Perplexity, Decisions API에 실시간 웹 근거 보강 기능 추가

2026년 11월 4일, Perplexity가 발표한 바에 따르면 자사의 Decisions API에서 웹 기반 근거 보강 기능을 즉시 사용할 수 있다. 이 기능을 사용하면 모델이 확률을 반환하기 전에 선택적으로 실시간 웹 검색을 수행한다. 학습 이후 답이 달라질 수 있는 사람의 임원 직책, 소프트웨어 패키지의 최신 릴리스, 행사가 예정대로 열리는지 여부 등의 의사결정을 겨냥한 기능이다.

Decisions API는 콘텐츠를 다음과 같은 형식으로 받으며 state 그리고 문장이 아닌 구조화된 숫자 답변을 반환한다. 예·아니요 질문에는 ‘예’일 확률을, 선택형 질문에는 정의된 각 선택지에 해당할 확률을 반환하며, 점수 질문에는 순서가 정해진 평가 기준의 각 항목에 대한 확률과 예상 점수를 제공한다. 개발자는 이 값을 분류, 라우팅 및 기타 자동화된 의사결정의 임계값으로 활용할 수 있다. 상태에는 텍스트, JSON 또는 이미지가 포함될 수 있으며, 이번 출시로 모델이 특정 페이지를 참조하도록 URL을 지정하는 것도 가능해졌다.

모델 응답 전 실시간 검색

설정 mode 로 web_grounding 하면 모델 호출 전에 Perplexity의 API 게이트웨이에서 Fast Search가 활성화된다. 게이트웨이는 각 질문에 대해 질문 자체와 상태 텍스트의 첫 부분을 바탕으로 검색어 하나를 만들고, 검색을 병렬로 실행한 뒤 결과를 취합하고 중복 URL을 제거한다. 같은 검색어가 생성된 질문들은 검색을 공유한다. 이어 게이트웨이는 페이지 제목, URL, 텍스트를 근거 자료로 상태에 덧붙인다. 답변은 계속 확률에 기반하며, search_results 필드를 사용하면 개발자가 모델이 확인한 내용을 살펴볼 수 있다.

검색에는 명시적인 제한이 있다. 검색은 최대 10개까지 동시에 실행되며, 검색 하나당 제한 시간은 1초, 전체 제한 시간은 3초다. 이미지는 검색하지 않는다. 검색어는 Perplexity Search API로 전달되며 질문 텍스트와 상태의 첫 부분이 모두 포함될 수 있으므로, 검색으로 전송되는 데이터는 통합 과정에서 개인정보 보호를 고려할 때 살펴야 할 사항이다.

검색이 실패해도 반드시 의사결정 응답이 중단되는 것은 아니다. 일부 검색만 성공하면 모델은 도착한 결과를 사용한다. 검색이 하나도 성공하지 못하면 원래 상태를 바탕으로 답변하고 빈 search_results 배열을 반환한다. 따라서 실시간 근거가 답변에 반영되지 않은 경우에도 응답은 일반적인 답변 구조를 유지할 수 있다.

정확도 향상과 측정 방식의 차이

Perplexity는 동일한 의사결정 모델을 2026년 10월 뉴스와 위키백과의 드문 사실에서 추린 참·거짓 주장 328개로 테스트했다고 밝혔다. 각 참 주장에는 세부 사항 하나만 다른 거짓 주장이 짝을 이루었으며, 상태에는 근거 자료를 제공하지 않았다. 근거 보강을 적용하지 않았을 때 정확도는 56.4%, 적용했을 때는 97.3%였고, 오류 수는 143건에서 9건으로 줄었다. 중앙값 지연 시간은 139ms에서 366ms로, 95백분위 지연 시간은 514ms에서 742ms로 늘어 정확도 향상과 함께 측정 가능한 속도 저하가 나타났다.

Parallel Web Systems는 자사의 PWS-Decisions 벤치마크에 폐쇄형 질문 300개가 포함되어 있다고 밝혔다. 이 가운데 100개는 정답이 공개된 질문이고 200개는 비공개 질문이다. 점수는 정확히 일치하는지를 기준으로 산출하며, 이 데이터셋은 평균 트래픽에서의 정확도를 추정하기보다 난도를 기준으로 선별했다. Parallel의 순위표는 2026년 10월 29일 평가한 3회 실행 결과의 평균 정확도와 표본 표준편차를 공개하며, Perplexity Decisions의 공개 데이터셋 정확도는 51.00%다.

Perplexity는 pplx-decider-v1.2 웹 근거 보강을 적용한 모델이 2026년 11월 4일 실행에서 공개 질문 100개 중 86개에 정답을 내놓았으며, 이는 공개된 해당 순위표를 기준으로 가장 높은 공개 데이터셋 정확도라고 설명했다. Perplexity의 클라이언트가 이 100개 질문에서 측정한 지연 시간은 중앙값 370ms, 95백분위 685ms였다. Parallel이 별도로 측정한 지연 시간은 300개 질문 전체 데이터셋을 대상으로 3회 실행해 얻은 완전한 답변을 기준으로 하므로, 두 지연 시간 수치는 측정 범위가 서로 다르다.

가격 및 통합

근거 보강 요청에는 질문을 최대 100개까지 포함할 수 있다. 완료된 검색 한 건당 비용은 $0.001이므로 질문 100개를 요청할 때 검색 비용은 $0.10을 넘지 않는다. 다만 검색으로 가져온 근거 자료에는 입력 토큰 요금도 부과되며, 256K 입력 한도에도 포함된다. 표준 pplx-decider-v1.2 모델은 입력 토큰 100만 개당 $0.02이며 pplx-decider-flash-v1.2 은 입력 토큰 100만 개당 $0.01이고 출력 토큰은 무료다.

질문을 어떻게 묶느냐에 따라 최종 토큰 요금이 달라진다. 표준 모델에서는 입력 한도 때문에 질문이 여러 그룹으로 나뉘면 근거 자료가 다시 집계된다. Flash는 각 질문을 독립적으로 평가하므로 매번 상태와 근거 자료에 요금이 부과된다. 따라서 근거 보강 비용은 검색 횟수, 검색으로 가져온 텍스트의 양, 선택한 모델이 질문을 묶어 처리하는 방식에 따라 달라진다.

현재 통합에는 타입 정의와 관련한 주의 사항이 있다. Perplexity Python 라이브러리 0.44.0 이상과 TypeScript SDK 0.39.0 이상은 API를 지원하지만, 해당 타입 정의에는 아직 mode 및 search_results. Python에서는 모드를 통해 전달하며 extra_body, TypeScript에서는 요청 본문에 모드를 담아 전송한다.

Perplexity가 제안하는 작업에는 계정이 지난 90일 동안 자금을 조달했는지 확인하고, 고정된 버전보다 최신인 안정 버전의 릴리스를 위해 종속성을 살펴보며, 에이전트가 예약하기 전에 이벤트 일정이 여전히 잡혀 있는지 확인하는 일이 포함된다. 이러한 워크플로에서 그라운딩은 소프트웨어가 임계값을 설정하거나 검토할 수 있는 확률에 검증 가능한 최신 근거를 더한다. 정확성뿐 아니라 지연 시간, 토큰 사용량, 검색 비용, 그리고 누락된 근거까지도 모두 search_results 반환된 확률이 무엇을 나타내는지를 좌우한다.