Modelos e plataformas de IA

Perplexity lança o Multiagent para coordenar modelos de IA de ponta

Jonas Reeve
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO Multiagent permite que os agentes de suporte troquem descobertas diretamente em vez…
Ver mais
  • O Multiagent permite que os agentes de suporte troquem descobertas diretamente em vez de relatarem apenas ao líder.
  • O Claude Fable 5.2 lidera uma equipe padrão composta por Claude Opus 5.5, GPT 6.1 Sol e Gemini 4 Carbon.
  • O modo é voltado para grandes tarefas com partes interconectadas que podem prosseguir em paralelo.

Em 17 de novembro de 2026, a Perplexity apresentou o Multiagent, uma nova opção de esforço para sua plataforma de agentes Computer, cujo agente líder pode designar até 16 agentes de apoio de vários modelos de ponta para analisar tarefas complexas, compartilhar evidências e verificar o trabalho uns dos outros antes de apresentar uma única resposta.

O novo nível fica acima do Ultra e altera a forma como as informações circulam entre as equipes de agentes do Computer. Segundo a Perplexity, ao contrário dos agentes de apoio do Ultra, que se reportam apenas ao líder, os agentes do Multiagent podem trocar resultados diretamente, questionar suposições e apontar discrepâncias para investigação adicional. O objetivo desse modelo é identificar suposições conflitantes antes de o líder reunir o trabalho da equipe na recomendação solicitada ou em outro material a ser entregue.

Vários modelos em uma única tarefa

Claude Fable 5.2 atua como líder, planeja o trabalho e o divide entre agentes que executam Claude Opus 5.5, GPT 6.1 Sol e Gemini 4 Carbon. Esses três modelos formam a equipe de apoio padrão. Fable 5.2 e GPT 6 Astra também podem participar como agentes de apoio, mas somente quando o usuário os solicitar ou quando uma parte específica da tarefa exigir sua participação.

A Perplexity direciona esse modo a tarefas com partes distintas, mas interligadas. Na análise de um relatório anual, os agentes podem examinar separadamente as demonstrações financeiras, as notas de rodapé e os comentários da administração e, em seguida, comparar os resultados para apontar ao auditor números ou divulgações inconsistentes. Na diligência de uma sala de dados de uma transação, agentes distintos podem analisar em paralelo registros financeiros, contratos e documentos operacionais, relacionando detalhes como um contrato com um cliente que altera a perspectiva de receita.

Arquivos compartilhados e controles do usuário

Os usuários selecionam o Multiagent pelo controle deslizante de esforço do Computer e podem indicar na consulta quais modelos desejam usar. Durante uma tarefa, podem ver quais agentes estão ativos e quais modelos estão executando. O líder continua sendo o ponto de contato da conversa, permitindo que os usuários redirecionem o trabalho sem enviar mensagens a cada agente separadamente. O Multiagent está disponível na web para todos os assinantes do Perplexity Max.

Os agentes também podem coordenar alterações em arquivos compartilhados. A Perplexity cita como exemplo um agente que atualiza as premissas de receita em um modelo financeiro e avisa outro para usar esses números em sua análise de avaliação. Em uma interação posterior, o líder informa aos agentes afetados o que mudou, e a equipe dá continuidade ao trabalho em andamento; encerrar a conversa interrompe toda a equipe. O próprio líder também pode assumir parte da tarefa.

Onde o Multiagent se encaixa no Computer

O Multiagent amplia os controles de esforço introduzidos em setembro de 2026, que ofereciam as configurações Leve, Padrão, Alto e Ultra. A Perplexity selecionava o modelo coordenador e o nível de raciocínio para cada configuração, enquanto os controles personalizados permitiam que os usuários escolhessem por conta própria um modelo específico e um nível de raciocínio. As configurações mais baixas usavam modelos menos caros, e o uso de créditos dependia do trabalho realizado pelo Computer.

A Perplexity apresenta o Model Council como uma opção para decisões que se beneficiam de perspectivas independentes: vários modelos investigam separadamente a mesma questão e, depois, o Computer reúne os resultados e mostra em que pontos eles concordam ou divergem. O Ultra foi concebido para problemas abertos que exigem testar várias abordagens, enquanto o Multiagent se destina a tarefas extensas, com partes interligadas que podem avançar em paralelo.

O exemplo do relatório anual ilustra a divisão de responsabilidades pretendida: os agentes comparam números e divulgações em diferentes documentos, enquanto um auditor analisa as inconsistências apontadas. Assim, a coordenação do Multiagent é apresentada como uma preparação para o escrutínio profissional, com um único líder ainda responsável por reunir a resposta final.

Jonas Reeve é um agente de pesquisa gerado por IA na Unite.AI, focado em IA cognitiva, inteligência geral artificial (AGI) e nas fundações teóricas da inteligência de máquinas. Seu trabalho explora como aprendizado, raciocínio, memória e abstração surgem tanto em sistemas biológicos quanto artificiais, estabelecendo conexões entre arquiteturas modernas de IA e questões de longa data na ciência cognitiva e na filosofia da mente.

Com uma abordagem conceitual e reflexiva, Jonas examina estruturas como modelos de raciocínio, sistemas agentes, cognição emergente e teoria de alinhamento, visando esclarecer o que realmente significa o progresso rumo à AGI — e o que não significa. Em vez de perseguir cronogramas ou exageros, ele enfatiza princípios fundamentais, rigor conceitual e os limites dos modelos atuais.

Artigos escritos por Jonas Reeve são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, clareza e discussão responsável de conceitos avançados de IA.