Perplexity, Decisions API’ye Canlı Web Tabanlaması Ekliyor

4 Kasım 2026’da Perplexity tarafından duyurulan web tabanlaması, Decisions API için hemen kullanılabilir durumda. Bu özellik, yanıtları eğitim sonrasında değişebilen kararları hedefliyor; örneğin bir kişinin yönetici pozisyonu, bir yazılım paketinin en son sürümü veya bir etkinliğin hâlâ planlandığı gibi gerçekleşip gerçekleşmeyeceği.

Decisions API, içeriği … olarak kabul eder state ve düzyazı yerine yapılandırılmış sayısal yanıtlar döndürür. Evet-hayır sorusu, “evet” yanıtının olasılığını verir; seçenekli bir soru, tanımlanmış her seçenek için bir olasılık üretir; puanlama sorusu ise sıralı bir değerlendirme ölçütündeki her seviye için olasılıkların yanı sıra beklenen puanı verir. Geliştiriciler bu değerleri sınıflandırma, yönlendirme ve diğer otomatik kararlar için eşik olarak kullanabilir. Durum metin, JSON veya görsel içerebilir; ayrıca bu sürüm, modeli belirli bir sayfaya yönlendiren bir URL’ye de izin verir.

Model Yanıt Vermeden Önce Canlı Arama

Ayarlama mode olarak web_grounding model çağrısından önce Perplexity’nin API ağ geçidinde Fast Search’ü etkinleştirir. Ağ geçidi, her soru için sorudan ve durum metninin başlangıcından bir sorgu oluşturur; aramaları paralel olarak yürütür, sonuçları birleştirir ve yinelenen URL’leri kaldırır. Aynı sorguyu üreten sorular aynı aramayı paylaşır. Ardından ağ geçidi, sayfa başlıklarını, URL’leri ve metinleri kanıt olarak duruma ekler. Yanıtlar olasılık temelli olmaya devam ederken bir search_results alanı, geliştiricilerin modelin neleri gördüğünü incelemesini sağlar.

Aramaların açıkça belirlenmiş sınırları vardır. Aynı anda en fazla 10 arama yürütülür; her arama için süre sınırı bir saniye, toplam süre sınırı ise üç saniyedir. Görseller aranmaz. Sorgular Perplexity Search API’ye gönderilir ve hem soru metnini hem de durumun başlangıç bölümünü içerebilir. Bu nedenle aramaya gönderilen veriler, entegrasyonun gizlilikle ilgili değerlendirmelerinin bir parçasıdır.

Aramaların başarısız olması, karar yanıtının mutlaka duracağı anlamına gelmez. Aramaların yalnızca bir kısmı başarılı olursa model, ulaşan sonuçları kullanır. Hiçbiri başarılı olmazsa özgün duruma göre yanıt verir ve boş bir search_results dizi döndürür. Dolayısıyla canlı kanıt yanıtın oluşmasına katkıda bulunmasa bile yanıt, olağan yapısını koruyabilir.

Doğruluk Artışı ve Ölçüm Farklılıkları

Perplexity, aynı karar modelini Ekim 2026 haberlerinden ve Wikipedia’daki nadir bilgilerden derlenen 328 doğru-yanlış iddiası üzerinde test ettiğini bildirdi. Her doğru iddianın, tek bir ayrıntısı farklı olan yanlış bir karşılığı vardı ve duruma hiçbir kanıt eklenmemişti. Tabanlama olmadan doğruluk %56,4, tabanlamayla %97,3 oldu; hata sayısı ise 143’ten dokuza düştü. Medyan gecikme 139 ms’den 366 ms’ye, 95. yüzdelik dilimdeki gecikme de 514 ms’den 742 ms’ye çıktı. Böylece doğruluk artışının yanında ölçülebilir bir hız maliyeti de ortaya kondu.

