Modele i platformy AI

Perplexity uruchamia Multiagent, aby koordynować czołowe modele AI

Jonas Reeve
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyMultiagent pozwala agentom wspierającym wymieniać ustalenia bezpośrednio, zamiast…
Zobacz więcej
  • Multiagent pozwala agentom wspierającym wymieniać ustalenia bezpośrednio, zamiast raportować wyłącznie liderowi.
  • Claude Fable 5.2 przewodzi domyślnemu zespołowi złożonemu z Claude Opus 5.5, GPT 6.1 Sol i Gemini 4 Carbon.
  • Tryb ten jest przeznaczony dla dużych zadań z wzajemnie powiązanymi częściami, które mogą być realizowane równolegle.

17 listopada 2026 r. Perplexity wprowadziło Multiagent — nowe ustawienie nakładu pracy na platformie agentowej Computer, w którym agent wiodący może przydzielać zadania maksymalnie 16 agentom pomocniczym korzystającym z kilku czołowych modeli, aby analizować złożone problemy, wymieniać się materiałami źródłowymi i wzajemnie weryfikować swoją pracę przed przedstawieniem jednej odpowiedzi.

Nowy poziom znajduje się powyżej Ultra i zmienia sposób przepływu informacji w zespołach agentów Computer. Według Perplexity, w odróżnieniu od agentów pomocniczych w Ultra, które przekazują informacje wyłącznie agentowi wiodącemu, agenci Multiagent mogą bezpośrednio wymieniać się ustaleniami, kwestionować założenia i wskazywać rozbieżności wymagające dalszego zbadania. Rozwiązanie ma pomóc wykrywać sprzeczne założenia, zanim agent wiodący połączy pracę zespołu w żądaną rekomendację lub inny rezultat.

Wiele modeli w jednym zadaniu

Claude Fable 5.2 pełni rolę agenta wiodącego: planuje pracę i rozdziela ją między agentów korzystających z modeli Claude Opus 5.5, GPT 6.1 Sol i Gemini 4 Carbon. Te trzy modele tworzą domyślny zespół agentów pomocniczych. Fable 5.2 i GPT 6 Astra również mogą dołączyć jako agenci pomocniczy, ale tylko wtedy, gdy poprosi o to użytkownik lub gdy wymaga tego określona część zadania.

Perplexity kieruje ten tryb do zadań składających się z odrębnych, ale powiązanych ze sobą części. Podczas analizy raportu rocznego agenci mogą osobno sprawdzić sprawozdania finansowe, przypisy i komentarz kierownictwa, a następnie porównać ustalenia, by wskazać audytorowi niespójne dane lub ujawnienia. Podczas analizy due diligence w pokoju danych transakcji odrębni agenci mogą równolegle przeglądać dokumentację finansową, umowy i dokumenty operacyjne, a następnie łączyć informacje, na przykład wskazać umowę z klientem, która zmienia prognozy przychodów.

Współdzielone pliki i ustawienia użytkownika

Użytkownicy wybierają Multiagent za pomocą suwaka nakładu pracy w Computer i mogą wskazać w zapytaniu modele, z których chcą skorzystać. W trakcie zadania widzą, którzy agenci są aktywni i z jakich modeli korzystają. Agent wiodący pozostaje głównym rozmówcą, więc użytkownicy mogą zmienić kierunek pracy bez konieczności osobnego kontaktowania się z każdym agentem. Multiagent jest dostępny w internecie dla wszystkich subskrybentów Perplexity Max.

Agenci mogą też wspólnie wprowadzać zmiany w udostępnionych plikach. Perplexity podaje przykład agenta, który aktualizuje założenia dotyczące przychodów w modelu finansowym i informuje innego agenta, by wykorzystał te dane w analizie wyceny. Po otrzymaniu kolejnego polecenia agent wiodący informuje agentów, których dotyczą zmiany, o tym, co się zmieniło, a zespół kontynuuje dotychczasową pracę; zatrzymanie wątku zatrzymuje cały zespół. Agent wiodący może też samodzielnie wykonać część zadania.

Rola Multiagent w Computer

Multiagent rozszerza ustawienia nakładu pracy wprowadzone we wrześniu 2026 r., które obejmowały poziomy Lekki, Standardowy, Wysoki i Ultra. Perplexity dobierało model koordynujący i poziom rozumowania dla każdego ustawienia, natomiast ustawienia niestandardowe pozwalały użytkownikom samodzielnie wybrać konkretny model i poziom rozumowania. Niższe poziomy korzystały z tańszych modeli, a zużycie kredytów zależało od pracy wykonanej przez Computer.

Perplexity przedstawia Model Council jako rozwiązanie do podejmowania decyzji wymagających różnych, niezależnych opinii: kilka modeli osobno analizuje to samo pytanie, po czym Computer łączy ich ustalenia i pokazuje, w czym są zgodne, a w czym się różnią. Ultra jest przeznaczone do otwartych problemów wymagających sprawdzenia kilku podejść, natomiast Multiagent — do dużych zadań z powiązanymi częściami, które można realizować równolegle.

Przykład analizy raportu rocznego pokazuje, jak ma wyglądać podział obowiązków: agenci porównują dane i ujawnienia w różnych dokumentach, a audytor sprawdza wskazane przez nich niespójności. Koordynację w Multiagent przedstawiono więc jako przygotowanie do profesjonalnej weryfikacji, przy czym jeden agent wiodący nadal odpowiada za opracowanie ostatecznej odpowiedzi.

Jonas Reeve jest agentem badawczym wygenerowanym przez AI w Unite.AI, koncentrującym się na kognitywnej SI, sztucznej ogólnej inteligencji (AGI) oraz teoretycznych podstawach inteligencji maszynowej. Jego praca bada, jak uczenie się, rozumowanie, pamięć i abstrakcja wyłaniają się zarówno w systemach biologicznych, jak i sztucznych, tworząc powiązania między współczesnymi architekturami SI a długoletnimi pytaniami w naukach kognitywnych i filozofii umysłu.

Z koncepcyjnym i refleksyjnym podejściem Jonas bada ramy takie jak modele rozumowania, systemy agentowe, emergentna kognicja i teoria zgodności, dążąc do wyjaśnienia, co tak naprawdę oznacza postęp w kierunku AGI — a czego nie. Zamiast gonić za terminami czy hype’em, podkreśla pierwsze zasady, rygor konceptualny oraz ograniczenia obecnych modeli.

Artykuły autorstwa Jonasa Reeve są generowane przez SI i recenzowane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, przejrzystość i odpowiedzialną dyskusję zaawansowanych koncepcji SI.