Perplexity Pangkas Biaya Riset API Agen dan Menambahkan Tingkat Upaya Ultra

Perplexity mengumumkan pada 5 November 2026 bahwa biaya per kueri untuk setiap tingkat upaya API Agen kini lebih rendah, serta melaporkan bahwa kualitas riset pada berbagai preset meningkat atau tetap sama. Pada BrowseComp dan DSQA, hasil tingkat Medium meningkat dari 55% menjadi 77%, sementara biayanya turun hampir 90%. Tingkat Ultra yang baru tersedia untuk riset luas.

Tingkat upaya menggabungkan pemilihan model, batas jumlah langkah riset dan pemanggilan alat, perilaku pencarian, serta alat yang tersedia ke dalam preset bernama. Dengan begitu, pengembang dapat memilih keseimbangan antara biaya, kecepatan, dan kedalaman riset tanpa harus mengonfigurasi setiap komponen secara terpisah. Permintaan seperti effort="fast" akan menerima konfigurasi yang diperbarui secara otomatis.

Perplexity menyatakan bahwa pada tingkat xhigh, skor WANDR tetap 76,5%, sementara konfigurasi tersebut berjalan dengan biaya sekitar 25% dari biaya pada Agustus 2026. Tingkat ini ditujukan untuk pekerjaan agen yang bersifat terbuka, termasuk menjalankan kode di lingkungan sandbox, mempertahankan rangkaian panjang penggunaan alat, dan mengumpulkan bukti dari banyak sumber.

Makalah WANDR menjelaskan set evaluasi yang terdiri atas 500 tugas dan dirancang berdasarkan pekerjaan pengumpulan data yang realistis. Agen harus menemukan entitas yang memenuhi kriteria dan mengembalikan catatan dengan sumber serta kutipan yang dapat diperiksa secara independen. Penilai khusus untuk setiap tugas mengambil kembali halaman yang dikutip, lalu menilai catatan berdasarkan bukti tersebut sehingga tidak perlu menggunakan kumpulan jawaban acuan yang statis.

Ultra Menggunakan Empat Agen untuk Riset yang Lebih Luas

Ultra melengkapi fast, low, medium, high, dan xhigh dalam dokumentasi resmi tentang tingkat upaya. Peruntukannya adalah riset luas dan pengumpulan data yang lebih mengutamakan kelengkapan daripada latensi. Konfigurasi ini menggunakan anthropic/claude-opus-5-5, dan mode latar belakang tersedia untuk proses yang berjalan lama.

Ultra memberikan masalah riset yang sama kepada tiga agen yang berjalan secara paralel, sehingga masing-masing dapat mengumpulkan bukti secara mandiri. Agen keempat menggabungkan keluaran mereka, menghapus temuan yang berulang, lalu menyusun jawaban. Perplexity melaporkan skor WANDR sebesar 85,9% dengan biaya $21,71 per tugas, hasil tertinggi di antara konfigurasi yang diuji.

Perubahan Anggaran dan Konteks Menekan Biaya Riset

Pengeluaran dibatasi pada setiap tingkat melalui batas jumlah langkah, batas maksimum total pemanggilan alat, dan pemberitahuan berkala tentang kapasitas yang tersisa. Batas pemanggilan alat yang terpisah ini penting karena satu langkah dapat memulai beberapa pemanggilan melalui alat yang berbeda. Pemberitahuan tersebut membantu agen menyisihkan anggaran yang cukup untuk memeriksa bukti dan memberikan jawaban, alih-alih berhenti di tengah tugas.

Satu eksperimen dengan openai/gpt-6-luna menunjukkan mengapa batas tersebut penting. Perplexity melaporkan bahwa peningkatan jumlah langkah yang diizinkan dari 1 menjadi 15 menaikkan akurasi pada BrowseComp dan DSQA dari 41% menjadi 80%, sementara biaya per kueri meningkat dari $0,0017 menjadi $0,0152. Karena itu, alokasi anggaran memengaruhi kualitas jawaban sekaligus biaya untuk mendapatkannya.

