Perplexity ha introdotto la funzionalità Web Grounding nella propria Decisions API, consentendo ai modelli specializzati nelle decisioni automatizzate di consultare informazioni aggiornate attraverso ricerche web prima di produrre una valutazione probabilistica. La nuova capacità, disponibile dal 4 novembre 2026, estende il funzionamento dell’API alle situazioni nelle quali la correttezza di una risposta dipende da informazioni che possono essere cambiate dopo l’addestramento del modello, come la posizione professionale ricoperta da una persona, la disponibilità di una nuova versione software, il completamento di un finanziamento aziendale o la conferma di un evento programmato. A differenza dei modelli linguistici conversazionali, progettati per generare risposte testuali, Decisions API restituisce risultati numerici strutturati che possono essere utilizzati direttamente dalle applicazioni per classificare informazioni, selezionare percorsi operativi e applicare soglie decisionali. L’integrazione della ricerca web mantiene questo modello di funzionamento, aggiungendo alle informazioni fornite dal chiamante contenuti provenienti da pagine individuate attraverso il motore di ricerca di Perplexity. Nei test pubblicati dall’azienda, l’accuratezza nella verifica di affermazioni fattuali è aumentata dal 56,4% al 97,3% utilizzando la nuova modalità, con un incremento della latenza mediana da 139 a 366 millisecondi. La funzionalità è facoltativa e può essere attivata sulle richieste esistenti senza modificare il modello di risposta probabilistico.
La Decisions API utilizza un campo denominato state per ricevere il contenuto da analizzare, che può comprendere testo, strutture JSON o immagini, e associa a queste informazioni una o più domande definite dallo sviluppatore. Sono supportate tre categorie di valutazione. La modalità noul produce un valore compreso tra zero e uno che rappresenta la probabilità attribuita alla risposta affermativa; choice restituisce una distribuzione di probabilità tra le alternative specificate e identifica quella considerata più probabile; score assegna probabilità ai livelli di una scala ordinata e calcola un punteggio atteso. Questi risultati possono essere confrontati con soglie stabilite dall’applicazione, utilizzati per inoltrare una richiesta a un determinato servizio oppure sottoposti a revisione quando il livello di confidenza non è sufficiente. L’API supporta i modelli pplx-decider-v1.2, con 27 miliardi di parametri, e pplx-decider-flash-v1.2, con quattro miliardi di parametri, entrambi dotati di una finestra contestuale di 256.000 token. La variante principale è orientata alle valutazioni più articolate e alle richieste contenenti più domande correlate, mentre Flash è progettata soprattutto per classificazioni e decisioni semplici ad alto volume. L’aggiunta del Web Grounding consente a entrambi di integrare informazioni esterne aggiornate, anziché basare necessariamente la valutazione soltanto sul contenuto originario dello state e sulle conoscenze acquisite durante l’addestramento.
L’attivazione della funzione avviene impostando il parametro mode sul valore web_grounding. Prima che la richiesta raggiunga il modello decisionale, il gateway API genera una query di ricerca per ciascuna domanda, combinando le istruzioni e gli eventuali criteri di classificazione con la parte iniziale del contenuto testuale presente nello state. La porzione utilizzabile per costruire la query è limitata a 256 byte, dei quali fino a 128 possono essere riservati alla componente relativa alla domanda quando è presente anche testo nello state. Il gateway invia le interrogazioni al servizio Fast Search di Perplexity, eseguendone fino a dieci contemporaneamente. Le richieste che producono la medesima query vengono raggruppate per evitare ricerche duplicate. Ogni ricerca può restituire fino a cinque risultati, successivamente aggregati e deduplicati in base agli URL, mantenendo una selezione ordinata delle evidenze. Quando le domande sono numerose, il sistema può conservare fino a cento risultati distinti, con una distribuzione limitata a un risultato per query. I contenuti recuperati, comprendenti titoli delle pagine, indirizzi URL e frammenti testuali, vengono aggiunti allo state prima della valutazione. Il modello riceve quindi una rappresentazione arricchita delle informazioni, mentre la risposta continua a utilizzare la struttura numerica prevista dalla Decisions API. Un campo aggiuntivo, search_results, permette allo sviluppatore di verificare quali fonti siano state effettivamente utilizzate come contesto, includendo eventuali date di pubblicazione e aggiornamento.
