AIモデルとプラットフォーム
Perplexity、最先端AIモデルを連携させるMultiagentを発表

要点マルチエージェントは、支援エージェントがリードにのみ報告するのではなく、調査結果を直接交換できるようにします。
もっと見る
- マルチエージェントは、支援エージェントがリードにのみ報告するのではなく、調査結果を直接交換できるようにします。
- Claude Fable 5.2は、Claude Opus 5.5、GPT 6.1 Sol、Gemini 4 Carbonのデフォルトチームを率います。
- このモードは、並行して進めることができる相互接続された部分を持つ大規模な課題を対象としています。
Perplexityは2026年11月17日、新たな処理負荷設定「Multiagent」を発表しました。同社のエージェントプラットフォームComputerに導入されたこの設定では、リードエージェントが複数の最先端モデルにまたがる最大16の支援エージェントにタスクを割り振り、複雑な課題の分析や根拠の共有、相互検証を行ったうえで、ひとつの回答を作成します。
この新しい設定はUltraの上位に位置し、Computerのエージェントチーム内で情報をやり取りする方法を変えます。Perplexityによると、報告先がリードエージェントに限られるUltraの支援エージェントとは異なり、Multiagentでは各エージェントが調査結果を直接共有し、前提に疑問を投げかけ、さらなる調査が必要な食い違いを指摘できます。この設計は、リードエージェントがチームの作業をまとめ、依頼された提案やその他の成果物を作成する前に、相反する前提を見つけることを目的としています。
ひとつのタスクで複数のモデルを活用
Claude Fable 5.2がリードエージェントとして作業を計画し、Claude Opus 5.5、GPT 6.1 Sol、Gemini 4 Carbonを実行するエージェントに振り分けます。この3つのモデルが、標準の支援チームを構成します。Fable 5.2とGPT 6 Astraも支援エージェントとして参加できますが、ユーザーが指定した場合、またはタスクの特定の部分で必要とされる場合に限られます。
Perplexityは、互いに関連しながらも異なる要素から成るタスクで、このモードの活用を想定しています。年次報告書を確認する場合、エージェントは財務諸表、脚注、経営陣による解説をそれぞれ個別に調べ、その後、調査結果を照合して、監査人が確認できるよう数値や開示内容の不一致を指摘します。取引に関するデータルームのデューデリジェンスでは、複数のエージェントが財務記録、契約書、業務関連文書を並行して確認し、売上見通しを左右する顧客契約などの情報を結び付けることができます。
共有ファイルとユーザー向けの操作機能
ユーザーはComputerの処理負荷スライダーでMultiagentを選び、クエリで使用したいモデルを指定できます。タスクの実行中は、どのエージェントが稼働中か、またそれぞれのエージェントがどのモデルを実行しているかを確認できます。やり取りの窓口はリードエージェントに一本化されるため、ユーザーは各エージェントに個別にメッセージを送らなくても作業の方向を変更できます。Multiagentは、ウェブ版を利用するすべてのPerplexity Max加入者に提供されています。
エージェントは共有ファイルの編集を連携して進めることもできます。Perplexityは、あるエージェントが財務モデルの売上前提を更新し、その数値を評価分析に使うよう別のエージェントに知らせる例を挙げています。追加の依頼があった場合、リードエージェントは変更の影響を受けるエージェントに変更点を伝え、チームは既存の作業を続けます。スレッドを終了すると、チーム全体の作業が停止します。リードエージェントがタスクの一部を自ら担当することもできます。
ComputerにおけるMultiagentの位置付け
Multiagentは、2026年9月に導入された処理負荷の設定を拡張するもので、従来はLight、Standard、High、Ultraの4段階が用意されていました。Perplexityは各設定に応じて、調整役となるモデルと推論レベルを選定していました。一方、カスタム設定では、ユーザーが特定のモデルと推論レベルを自分で選べます。低い設定ではより低コストのモデルが使われ、クレジットの使用量はComputerが実行する作業に応じて決まりました。
Perplexityは、独立した視点が役立つ判断を要する課題にはModel Councilを位置付けています。複数のモデルが同じ問いを個別に調査し、その後、Computerが結果をまとめ、各モデルの見解が一致する点と異なる点を示します。Ultraは複数のアプローチを試す必要がある自由度の高い課題を想定しているのに対し、Multiagentは、相互に関連する複数の要素を並行して進められる大規模なタスクを想定しています。
年次報告書の例は、想定される役割分担を示しています。エージェントが複数の文書にまたがって数値や開示内容を照合し、監査人は指摘された不一致を確認します。つまりMultiagentの連携は、専門家による精査に向けた準備として位置付けられており、最終回答の取りまとめは引き続きひとりのリードエージェントが担います。












