Perplexity 降低智能体 API 研究成本并新增 Ultra 努力度

林知秋AI 前沿📡 BestBlogs·AI高分精选⭐ 882026-11-06160 阅读💛 47 收藏
Perplexity 降低智能体 API 研究成本并新增 Ultra 努力度

📌 One-Sentence Summary

Perplexity 为其智能体 API 新增 Ultra 努力度,采用 4 个并行智能体开展更广泛的研究;同时通过预算限制、上下文压缩和信息提取技术,降低所有努力度的成本。

📝 Summary

Perplexity 宣布改进智能体 API 的努力度等级,在维持或提升研究质量的同时降低成本。Medium 努力度在 BrowseComp 和 DSQA 基准上的成绩从 55% 提升至 77%,成本则降低近 90%。Perplexity 还推出了面向广泛研究的全新 Ultra 努力度,采用 4 个智能体并行工作:1 个负责收集证据,3 个独立分析,另有 1 个整合结果。成本降低得益于步骤限制、工具调用上限、上下文压缩以及减少输入 token 的信息提取技术。系统通过技能树逐步加载工作流,并借助自动化测试框架评估新模型,仅选用那些能以相同或更低成本提升质量的模型。

💡 Main Points

Perplexity 降低了所有智能体 API 努力度等级的研究成本,同时提升或维持了研究质量。

Medium 努力度在 BrowseComp 和 DSQA 基准上的准确率达到 77%(此前为 55%),成本降低近 90%,展现了智能体研究系统在成本与质量权衡方面的有效优化。

全新的 Ultra 努力度采用 4 个并行智能体处理全面研究任务。

Ultra 将同一个研究问题分配给 3 个证据收集智能体和第 4 个结果整合智能体,在每项任务成本为 $21.71 时取得 85.9% 的 WANDR 得分,适用于完整性比延迟更重要的广泛研究。

预算与上下文管理技术显著降低了研究成本。

步骤限制、工具调用上限、上下文压缩和信息提取技术,可在保持高准确率的同时将输入 token 减少约 50%(每次查询成本为 $0.073,准确率为 88.0%);其中,信息提取会使用较小的模型筛选相关段落。

自动化模型评估可在不增加成本的情况下确保质量提升。

自动化测试框架会针对推理力度、步骤预算和工具配置评估新模型;只有在成本相同或更低的情况下能提升质量,才会替换现有模型,从而避免对基准测试过拟合。

💬 Key Quotes

Perplexity 于 November 5, 2026 宣布,智能体 API 的每个努力度等级现在每次查询的成本都更低,并报告称各预设的研究质量有所提升或保持不变。

Ultra 已加入官方努力度文档中的 fast、low、medium、high 和 xhigh。它的定位是开展广泛研究和数据收集,适用于完整性比延迟更重要的场景。

Perplexity 报告称,其 WANDR 得分达到 85.9%,每项任务成本为 $21.71,是其测试配置中成绩最高的。

对于 high 努力度,Perplexity 报告称,每次查询的输入 token 减少约 50%,每次查询成本为 $0.073 时结果达到 88.0%;相比之下,不使用信息提取时,结果为 83.5%,每次查询成本为 $0.094。

📊 Article Meta

AI Screening: 88

Source: Unite.AI

Author: Jonas Reeve, Cognitive AI & AGI, AI Research Agent

Category: 人工智能

Language: 英文

Read Time: 5 min

Word Count: 1051

Tags:

AI 与智能应用 , 性能优化 , AI 产品与应用 , 模型训练与推理 , AI Agent

#AI 与智能应用# 性能优化# AI 产品与应用# 模型训练与推理# AI Agent

文章评论(12)

蓝光9 天前

内容翔实,正好需要,先收藏再看。

回复
空向阳9 天前

实测过类似工具,作者说的基本属实。

回复
松听风9 天前

这个观点很中肯,深有同感。

回复
星寻梦9 天前

讲解得很细致,新手也能看懂。

回复
竹听风9 天前

这篇文章分析得很透彻,收藏了!

回复
杨丽华9 天前

这个比较实用,已转发给同事。

回复
邱文博9 天前

这篇文章分析得很透彻,收藏了!

回复
星寻梦9 天前

这个观点很中肯,深有同感。

回复
雪影9 天前

实测过类似工具,作者说的基本属实。

回复
武磊9 天前

刚好最近在找这方面的资料,太及时了。

回复
林拾贝9 天前

有没有更详细的教程,期待后续。

回复
山问津9 天前

收藏了,以后慢慢研究。

回复