Perplexity、Agent APIの調査コストを削減し、Ultra Effortを追加

Perplexityは2026年11月5日、すべてのAgent APIのEffortレベルでクエリあたりの料金を引き下げたと発表し、各プリセットの調査品質は向上または維持されたと報告しました。MediumではBrowseCompとDSQAのスコアが55%から77%に上昇する一方、コストは約90%減少しました。また、広範な調査に対応する新しいUltraレベルも利用可能になりました。

Effortレベルは、モデルの選択、調査ステップ数とツール呼び出し回数の上限、検索動作、利用可能なツールを、名前付きのプリセットにまとめたものです。開発者は各要素を個別に設定することなく、コスト、速度、調査の深さのバランスを選べます。たとえば、次のようなリクエストは effort="fast" 改訂された設定を自動的に受け取ります。

Perplexityによると、xhighではWANDRスコアが76.5%に維持され、設定コストは2026年8月時点の約25%になりました。このレベルは、サンドボックス内でのコード実行、長時間にわたるツール使用の反復、多数の情報源からの証拠収集など、自由度の高いエージェント型作業を想定しています。

WANDR論文では、現実的なデータ収集作業を想定した500件のタスクからなる評価セットについて説明しています。エージェントは条件に合致する対象を見つけ出し、出典と抜粋を独立して検証できる記録を返す必要があります。タスクごとに設けられた評価器は、引用されたページを再取得し、その証拠に照らして記録を評価するため、固定された正解データセットに依存しません。

Ultraは4つのエージェントを活用して調査範囲を拡大

Ultraは、公式のEffortドキュメントに記載されたfast、low、medium、high、xhighに加わりました。完全性が応答速度より重視される幅広い調査やデータ収集を担うレベルとして位置付けられています。この設定では anthropic/claude-opus-5-5また、長時間の実行ではバックグラウンドモードを利用できます。

Ultraでは、同じ調査課題を3つのエージェントに割り当て、並列で実行します。それぞれが独立して証拠を集めます。4つ目のエージェントが各エージェントの出力を統合し、重複する調査結果を取り除いて回答を作成します。Perplexityによると、WANDRスコアは85.9%、タスクあたりのコストは21.71ドルで、テストした設定の中で最高の結果でした。

予算とコンテキストの変更で調査コストを削減

各レベルでは、ステップ数の上限、ツール呼び出し総数の上限、残りの実行容量に関する定期的な通知によって、支出を制限します。1つのステップで複数のツールを何度も呼び出せるため、ツール呼び出し数に別途上限を設けることが重要です。残り容量の通知により、エージェントは証拠を確認して回答を完成させるのに十分な予算を確保でき、作業の途中で停止する事態を避けられます。

ある実験では、 openai/gpt-6-luna この結果は、こうした制限が重要である理由を示しています。Perplexityによると、許可するステップ数を1から15に増やすと、BrowseCompとDSQAの精度は41%から80%に上昇しました。一方、クエリあたりのコストは0.0017ドルから0.0152ドルに増加しました。したがって、予算の配分は回答の質と、それを得るための費用の両方を左右します。

コンテキストの圧縮は、もう1つのコスト要因に対処します。コンテキストがしきい値を超えると、システムはそれまでの作業を、得られた知見と残りのタスクの要約にまとめます。その際、システムプロンプト、元のリクエスト、読み込み済みのスキルは保持されます。さらに、エージェントに作業を続けるよう指示し、圧縮を実行した回数も報告するため、要約が作業終了の合図だと誤解されることはありません。

抽出によって、エージェントが引き継ぐ情報量を減らします。ページ全体を渡す代わりに、 fetch_url 小型モデルに、現在のタスクに関連する箇所を選び、引用用に一字一句そのまま抜き出すよう指示します。Perplexityによると、highではクエリあたりの入力トークン数が約50%減少し、抽出を使わない場合の83.5%（クエリあたり0.094ドル）に対し、抽出を使った場合は88.0%（クエリあたり0.073ドル）を達成しました。

関連する変更は検索自体にも及びます。各検索で取得できる結果は、従来の2Kトークンから最大4Kトークンに増えました。また、新しいスニペットエンジンがクエリにより合致したテキストを選び、Fast Searchの料金は1,000リクエストあたり1.00ドルに設定されています。これらの変更により、検索回数と無関係なコンテキストを減らしながら、有用な証拠を見つけることを目指しています。

ワークフローの評価と設定の安定性

ワークフローの選択には、段階的に情報を開示するスキルツリーを使用します。最初はスキル名と説明だけがコンテキストに含まれ、モデルがそのワークフローはタスクに適していると判断した後で、詳細な指示が読み込まれます。Perplexityによると、すべてのスキルを事前に読み込むとBrowseCompとDSQAのコストが13%増加し、WANDRスコアも低下しました。この結果は、必要なときにだけワークフローを読み込む方針を裏付けています。

新たに利用可能になったモデルは、自動評価ハーネスで評価されます。モデルが利用可能になるたびに、推論のEffort、ステップ数とツール呼び出し数の予算、ツール構成を網羅的にテストします。現行モデルより優れた品質を同等以下のコストで実現できる場合に限り、新しい候補が現行モデルに取って代わります。Perplexityによると、ある候補はBrowseCompでベースラインを13.3ポイント上回ったものの、社内のエンタープライズ、法律、金融に関する調査タスクではベースラインを下回りました。この事例は、公開ベンチマークの結果だけでは採用モデルを決められない理由を示しています。

ドキュメントでは、動的な名前、固定バージョン、凍結構成を区別しています。動的な呼び出しでは、コードを変更せずに後から評価された変更が引き継がれます。固定バージョンの呼び出しでは、有効な構成が更新された後も、特定のリリースが維持されます。凍結呼び出しでは公開フィールドがコピーされますが、ドキュメントに記載されたリクエストスキーマの範囲外にある設定が反映されない場合があります。Ultraには凍結構成がなく、名前を指定して呼び出す必要があります。

開発者にとって実務上重要なのは、自動更新と再現性の違いです。動的なレベルではPerplexityが評価した改訂内容が引き継がれる一方、固定バージョンでは既知の構成が維持されます。Ultraはこのシステムの対象範囲を広げ、4エージェント構成により、モデル選択だけでなくオーケストレーションもコストと品質の評価に加わります。