A Perplexity reduz os custos de pesquisa da Agent API e adiciona o nível de esforço Ultra

A Perplexity anunciou, em 5 de novembro de 2026, que todos os níveis de esforço da API de agentes agora custam menos por consulta e informou que a qualidade da pesquisa melhorou ou permaneceu inalterada em todas as configurações predefinidas. O nível Medium passou de 55% para 77% no BrowseComp e no DSQA, enquanto seu custo caiu quase 90%, e um novo nível Ultra está disponível para pesquisas abrangentes.

Os níveis de esforço reúnem a escolha do modelo, limites para etapas de pesquisa e chamadas de ferramentas, comportamento de busca e ferramentas disponíveis em configurações predefinidas. Eles permitem que os desenvolvedores escolham o equilíbrio entre custo, velocidade e profundidade da pesquisa sem precisar configurar cada componente separadamente. Uma solicitação como effort="fast" recebe automaticamente a configuração revisada.

No nível xhigh, a Perplexity afirma que a pontuação WANDR se manteve em 76,5%, enquanto a configuração operava a cerca de 25% do custo que tinha em agosto de 2026. Esse nível foi concebido para trabalhos agentivos de escopo aberto, incluindo executar código em um ambiente isolado, sustentar longas sequências de uso de ferramentas e reunir evidências em muitas fontes.

O artigo sobre o WANDR descreve um conjunto de avaliação com 500 tarefas, baseado em atividades realistas de coleta de dados. Os agentes precisam encontrar entidades que atendam aos critérios e devolver registros cujas fontes e trechos possam ser verificados de forma independente. Avaliadores específicos para cada tarefa acessam novamente as páginas citadas e comparam os registros com as evidências, evitando um conjunto estático de respostas de referência.

O Ultra usa quatro agentes para ampliar a pesquisa

O Ultra se junta aos níveis rápido, baixo, médio, alto e xhigh na documentação oficial sobre os níveis de esforço. Sua função é realizar pesquisas abrangentes e coletar dados quando a completude é mais importante que a latência. A configuração usa anthropic/claude-opus-5-5, e o modo em segundo plano está disponível para execuções longas.

O Ultra atribui o mesmo problema de pesquisa a três agentes que trabalham em paralelo, permitindo que cada um reúna evidências de forma independente. Um quarto agente consolida os resultados, elimina descobertas duplicadas e redige a resposta. A Perplexity informa uma pontuação WANDR de 85,9%, a US$ 21,71 por tarefa, o maior resultado entre as configurações testadas.

Mudanças no orçamento e no contexto reduzem os custos de pesquisa

Os gastos são limitados em cada nível por meio de limites para o número de etapas, um teto para o total de chamadas de ferramentas e avisos periódicos sobre a capacidade restante. O teto separado para chamadas de ferramentas é importante porque uma etapa pode iniciar várias chamadas a ferramentas diferentes. Esses avisos ajudam o agente a reservar orçamento suficiente para verificar as evidências e concluir uma resposta, em vez de parar no meio da tarefa.

Um experimento com openai/gpt-6-luna mostra por que esses limites são importantes. A Perplexity informa que aumentar de 1 para 15 o número permitido de etapas elevou a precisão no BrowseComp e no DSQA de 41% para 80%, enquanto o custo por consulta subiu de US$ 0,0017 para US$ 0,0152. A distribuição do orçamento, portanto, influencia tanto a qualidade da resposta quanto o custo para obtê-la.

A compactação do contexto aborda outro fator de custo. Quando o contexto ultrapassa um limite, o sistema resume o trabalho anterior, registrando as descobertas e as tarefas pendentes, sem descartar o prompt do sistema, a solicitação original nem as habilidades carregadas. Em seguida, instrui o agente a continuar trabalhando e informa quantas compactações foram feitas, para que o resumo não seja confundido com um ponto final.

A extração reduz o volume de informações que o agente precisa manter. Em vez de fornecer uma página inteira ao agente, fetch_url solicita a um modelo menor que selecione trechos relevantes para a tarefa em andamento e os cite literalmente como referência. No nível de esforço alto, a Perplexity informa uma redução de aproximadamente 50% nos tokens de entrada por consulta e um resultado de 88,0% a US$ 0,073 por consulta, em comparação com 83,5% a US$ 0,094 sem extração.

Outras mudanças têm como alvo a própria busca. Cada pesquisa pode retornar até 4K tokens de resultados, em vez de 2K; um novo mecanismo de trechos seleciona textos mais alinhados à consulta; e o Fast Search custa US$ 1,00 por 1.000 solicitações. Em conjunto, essas mudanças pretendem localizar evidências úteis com menos pesquisas e menos contexto irrelevante.

Avaliação de fluxos de trabalho e estabilidade da configuração

A seleção de fluxos de trabalho usa uma árvore de habilidades com divulgação progressiva. Inicialmente, cada habilidade ocupa apenas o espaço de seu nome e descrição no contexto; as instruções completas são apresentadas depois que o modelo decide que o fluxo de trabalho é adequado à tarefa. Segundo a Perplexity, pré-carregar todas as habilidades aumentou em 13% os custos no BrowseComp e no DSQA e reduziu as pontuações WANDR, o que reforça a decisão de carregar os fluxos de trabalho somente quando necessário.

Uma estrutura automatizada avalia os novos modelos assim que ficam disponíveis, testando diferentes níveis de esforço de raciocínio, orçamentos de etapas e chamadas de ferramentas, além de configurações de ferramentas. Um modelo candidato substitui o atual somente se oferecer melhor qualidade com custo igual ou menor. A Perplexity afirma que um candidato obteve uma pontuação 13,3 pontos acima da linha de base no BrowseComp, mas ficou abaixo das linhas de base em tarefas internas de pesquisa empresarial, jurídica e financeira, o que demonstra por que os resultados de benchmarks públicos, por si só, não determinam a escolha.

A documentação distingue nomes dinâmicos, versões fixadas e configurações congeladas. As chamadas dinâmicas incorporam alterações avaliadas posteriormente, sem exigir mudanças no código; as chamadas com versão fixada mantêm uma versão após a atualização da configuração ativa; as chamadas congeladas copiam os campos públicos, mas podem não incluir configurações fora do esquema de solicitação documentado. Ultra não tem configuração congelada e precisa ser chamado pelo nome.

Para os desenvolvedores, a distinção prática está entre atualizações automáticas e reprodutibilidade: os níveis dinâmicos incorporam as revisões avaliadas pela Perplexity, enquanto as versões fixadas preservam uma configuração conhecida. Ultra amplia esse sistema para abranger mais casos, e seu projeto com quatro agentes torna a orquestração parte do cálculo de custo e qualidade, junto com a seleção de modelos.