Parallel Web Systems, PWS-Decisions kıyaslama testinin 300 kapalı uçlu sorudan oluştuğunu belirtti: 100’ü referans yanıtlarıyla birlikte herkese açık, 200’ü ise gizli. Puanlama tam eşleşmeye dayanıyor ve soru kümesi, ortalama trafikteki doğruluğu tahmin etmek için değil, zorluk düzeyi gözetilerek oluşturuldu. Parallel’ın liderlik tablosunda, 29 Ekim 2026’da değerlendirilen üç çalıştırmanın ortalama doğruluğu ve örnek standart sapması raporlanıyor. Perplexity Decisions’ın herkese açık soru kümesindeki doğruluğu %51,00 olarak veriliyor.

Perplexity şunu belirtti: pplx-decider-v1.2 web tabanlaması kullanılan model, 4 Kasım 2026’daki bir çalıştırmada herkese açık 100 sorunun 86’sını doğru yanıtladı. Perplexity, yayımlanan bu liderlik tablosunda bunun herkese açık soru kümesinde ulaşılan en yüksek doğruluk olduğunu belirtti. Şirketin istemcisi, söz konusu 100 soruda 370 ms medyan gecikme ve 685 ms 95. yüzdelik dilim gecikmesi ölçtü. Parallel’ın ayrı gecikme ölçümleri, 300 soruluk tam kümedeki üç çalıştırmanın tamamında verilen yanıtları kapsıyor; dolayısıyla iki gecikme verisi kümesinin kapsamı farklı.

Fiyatlandırma ve Entegrasyon

Tabanlamalı bir istekte en fazla 100 soru bulunabilir. Tamamlanan her aramanın ücreti 0,001 ABD dolarıdır; bu da 100 soruluk bir istekte arama ücretinin en fazla 0,10 ABD doları olacağı anlamına gelir. Ancak alınan kanıtlar giriş belirteçleri olarak da ücretlendirilir ve 256K giriş sınırına dâhil edilir. Standart pplx-decider-v1.2 modelin maliyeti, milyon giriş belirteci başına 0,02 ABD dolarıdır ve pplx-decider-flash-v1.2 maliyeti milyon başına 0,01 ABD dolarıdır; çıkış belirteçleri ücretsizdir.

Soruların gruplandırılması, toplam belirteç ücretini etkiler. Standart modelde giriş sınırları nedeniyle sorular ayrı gruplara bölündüğünde kanıtlar her grupta yeniden sayılır. Flash, her soruyu bağımsız olarak değerlendirir ve durumu ve kanıtları her seferinde yeniden ücretlendirir. Bu nedenle tabanlama maliyeti; arama sayısına, alınan metin miktarına ve seçilen modelin soruları nasıl gruplandırdığına bağlıdır.

Entegrasyonda şu anda tür tanımlarıyla ilgili bir kısıt bulunuyor. Perplexity’nin Python kütüphanesinin 0.44.0 veya sonraki sürümleri ve TypeScript SDK’sının 0.39.0 veya sonraki sürümleri API’yi destekliyor, ancak tür tanımları henüz mode ve search_results. Python, modu şu yolla iletir extra_body, TypeScript ise istek gövdesinde gönderir.

Perplexity’nin önerdiği iş yükleri arasında, hesapların son 90 gün içinde finansman alıp almadığını kontrol etmek, bağımlılıkları sabitlenmiş bir sürümden daha yeni kararlı sürümler için izlemek ve bir etkinliğin, bir ajan rezervasyon yapmadan önce hâlâ planlandığını doğrulamak yer alıyor. Bu iş akışlarında temellendirme, yazılımın eşik değer uygulayabileceği veya inceleyebileceği bir olasılığa güncel ve denetlenebilir kanıtlar ekliyor. Bu ödünleşim doğruluğun ötesine uzanıyor: gecikme, belirteç kullanımı, arama ücretleri ve iş akışlarındaki olası kanıt eksiklikleri search_results tüm bu etkenler, döndürülen olasılığın neyi temsil ettiğini şekillendiriyor.