A Perplexity forradalmasítja a keresést: 85%-kal kevesebb tokennel dolgozik az új rendszer

A Perplexity új "Search as Code" (SaC) architektúrája forradalmasítja az AI modellek keresési folyamatait. Ahelyett, hogy előre definiált API-hívásokat használnának, a modellek mostantól saját Python szkripteket írhatnak a keresési feladatok elvégzéséhez. A cég ígérete szerint ez pontosabb eredményeket és alacsonyabb tokenfelhasználást eredményez — közölte a The Decoder.

A hagyományos AI-ügynökök gyakran egy merev keresési ciklusban ragadnak: lekérdezés, eredmények feldolgozása, újabb lekérdezés. A Perplexity szerint ez a módszer korlátos, mivel az AI csak a keresési kifejezést tudja módosítani, a háttérfolyamatokat nem. A SaC lehetővé teszi, hogy a modell egyedi keresési folyamatokat építsen fel a rendelkezésre álló alapvető keresési primitívek (primitives) felhasználásával, amelyek SDK-funkciókként érhetők el.

Kapcsolódó: Perplexity AI

Háromrétegű architektúra

Az új architektúra három fő rétegből áll: a modell, amely a feladatot és a stratégiát határozza meg; a sandbox, ahol a generált kód biztonságosan fut; és a "Agentic Search SDK", amely a Perplexity keresőmotorját elemekre bontja, lehetővé téve azok keverését és párosítását. Ez a struktúra lehetővé teszi a modell számára, hogy párhuzamos lekérdezéseket indítson, kiszűrje a zajt, és csak a releváns találatokat tartsa meg a kontextusablakban.

Kapcsolódó: Meta agyi AI

Valós idejű tesztelés kiberbiztonsági feladatokkal

A rendszer hatékonyságát a Perplexity egy kiberbiztonsági feladaton tesztelte. Egy AI-ügynöknek 200 kritikus szoftver sebezhetőséget (CVE) kellett felkutatnia, beleértve a hivatalos gyártói közleményeket és a javított verziókat. A SaC segítségével az ügynök háromlépéses szkriptet írt, amely célzott kereséseket végzett, azonosította a hiányosságokat, és ellenőrizte az adatokat. A Perplexity szerint ez a módszer 85%-kal kevesebb tokent használt, mint a korábbi rendszerek, és a versenytársaknál jobb eredményeket ért el — írja a The Decoder. A cég saját benchmarkjai szerint a SaC négy kategóriából ötben vezet, és csak az OpenAI HLE-jével szemben mutat szoros versenyt.

Kapcsolódó: Google Gemma 4

A Perplexity a "Search as Code" megoldást jelenleg a Perplexity Computerben és az Agent API-ban vezeti be. Ez a fejlesztés megoldhatja az AI-keresés egyik fő problémáját: a benchmarkokon való csalást, ahol egyes rendszerek a képzési adatokból válaszolnak, nem pedig az élő webből.

Kapcsolódó: GPT-5.5 modell

A Perplexity "Search as Code" architektúrájának bevezetése a felhasználók számára a Perplexity Computerben és az Agent API-ban történik, ahol a SaC 85%-kal kevesebb tokent használ, mint a korábbi rendszerek.

Kapcsolódó: Perplexity AI keresés