Perplexity встроила Deep Research в Computer: как устроены многошаговый поиск и отчёты

Perplexity перенесла Deep Research в Computer — систему, которая координирует работу нескольких моделей. Обновлённый инструмент разбивает сложные вопросы на подзадачи и подбирает модели для отдельных этапов. Результатом могут стать готовые к работе отчёты, презентации и панели мониторинга.

Как работает Deep Research в Computer

Deep Research выполняет множество поисковых запросов, изучает источники и составляет отчёт со ссылками. Новая версия работает внутри Perplexity Computer — облачной системы, которая объединяет в одном процессе до 20 моделей искусственного интеллекта. Computer не привязана к одной модели: основным механизмом рассуждения служит Opus 4.6, а для отдельных задач, например углублённого исследования, могут привлекаться специализированные субагенты, в том числе Gemini.

В основе Deep Research в Computer — Agent Search SDK и подход Search as Code. Получив сложный вопрос, система самостоятельно строит план исследования, ищет материалы, сопоставляет результаты и может приложить ссылки к отчёту.

Search as Code: поиск с помощью кода

Модель пишет код, который формирует сам поисковый процесс. Код запускает тысячи параллельных шагов поиска, адаптированных к конкретному вопросу. Скрипт выполняется в изолированной среде и обращается к Agentic Search SDK от Perplexity. SDK предоставляет инструменты поиска, включая фильтрацию, удаление дубликатов и ранжирование результатов.

В отличие от фиксированного конвейера, который каждый раз выполняет одни и те же действия, поиск на основе кода позволяет системе выбирать разные направления, сопоставлять результаты и уточнять поиск по мере работы.

Search as Code разворачивается в Computer и доступен через Agent API, поэтому разработчики могут программно обращаться к тому же поисковому стеку. Computer также анализирует пользовательские файлы вместе с данными из интернета. Например, можно добавить PDF-файл или электронную таблицу, а затем сопоставить их содержание с данными переписи населения, Statista и другими источниками.

Пример для разработчиков

Deep Research в Computer предназначен для пользователей Perplexity Max. Разработчики могут обращаться к тому же стеку через Agent API с оплатой по мере использования. В официальном SDK есть готовая конфигурация для углублённого исследования:

# Установка: pip install perplexityai
# Задайте ключ API в переменной окружения PERPLEXITY_API_KEY
from perplexity import Perplexity

client = Perplexity()  # читает PERPLEXITY_API_KEY из окружения

response = client.responses.create(
    preset="deep-research",  # готовая конфигурация; есть и вариант "pro-search"
    input="Сравните денежные потоки и рентабельность крупнейших производителей ИИ-чипов.",
)

print(response.output_text)  # текст сводного отчёта

Основная конечная точка API: POST https://api.perplexity.ai/v1/agent. Также поддерживается запрос POST /v1/responses для совместимости с OpenAI SDK.

Результаты тестирования

Perplexity опубликовала собственное сравнение прежней версии Deep Research и версии в Computer. Наибольший прирост показал тест, проверяющий способность агента находить труднодоступную информацию в интернете.

Тест Организаторы Прежняя версия Deep Research Deep Research в Computer
Humanity’s Last Exam Center for AI Safety и Scale AI 36,4% 50,5%
BrowseComp OpenAI 40,7% 83,8%
DeepSearchQA Google DeepMind 81,9% 85,0%

BrowseComp проверяет, способен ли агент находить труднодоступные сведения с помощью поиска в интернете. В этом тесте результат вырос с 40,7% до 83,8% — это самый большой прирост в сравнении Perplexity. Humanity’s Last Exam включает экспертные вопросы по разным академическим дисциплинам. В DeepSearchQA исходный результат уже был высоким, поэтому прирост оказался скромнее, но тоже положительным. Поскольку показатели опубликованы самой Perplexity, их стоит проверять независимо.

Примеры задач

Perplexity приводит стартовые задания, показывающие, для чего можно использовать инструмент:

  • Финансы: сравнить денежные потоки и рентабельность крупных производителей ИИ-чипов за пять лет.
  • Право: свести различия между законами США и Европы о защите персональных данных в сравнительную таблицу.
  • Здравоохранение: обобщить данные клинических исследований о том, улучшают ли препараты для снижения веса здоровье сердца.
  • Технологии: сравнить ведущие модели по способности рассуждать, стоимости и длине контекстного окна.

Каждая задача завершается подготовкой результата: отчёт можно преобразовать в краткую записку, презентацию или интерактивную таблицу. Computer читает и редактирует содержимое файла, а не создаёт отдельный документ рядом. Перед применением изменений система показывает предварительный просмотр, который пользователь может принять или отклонить.

Как Computer выбирает модели

Computer направляет каждую подзадачу модели, которая лучше подходит для её выполнения. Например, модель для юридических рассуждений может анализировать договоры, модель для работы с данными — проверять расхождения в таблицах, а языковая модель — готовить итоговый текст.

Для ответов используются и платные источники данных, в том числе PitchBook и CB Insights. Юридические данные пока доступны в предварительном режиме.

Преимущества и ограничения

Преимущества:

  • Поиск на основе кода запускает тысячи параллельных шагов для одного вопроса.
  • В тестах поиска с использованием ИИ-агентов зафиксирован значительный рост результатов, особенно в BrowseComp.
  • Система анализирует пользовательские файлы и данные из интернета и приводит ссылки для утверждений.
  • Она готовит отчёты, краткие записки, презентации, панели мониторинга и интерактивные таблицы.

Ограничения:

  • Результаты тестирования опубликованы самой Perplexity и требуют независимой проверки.
  • Функция в Computer рассчитана прежде всего на пользователей Perplexity Max, а не на бесплатный тариф.
  • Доступ к платным источникам различается; юридические данные остаются в предварительном режиме.
  • Ответы нужно проверять: наличие ссылок не гарантирует правильность выводов.

Deep Research в Computer распределяет исследовательские задачи между специализированными моделями и может создавать готовые документы на основе файлов пользователя и веб-источников. Разработчики могут обращаться к тому же поисковому стеку через Agent API с оплатой по мере использования.