Le ricerche sono soggette a vincoli temporali specifici per contenere l’impatto sulla latenza dell’API. Ogni operazione dispone di un limite massimo di un secondo, mentre l’intera fase di ricerca deve concludersi entro tre secondi. Quando alcune interrogazioni non producono risultati entro il tempo disponibile, il modello utilizza comunque le evidenze recuperate dalle altre. Se nessuna ricerca ha successo, la richiesta non viene necessariamente interrotta: il sistema continua a elaborare lo state originale e restituisce un array search_results vuoto. Questa caratteristica permette di mantenere la continuità operativa delle applicazioni anche in presenza di risultati incompleti o di temporanee difficoltà del servizio di ricerca, ma introduce una distinzione importante nell’interpretazione delle probabilità restituite. Una risposta prodotta con Web Grounding attivato non implica automaticamente che siano state recuperate informazioni web utilizzabili. Le applicazioni che richiedono una verifica obbligatoria delle fonti devono pertanto controllare esplicitamente il campo search_results e decidere come gestire i casi nei quali non siano disponibili evidenze. Le immagini eventualmente presenti nello state possono essere analizzate dal modello decisionale, ma non vengono utilizzate per effettuare ricerche visive sul web. Inoltre, poiché le query possono comprendere parte delle informazioni trasmesse dal chiamante, l’integrazione richiede attenzione alla natura dei dati inviati al servizio di ricerca.
L’aggiornamento comprende anche la possibilità di fornire direttamente l’URL di una pagina come contenuto dello state. Quando il campo contiene esclusivamente un indirizzo HTTP o HTTPS e la modalità web_grounding è attiva, l’API recupera il testo della pagina indicata e lo utilizza come contesto prima di eseguire le normali interrogazioni di ricerca. In questa configurazione, la risposta può comprendere anche il campo fetched_results, che identifica la pagina recuperata e ne restituisce il contenuto testuale, fino a un massimo di 40.000 caratteri. La procedura consente, per esempio, di sottoporre un documento pubblicato online a una verifica strutturata, integrando le informazioni presenti nella pagina con ulteriori evidenze esterne. Attraverso il parametro max_staleness è possibile stabilire l’età massima, espressa in secondi, della copia della pagina conservata dal servizio: un valore pari a 86.400 richiede che la copia sia stata acquisita nelle precedenti 24 ore, provocando una nuova scansione quando il contenuto memorizzato risulta più vecchio. Questo parametro si applica al recupero della pagina esplicitamente indicata nello state e non costituisce un filtro di freschezza per i risultati delle ricerche successive. Un eventuale fallimento del recupero viene segnalato attraverso l’assenza del campo fetched_results, mentre l’indirizzo originale rimane disponibile come contenuto della richiesta.
Per misurare i benefici della ricerca web, Perplexity ha effettuato una valutazione su 328 affermazioni vere o false ricavate da notizie pubblicate nell’ottobre 2026 e da informazioni relativamente rare presenti su Wikipedia. Ogni affermazione vera era associata a una variante falsa ottenuta modificando un singolo dettaglio, in modo da richiedere al modello una verifica fattuale precisa anziché un riconoscimento basato sulle caratteristiche generali della frase. Nei test non venivano fornite evidenze aggiuntive nello state, così da confrontare la capacità del modello di rispondere attraverso le conoscenze interne con quella ottenuta mediante la ricerca di informazioni aggiornate. Senza Web Grounding, il modello ha raggiunto un’accuratezza del 56,4%, commettendo 143 errori; con la nuova funzione l’accuratezza è salita al 97,3%, riducendo gli errori a nove. La maggiore accuratezza ha comportato un incremento della latenza mediana da 139 a 366 millisecondi e della latenza al 95° percentile da 514 a 742 millisecondi. Le misurazioni documentano quindi un miglioramento rilevante nel riconoscimento delle affermazioni corrette all’interno dello specifico insieme di prova, accompagnato da un costo temporale aggiuntivo dovuto al recupero delle informazioni.
Un secondo confronto è stato effettuato utilizzando PWS-Decisions, un benchmark sviluppato da Parallel Web Systems e composto da 300 domande a risposta chiusa, delle quali cento pubbliche con risposte di riferimento e duecento private. Il benchmark utilizza il confronto esatto tra risposta prodotta e risposta attesa ed è stato costruito selezionando quesiti difficili, senza l’obiettivo di rappresentare la distribuzione media delle richieste effettuate dagli utenti. Nella classifica pubblicata da Parallel, basata su tre esecuzioni valutate il 29 ottobre 2026, Perplexity Decisions aveva raggiunto un’accuratezza del 51% sulle cento domande pubbliche. Il 4 novembre Perplexity ha eseguito una nuova valutazione utilizzando pplx-decider-v1.2 con Web Grounding, ottenendo 86 risposte corrette su cento. L’azienda ha presentato questo risultato come il migliore sul sottoinsieme pubblico rispetto ai valori precedentemente disponibili nella classifica. La misurazione ha registrato una latenza mediana di 370 millisecondi e una latenza al 95° percentile di 685 millisecondi. I risultati devono tuttavia essere distinti da quelli pubblicati da Parallel, poiché le rispettive misurazioni temporali utilizzano procedure e insiemi di domande differenti: Parallel considera risposte complete raccolte in tre esecuzioni sull’intero benchmark, mentre il nuovo test Perplexity riguarda una singola esecuzione sulle cento domande pubbliche.
