dell’accuratezza un costo misurabile in termini di velocità.

Parallel Web Systems ha dichiarato che il suo benchmark PWS-Decisions comprende 300 domande a risposta chiusa: 100 pubbliche con risposte di riferimento e 200 private. La valutazione si basa sulla corrispondenza esatta e il set è stato selezionato per la difficoltà, non per stimare l’accuratezza sul traffico medio. La classifica di Parallel riporta l’accuratezza media e la deviazione standard campionaria su tre esecuzioni valutate il 29 ottobre 2026, inclusa un’accuratezza del 51,00% sul set pubblico per Perplexity Decisions.

Perplexity ha dichiarato pplx-decider-v1.2 che, in un’esecuzione del 4 novembre 2026, il modello con l’ancoraggio al web ha risposto correttamente a 86 delle 100 domande pubbliche, un risultato che l’azienda ha descritto come la più alta accuratezza sul set pubblico rispetto a quella riportata nella classifica pubblicata. Sullo stesso gruppo di 100 domande, il client dell’azienda ha misurato una latenza mediana di 370 ms e una latenza al 95° percentile di 685 ms. Le misurazioni separate della latenza effettuate da Parallel riguardano le risposte complete ottenute in tre esecuzioni dell’intero set di 300 domande; i due gruppi di dati sulla latenza hanno quindi ambiti diversi.

Prezzi e integrazione

Una richiesta con ancoraggio può includere fino a 100 domande. Ogni ricerca completata costa 0,001 $, per cui le spese di ricerca non superano 0,10 $ per una richiesta di 100 domande; anche le prove recuperate, tuttavia, vengono fatturate come token di input e conteggiate nel limite di input di 256K. Il modello standard pplx-decider-v1.2 costa 0,02 $ per milione di token di input e pplx-decider-flash-v1.2 costa 0,01 $ per milione; i token di output sono gratuiti.

Il raggruppamento delle domande influisce sul costo finale in token. Con il modello standard, le prove vengono conteggiate nuovamente quando i limiti di input impongono di suddividere le domande in gruppi separati. Flash valuta ogni domanda in modo indipendente e fattura nuovamente lo stato e le prove a ogni valutazione. Il costo dell’ancoraggio dipende quindi dal numero di ricerche, dalla quantità di testo recuperato e dal modo in cui il modello selezionato raggruppa le domande.

Al momento, l’integrazione presenta una limitazione relativa ai tipi. La libreria Python di Perplexity, dalla versione 0.44.0 in poi, e l’SDK TypeScript, dalla versione 0.39.0 in poi, supportano l’API, ma i rispettivi tipi non espongono ancora mode e search_results. Python passa la modalità tramite extra_body, mentre TypeScript la invia nel corpo della richiesta.

Tra i flussi di lavoro suggeriti da Perplexity figurano verificare se le aziende hanno ottenuto finanziamenti negli ultimi 90 giorni, monitorare le dipendenze per individuare versioni stabili più recenti di una versione fissata e confermare che un evento sia ancora in programma prima che un agente lo prenoti. In questi flussi di lavoro, l’ancoraggio al web aggiunge prove attuali e verificabili a una probabilità che il software può sottoporre a una soglia o a revisione. Il compromesso va oltre la precisione: latenza, consumo di token, costi di ricerca ed eventuali prove mancanti contribuiscono tutte a determinare search_results ciò che rappresenta la probabilità restituita.