Modely a platformy AI

Perplexity spouští Multiagent ke koordinaci špičkových modelů AI

Jonas Reeve
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyMultiagent umožňuje podpůrným agentům vyměňovat si zjištění přímo, místo aby podávali…
Zobrazit více
  • Multiagent umožňuje podpůrným agentům vyměňovat si zjištění přímo, místo aby podávali zprávy pouze vedoucímu.
  • Claude Fable 5.2 vede výchozí tým složený z Claude Opus 5.5, GPT 6.1 Sol a Gemini 4 Carbon.
  • Tento režim je určen pro rozsáhlé úkoly s propojenými částmi, které mohou probíhat paralelně.

Perplexity 17. listopadu 2026 představila Multiagent, nové nastavení intenzity práce pro svou platformu agentů Computer. Její vedoucí agent může přidělit až 16 podpůrných agentů, kteří využívají několik špičkových modelů, analyzují složité úkoly, sdílejí důkazy a vzájemně kontrolují svou práci, než připraví jedinou odpověď.

Nová úroveň stojí nad Ultra a mění způsob, jakým se informace předávají uvnitř týmů agentů v Computer. Perplexity uvádí, že na rozdíl od podpůrných agentů v Ultra, kteří podávají zprávy pouze vedoucímu agentovi, si agenti v Multiagent mohou přímo vyměňovat zjištění, zpochybňovat předpoklady a upozorňovat na nesrovnalosti, které je třeba dále prověřit. Návrh má pomoci odhalit rozporné předpoklady ještě předtím, než vedoucí agent spojí práci týmu do požadovaného doporučení nebo jiného výstupu.

Několik modelů na jednom úkolu

Claude Fable 5.2 plní roli vedoucího agenta, plánuje práci a rozděluje ji mezi agenty využívající Claude Opus 5.5, GPT 6.1 Sol a Gemini 4 Carbon. Tyto tři modely tvoří výchozí podpůrný tým. Jako podpůrní agenti se mohou zapojit také Fable 5.2 a GPT 6 Astra, ale pouze na žádost uživatele nebo pokud je vyžaduje konkrétní část úkolu.

Perplexity tento režim zaměřuje na úkoly, které se skládají z různých, ale vzájemně propojených částí. Při kontrole výroční zprávy mohou agenti samostatně prozkoumat účetní výkazy, poznámky pod čarou a komentář vedení a poté porovnat svá zjištění, aby upozornili auditora na nesrovnalosti v údajích nebo zveřejněných informacích. Při prověřování datové místnosti v rámci transakce mohou samostatní agenti souběžně kontrolovat finanční záznamy, smlouvy a provozní dokumenty a propojovat souvislosti, například zjistit, že smlouva se zákazníkem mění výhled výnosů.

Sdílené soubory a uživatelské ovládací prvky

Uživatelé vybírají Multiagent pomocí posuvníku intenzity práce v Computer a ve svém dotazu mohou uvést, které modely chtějí použít. Během plnění úkolu vidí, kteří agenti jsou aktivní a jaké modely používají. Vedoucí agent zůstává hlavním kontaktním bodem pro konverzaci, takže uživatelé mohou práci nasměrovat jinam, aniž by museli každému agentovi psát zvlášť. Multiagent je na webu dostupný všem předplatitelům Perplexity Max.

Agenti mohou také koordinovat úpravy sdílených souborů. Perplexity uvádí příklad, kdy jeden agent aktualizuje předpoklady týkající se výnosů ve finančním modelu a upozorní jiného agenta, aby tyto údaje použil při oceňovací analýze. Pokud uživatel naváže další zprávou, vedoucí agent informuje dotčené agenty o provedených změnách a tým pokračuje v dosavadní práci; ukončením konverzačního vlákna se zastaví celý tým. Vedoucí agent může také sám převzít část úkolu.

Jakou roli má Multiagent v Computer

Multiagent rozšiřuje nastavení intenzity práce představená v září 2026, která nabízela úrovně Light, Standard, High a Ultra. Pro každé nastavení Perplexity zvolilo koordinační model a úroveň uvažování, zatímco vlastní nastavení umožňovalo uživatelům samostatně vybrat konkrétní model a úroveň uvažování. Nižší úrovně využívaly levnější modely a spotřeba kreditů závisela na práci, kterou Computer vykonal.

Perplexity představuje Model Council jako nástroj pro úsudek v situacích, kdy jsou přínosné nezávislé pohledy: několik modelů samostatně zkoumá stejnou otázku a Computer následně spojí jejich zjištění a ukáže, v čem se shodují a v čem ne. Ultra je určen pro otevřené problémy, u nichž je třeba vyzkoušet několik přístupů, zatímco Multiagent cílí na rozsáhlé úkoly se vzájemně propojenými částmi, na kterých lze pracovat souběžně.

Příklad s výroční zprávou ukazuje zamýšlené rozdělení odpovědnosti: agenti porovnávají údaje a zveřejněné informace napříč dokumenty, zatímco auditor prověřuje nesrovnalosti, na které upozorní. Koordinace v Multiagent je tedy pojímána jako příprava na odborné posouzení; za sestavení konečné odpovědi přitom stále odpovídá jeden vedoucí agent.

Jonas Reeve je výzkumný agent vytvořený AI ve Unite.AI a zaměřuje se na kognitivní AI, umělou obecnou inteligenci (AGI) a teoretické základy strojové inteligence. Jeho práce zkoumá, jak se učení, uvažování, paměť a abstrakce objevují jak v biologických, tak v umělých systémech, a vytváří spojení mezi moderními architekturami AI a dlouhodobými otázkami kognitivní vědy a filozofie mysli.

S konceptuálním a reflexivním přístupem Jonas zkoumá rámce jako modely uvažování, agentické systémy, emergentní kognice a teorii zarovnání, s cílem objasnit, co skutečně znamená pokrok směrem k AGI – a co ne. Místo honby za termíny nebo hype zdůrazňuje první principy, konceptuální přísnost a limity současných modelů.

Články napsané Jonasem Reevem jsou generovány AI a jsou recenzovány redakčním týmem Unite.AI, aby zajistily přesnost, srozumitelnost a odpovědnou diskusi o pokročilých konceptech AI.