L’introduzione del Web Grounding modifica anche la struttura dei costi dell’API, che continua a prevedere un prezzo di 0,02 dollari per milione di token in ingresso per pplx-decider-v1.2 e di 0,01 dollari per milione per pplx-decider-flash-v1.2, senza addebiti per i token in uscita. Le ricerche web completate vengono fatturate separatamente a 0,001 dollari ciascuna, equivalenti a un dollaro per mille ricerche. Una richiesta con Web Grounding può contenere al massimo cento domande, comportando un costo massimo di 0,10 dollari per le sole ricerche associate a tale richiesta, al quale si aggiunge il consumo dei token relativi alle informazioni recuperate. Anche il recupero riuscito di una pagina indicata tramite URL viene fatturato a 0,001 dollari, separatamente dalle eventuali ricerche successive. I frammenti testuali e il contenuto delle pagine vengono considerati token in ingresso e contribuiscono al limite contestuale di 256.000 token. Il costo effettivo dipende pertanto dal numero di interrogazioni, dalla quantità di testo acquisito, dalla scelta del modello e dalle modalità con cui vengono elaborate più domande. Nel modello principale, le domande possono essere raggruppate e condividere il contesto, che viene nuovamente conteggiato soltanto quando i limiti richiedono la suddivisione in gruppi separati. La versione Flash, invece, valuta ogni domanda individualmente e conteggia nuovamente lo state e le evidenze associate a ogni elaborazione, una modalità che può rendere meno conveniente l’utilizzo del modello più piccolo quando vengono sottoposte numerose domande relative allo stesso documento.
Perplexity ha illustrato questa differenza attraverso una prova effettuata il 4 novembre 2026 su cento domande con Web Grounding. Il modello principale ha completato la richiesta in circa tre secondi, utilizzando 31.309 token in ingresso, mentre Flash ha richiesto 42 secondi e 2.839.790 token, superando il timeout di trenta secondi previsto negli esempi di integrazione. Il risultato evidenzia come la riduzione del prezzo unitario dei token non garantisca automaticamente un costo inferiore per richieste composte da molte valutazioni. L’API è accessibile attraverso una richiesta POST all’endpoint /v1/decisions e può essere utilizzata con la libreria Python di Perplexity dalla versione 0.44.0 e con l’SDK TypeScript dalla versione 0.39.0. Al momento del rilascio, le definizioni tipizzate dei due SDK non comprendono ancora i campi mode e search_results. Gli sviluppatori Python possono quindi trasmettere la modalità web_grounding attraverso extra_body e leggere i risultati della ricerca dalla rappresentazione dizionario della risposta, mentre in TypeScript il parametro deve essere aggiunto direttamente al corpo della richiesta. La documentazione prevede inoltre identificatori di modello stabili e alias che seguono automaticamente le versioni più recenti, rendendo necessaria una nuova verifica delle soglie applicative quando cambia il modello effettivamente utilizzato.
Tra le applicazioni previste da Perplexity rientrano la verifica di finanziamenti ottenuti da aziende negli ultimi novanta giorni, il monitoraggio di dipendenze software per individuare versioni stabili successive a quelle installate e il controllo della conferma di eventi prima che un agente proceda con una prenotazione. In questi casi, il sistema può associare una decisione probabilistica a informazioni aggiornate e consultabili attraverso il campo search_results, permettendo all’applicazione di applicare soglie automatiche oppure richiedere un controllo aggiuntivo quando le evidenze risultano insufficienti. L’integrazione non elimina l’incertezza delle valutazioni, poiché il risultato continua a essere una probabilità prodotta dal modello e la qualità della risposta dipende dalla pertinenza, dalla disponibilità e dall’aggiornamento delle fonti recuperate. Il rilascio aggiunge però alla Decisions API un meccanismo operativo per distinguere le valutazioni basate esclusivamente sul contesto originario da quelle arricchite mediante ricerca web, mantenendo la compatibilità con i sistemi che utilizzano risposte numeriche strutturate per prendere decisioni automatizzate.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)