Моделі та платформи ШІ
Perplexity додає до свого Decisions API підкріплення відповідей актуальними даними з вебу
Додайте Unite.AI до бажаних джерел у Google
Perplexity оголосила 4 листопада 2026 року, що підкріплення вебданими вже доступне в її Decisions API: перед тим, як модель поверне ймовірності, можна додатково виконувати пошук у вебі в реальному часі. Ця функція призначена для ухвалення рішень, відповіді на які можуть змінитися після навчання моделі, зокрема щодо керівної посади людини, найновішого випуску програмного пакета або того, чи досі заплановано певну подію.
Decisions API приймає вміст у вигляді state і повертає структуровані числові відповіді замість тексту. Для запитання з відповіддю «так» або «ні» повертається ймовірність відповіді «так»; для запитання з вибором — імовірність для кожного визначеного варіанта; а для запитання з оцінюванням — імовірності за впорядкованою шкалою оцінювання та очікувана оцінка. Розробники можуть використовувати ці значення як порогові значення для класифікації, маршрутизації та інших автоматизованих рішень. Стан може містити текст, JSON або зображення, а після запуску також стала доступною URL-адреса, яка спрямовує модель до певної сторінки.
Пошук у реальному часі перед відповіддю моделі
Встановлення mode у значення web_grounding активує Fast Search на шлюзі API Perplexity перед викликом моделі. Шлюз формує один запит для кожного запитання на основі самого запитання та початку тексту стану, паралельно виконує пошук, об’єднує результати й видаляє дублікати URL-адрес. Запитання, для яких сформовано однаковий пошуковий запит, використовують спільний пошук. Потім шлюз додає до стану як докази заголовки сторінок, URL-адреси й текст. Відповіді й далі ґрунтуються на ймовірностях, а search_results поле дає розробникам змогу перевірити, що саме бачила модель.
Для пошуку встановлено чіткі обмеження. Одночасно виконується до 10 пошуків, на кожен із яких відведено не більш як одну секунду, а загалом — три секунди. Зображення не шукаються. Запити надсилаються до Perplexity Search API і можуть містити як текст запитання, так і початок стану, тож дані, передані для пошуку, слід враховувати під час оцінювання конфіденційності інтеграції.
Збій пошуку не обов’язково зупиняє формування відповіді з рішенням. Якщо успішно виконано лише частину пошуків, модель використовує отримані результати. Якщо не вдався жоден пошук, модель відповідає на основі початкового стану й повертає порожній search_results масив. Тому відповідь може зберігати звичну структуру навіть тоді, коли актуальні дані з вебу не вплинули на неї.
Зростання точності та відмінності у вимірюваннях
Perplexity повідомила, що протестувала ту саму модель ухвалення рішень на 328 твердженнях, які вимагали відповіді «правда» або «неправда» й були взяті з новин за жовтень 2026 року та маловідомих фактів із Вікіпедії. Для кожного правдивого твердження було створено хибний відповідник, що відрізнявся однією деталлю; жодних доказів у стан не додавали. Точність становила 56,4% без підкріплення вебданими й 97,3% із ним, а кількість помилок зменшилася зі 143 до дев’яти. Медіанна затримка зросла зі 139 мс до 366 мс, а затримка на 95-му перцентилі — з 514 мс до 742 мс, тож підвищення точності супроводжувалося вимірюваним сповільненням.
Parallel Web Systems повідомила, що її бенчмарк PWS-Decisions містить 300 запитань із закритими відповідями: 100 загальнодоступних із еталонними відповідями та 200 приватних. Оцінювання здійснюється за точним збігом, а набір сформовано з огляду на складність, а не для оцінювання точності на середньому потоці запитів. У таблиці лідерів Parallel наведено середню точність і вибіркове стандартне відхилення за трьома запусками, оціненими 29 жовтня 2026 року; зокрема, точність Perplexity Decisions на загальнодоступній частині набору становила 51,00%.
Perplexity повідомила, що pplx-decider-v1.2 у запуску 4 листопада 2026 року модель із підкріпленням вебданими правильно відповіла на 86 зі 100 загальнодоступних запитань; компанія назвала цей результат найвищою точністю на загальнодоступній частині набору серед показників у тій опублікованій таблиці лідерів. Її клієнт виміряв медіанну затримку 370 мс і затримку на 95-му перцентилі 685 мс для цих 100 запитань. Окремі вимірювання затримки від Parallel охоплюють повні відповіді за три запуски всього набору з 300 запитань, тому ці два набори показників затримки стосуються різних обсягів.
Ціни та інтеграція
Один запит із підкріпленням вебданими може містити до 100 запитань. Кожен успішно завершений пошук коштує $0.001, тож за пошук у запиті зі 100 запитаннями стягується не більш як $0.10; крім того, за отримані докази також виставляється рахунок як за вхідні токени, і вони враховуються в ліміті 256K вхідних токенів. Стандартна pplx-decider-v1.2 модель коштує $0.02 за мільйон вхідних токенів, а pplx-decider-flash-v1.2 коштує $0.01 за мільйон; вихідні токени безкоштовні.
Групування запитань впливає на підсумкову вартість токенів. У стандартній моделі докази враховуються повторно, коли через обмеження на вхідні дані запитання доводиться розподіляти між окремими групами. Flash оцінює кожне запитання окремо й щоразу повторно враховує стан і докази. Отже, вартість підкріплення вебданими залежить від кількості пошуків, обсягу отриманого тексту та способу, у який вибрана модель групує запитання.
Наразі інтеграція має обмеження, пов’язане з типізацією. Бібліотека Perplexity для Python версії 0.44.0 або новішої та TypeScript SDK версії 0.39.0 або новішої підтримують API, але їхні типи поки не надають доступу до mode і search_results. У Python режим передається через extra_body, тоді як TypeScript надсилає його в тілі запиту.
До рекомендованих Perplexity сценаріїв належать перевірка того, чи залучали компанії фінансування протягом останніх 90 днів, відстеження стабільних випусків залежностей, новіших за зафіксовану версію, і підтвердження того, що подія досі запланована, перш ніж агент забронює на неї місце. У таких робочих процесах прив’язка до вебджерел додає перевірювані актуальні докази до оцінки ймовірності, до якої програмне забезпечення може застосувати порогове значення або яку можна перевірити. Компроміс стосується не лише точності: затримка, використання токенів, плата за пошук і будь-які відсутні докази search_results — усе це визначає, що саме відображає повернена оцінка ймовірності.
