Parallel 推出 Decisions API，一次调用同时联网搜索和做决策

面向决策模型的 RAG 来了！Parallel 刚刚推出了 Decisions API，把实时网络搜索和有边界的决策整合在一次调用里。

像 Jev 这类决策模型，在输出短小且结构化时很有用：是/否、从列表里选一个选项、分类，或者路由决策。问题在于，这些决策的质量完全取决于你给它的上下文。

如果答案依赖于最近发生变化的事情，或者只存在于网络上的信息，常规流程就变成先检索、再决策。Parallel 把这两步合到了一起。

你提供状态和想要回答的问题。API 会搜索网络，基于检索到的内容做决策，并返回带类型的答案，同时给出概率、置信度和来源。

这让它在很多场景下更有用：决策依赖当前外部信息的 agent 工作流、模型需要先核实信息再选择结果的研究任务，或者判断需要基于网络信息的评估流水线。它还能在一次请求里基于同一份检索到的上下文回答多个问题，而不是为每个决策重复搜索。

所以，不用再走：搜索 → 检索上下文 → 决策模型 → 结构化答案，你可以直接通过一个 API 做出有依据的决策。

我觉得这是决策模型发展方向的一个相当自然的延伸：有边界的输出本身就很有用，但让这个决策层能访问实时网络，能处理的问题范围就大得多了。