Perplexity voegt live webonderbouwing toe aan zijn Decisions API

Perplexity maakte bekend dat webonderbouwing vanaf 4 november 2026 direct beschikbaar is voor zijn Decisions API. Daarmee kunnen vóór de modeluitvoer met waarschijnlijkheden optioneel live zoekopdrachten op het web worden uitgevoerd. De functie is bedoeld voor beslissingen waarvan de antwoorden na de training kunnen veranderen, zoals iemands leidinggevende functie, de nieuwste release van een softwarepakket of de vraag of een evenement nog op de agenda staat.

De Decisions API accepteert inhoud in de vorm van state en geeft gestructureerde numerieke antwoorden in plaats van proza. Een ja-neevraag levert de waarschijnlijkheid van ‘ja’ op; een keuzevraag levert voor elke gedefinieerde optie een waarschijnlijkheid op; en een scorevraag levert waarschijnlijkheden op voor een geordende beoordelingsschaal, plus een verwachte score. Ontwikkelaars kunnen die waarden als drempelwaarden gebruiken bij classificatie, routering en andere geautomatiseerde beslissingen. De state kan tekst, JSON of afbeeldingen bevatten. Bij de introductie werd ook ondersteuning toegevoegd voor een URL die het model naar een specifieke pagina leidt.

Live zoeken voordat het model antwoordt

Instellen mode op web_grounding activeert Fast Search in de API-gateway van Perplexity voordat het model wordt aangeroepen. De gateway maakt voor elke vraag één zoekopdracht op basis van de vraag en het begin van de state-tekst, voert zoekopdrachten parallel uit, voegt de resultaten samen en verwijdert dubbele URL’s. Vragen die dezelfde zoekopdracht opleveren, delen één zoekopdracht. Vervolgens voegt de gateway paginatitels, URL’s en tekst als bewijs toe aan de state. De antwoorden blijven gebaseerd op waarschijnlijkheden, terwijl een search_results veld ontwikkelaars laat bekijken wat het model heeft gezien.

Voor de zoekopdrachten gelden expliciete limieten. Er kunnen maximaal 10 zoekopdrachten tegelijk lopen, met een limiet van één seconde per zoekopdracht en in totaal drie seconden. Afbeeldingen worden niet doorzocht. Zoekopdrachten gaan naar de Perplexity Search API en kunnen zowel de vraagtekst als het begin van de state bevatten. De gegevens die naar de zoekdienst worden verzonden, maken daarom deel uit van de privacyafwegingen bij de integratie.

Mislukte zoekopdrachten verhinderen niet per se dat er een antwoord op de beslissing wordt gegeven. Als slechts een deel van de zoekopdrachten slaagt, gebruikt het model de resultaten die zijn binnengekomen. Als geen enkele zoekopdracht slaagt, antwoordt het model op basis van de oorspronkelijke state en retourneert het een lege search_results array. Een antwoord kan dus de gebruikelijke structuur behouden, ook wanneer live bewijs er niet aan heeft bijgedragen.

Winst in nauwkeurigheid en verschillen in metingen

Perplexity meldde dat het hetzelfde beslissingsmodel testte op 328 beweringen waarop je met waar of onwaar kunt antwoorden. De beweringen waren afkomstig uit nieuws uit oktober 2026 en weinig bekende Wikipedia-feiten. Elke ware bewering had een onware tegenhanger die op één detail verschilde; er werd geen bewijs in de state meegegeven. Zonder webonderbouwing bedroeg de nauwkeurigheid 56,4% en met webonderbouwing 97,3%, terwijl het aantal fouten daalde van 143 naar negen. De mediane latentie steeg van 139 ms naar 366 ms en die op het 95e percentiel van 514 ms naar 742 ms. De hogere nauwkeurigheid ging dus gepaard met een meetbare snelheidsprijs.

Parallel Web Systems zei dat zijn PWS-Decisions-benchmark 300 gesloten vragen bevat: 100 openbare vragen met referentieantwoorden en 200 privévragen. De beoordeling is gebaseerd op exacte overeenkomsten. De vragen zijn geselecteerd op moeilijkheidsgraad en niet om de nauwkeurigheid bij gemiddeld verkeer te schatten. Het klassement van Parallel vermeldt de gemiddelde nauwkeurigheid en de steekproefstandaarddeviatie over drie runs die op 29 oktober 2026 zijn geëvalueerd. Perplexity Decisions behaalde daarin bijvoorbeeld een nauwkeurigheid van 51,00% op de openbare dataset.

Perplexity zei pplx-decider-v1.2 dat Perplexity met webonderbouwing tijdens een run op 4 november 2026 86 van de 100 openbare vragen correct beantwoordde. Volgens het bedrijf was dit de hoogste nauwkeurigheid op de openbare dataset ten opzichte van het gepubliceerde klassement. De client van Perplexity mat bij die 100 vragen een mediane latentie van 370 ms en een latentie op het 95e percentiel van 685 ms. De afzonderlijke latentiemetingen van Parallel omvatten volledige antwoorden over drie runs van de complete set van 300 vragen. De twee reeksen latentiecijfers hebben dus betrekking op verschillende omvangrijke tests.

Prijzen en integratie

Een verzoek met webonderbouwing kan maximaal 100 vragen bevatten. Elke voltooide zoekopdracht kost $0,001. Voor een verzoek met 100 vragen bedragen de zoekkosten dus maximaal $0,10. Opgehaald bewijs wordt daarnaast als invoertokens in rekening gebracht en telt mee voor de invoerlimiet van 256K. Het standaard pplx-decider-v1.2 model kost $0,02 per miljoen invoertokens en pplx-decider-flash-v1.2 kost $0,01 per miljoen; uitvoertokens zijn gratis.

De groepering van vragen heeft invloed op de uiteindelijke tokenkosten. Bij het standaardmodel wordt bewijs opnieuw meegeteld wanneer invoerlimieten vragen over meerdere groepen verdelen. Flash beoordeelt elke vraag afzonderlijk en brengt de state en het bewijs elke keer opnieuw in rekening. De kosten van webonderbouwing hangen daarom af van het aantal zoekopdrachten, de hoeveelheid opgehaalde tekst en de manier waarop het gekozen model vragen in groepen indeelt.

Bij de integratie is er momenteel een beperking op het gebied van typeondersteuning. De Python-bibliotheek van Perplexity, versie 0.44.0 of hoger, en de TypeScript SDK, versie 0.39.0 of hoger, ondersteunen de API, maar hun typen bieden mode en search_results. Python geeft de modus door via extra_body, terwijl TypeScript deze in de aanvraagbody meestuurt.

De door Perplexity voorgestelde toepassingen omvatten controleren of accounts in de afgelopen 90 dagen financiering hebben opgehaald, afhankelijkheden in de gaten houden om stabiele releases te vinden die nieuwer zijn dan een vastgezette versie, en bevestigen dat een evenement nog steeds gepland staat voordat een agent het boekt. In die workflows voegt actuele webonderbouwing controleerbaar, actueel bewijs toe aan een waarschijnlijkheid waarop software een drempelwaarde kan toepassen of die het kan beoordelen. De afweging gaat verder dan nauwkeurigheid: latentie, tokengebruik, zoekkosten en eventueel ontbrekend bewijs bepalen allemaal search_results wat de geretourneerde waarschijnlijkheid weergeeft.