Pemadatan konteks mengatasi faktor biaya lainnya. Setelah konteks melewati ambang batas, sistem merangkum pekerjaan sebelumnya menjadi ikhtisar temuan dan tugas yang tersisa, sambil mempertahankan prompt sistem, permintaan awal, dan semua skill yang telah dimuat. Sistem kemudian memberi tahu agen agar terus bekerja dan melaporkan jumlah pemadatan, sehingga ikhtisar tersebut tidak disalahartikan sebagai tanda untuk berhenti.

Ekstraksi mengurangi informasi yang perlu dibawa agen ke tahap berikutnya. Alih-alih memberinya seluruh halaman, fetch_url sistem meminta model yang lebih kecil memilih bagian yang relevan dengan tugas saat ini dan mengutipnya persis untuk keperluan sitasi. Perplexity melaporkan bahwa pada tingkat upaya tinggi, jumlah token masukan per kueri berkurang sekitar 50%, dengan hasil 88,0% seharga $0,073 per kueri, dibandingkan dengan hasil 83,5% seharga $0,094 tanpa ekstraksi.

Perubahan terkait juga menyasar proses pencarian. Kini, setiap pencarian dapat mengembalikan hingga 4K token hasil, bukan 2K; mesin cuplikan baru memilih teks yang lebih sesuai dengan kueri; dan Fast Search dibanderol $1,00 per 1.000 permintaan. Secara keseluruhan, perubahan ini ditujukan untuk menemukan bukti yang berguna dengan lebih sedikit pencarian dan lebih sedikit konteks yang tidak relevan.

Evaluasi Alur Kerja dan Stabilitas Konfigurasi

Pemilihan alur kerja menggunakan pohon skill dengan pengungkapan bertahap. Pada awalnya, hanya nama dan deskripsi sebuah skill yang dimasukkan ke dalam konteks; instruksi lengkap baru diberikan setelah model memutuskan bahwa alur kerja tersebut sesuai dengan tugas. Perplexity menyatakan bahwa memuat semua skill di awal meningkatkan biaya BrowseComp dan DSQA sebesar 13% serta menurunkan skor WANDR, sehingga mendukung keputusan untuk memuat alur kerja hanya saat diperlukan.

Sebuah sistem pengujian otomatis mengevaluasi model-model yang baru tersedia saat dapat diakses, dengan menguji berbagai tingkat upaya penalaran, anggaran langkah dan pemanggilan alat, serta konfigurasi alat. Model kandidat hanya menggantikan model yang sedang digunakan jika memberikan kualitas lebih baik dengan biaya yang sama atau lebih rendah. Perplexity menyatakan bahwa satu kandidat meraih skor 13,3 poin di atas nilai dasar pada BrowseComp, tetapi skornya berada di bawah nilai dasar untuk tugas riset internal di bidang perusahaan, hukum, dan keuangan. Hal ini menunjukkan mengapa hasil tolok ukur publik saja tidak menentukan pemilihan model.

Dokumentasi membedakan nama dinamis, versi tetap, dan konfigurasi beku. Pemanggilan dinamis mewarisi perubahan yang dievaluasi kemudian tanpa perlu mengubah kode; pemanggilan dengan versi tetap mempertahankan satu rilis setelah konfigurasi aktif diperbarui; pemanggilan beku menyalin kolom publik, tetapi mungkin tidak menyertakan pengaturan di luar skema permintaan yang terdokumentasi. Ultra tidak memiliki konfigurasi beku dan harus dipanggil berdasarkan namanya.

Bagi pengembang, perbedaan praktisnya terletak pada pembaruan otomatis versus reproduksibilitas: level dinamis mewarisi revisi Perplexity yang telah dievaluasi, sedangkan versi tetap mempertahankan konfigurasi yang sudah diketahui. Ultra memperluas sistem tersebut agar mencakup lebih banyak hal, dan desainnya yang menggunakan empat agen menjadikan orkestrasi bagian dari perhitungan biaya dan kualitas, selain pemilihan model.