Perplexity reduce costurile de cercetare pentru Agent API și adaugă nivelul de efort Ultra

Perplexity a anunțat pe 5 noiembrie 2026 că fiecare nivel de efort din Agent API costă acum mai puțin per interogare și a raportat o calitate a cercetării mai bună sau neschimbată pentru configurațiile presetate. Medium a crescut de la 55% la 77% la BrowseComp și DSQA, în timp ce costul său a scăzut cu aproape 90%, iar un nou nivel, Ultra, este disponibil pentru cercetări ample.

Nivelurile de efort reunesc alegerea modelului, limitele privind pașii de cercetare și apelurile către instrumente, comportamentul de căutare și instrumentele disponibile în configurații presetate cu nume distincte. Acestea le permit dezvoltatorilor să aleagă un echilibru între cost, viteză și profunzimea cercetării, fără să configureze separat fiecare componentă. O solicitare precum effort="fast" primește automat configurația revizuită.

La nivelul xhigh, Perplexity afirmă că scorul WANDR s-a menținut la 76,5%, în timp ce configurația a funcționat la aproximativ 25% din costul din august 2026. Acest nivel este destinat activităților agentice deschise, inclusiv executării de cod într-un mediu izolat, susținerii unor secvențe îndelungate de utilizare a instrumentelor și colectării de dovezi din numeroase surse.

Lucrarea WANDR descrie un set de evaluare cu 500 de sarcini, conceput în jurul unor activități realiste de colectare a datelor. Agenții trebuie să identifice entitățile care îndeplinesc criteriile și să returneze înregistrări ale căror surse și extrase pot fi verificate independent. Evaluatorii specifici fiecărei sarcini accesează din nou paginile citate și evaluează înregistrările pe baza dovezilor respective, evitând folosirea unui set static de răspunsuri etalon.

Ultra folosește patru agenți pentru cercetări mai ample

Ultra se alătură nivelurilor fast, low, medium, high și xhigh în documentația oficială privind nivelurile de efort. Rolul său desemnat este cercetarea amplă și colectarea datelor, când exhaustivitatea contează mai mult decât latența. Configurația folosește anthropic/claude-opus-5-5, iar modul de execuție în fundal este disponibil pentru rulările de durată.

Ultra atribuie aceeași problemă de cercetare la trei agenți care rulează în paralel, permițându-i fiecăruia să adune dovezi în mod independent. Un al patrulea agent reunește rezultatele, elimină constatările duplicate și redactează răspunsul. Perplexity raportează un scor WANDR de 85,9%, la un cost de 21,71 USD per sarcină, cel mai bun rezultat dintre configurațiile testate.

Modificările bugetului și ale contextului reduc costurile cercetării

Cheltuielile sunt limitate la fiecare nivel prin plafoane pentru numărul de pași și pentru numărul total de apeluri către instrumente, precum și prin notificări periodice privind capacitatea rămasă. Plafonul separat pentru apelurile către instrumente este important deoarece un singur pas poate lansa mai multe apeluri către instrumente diferite. Aceste notificări îl ajută pe agent să păstreze suficient buget pentru a-și verifica dovezile și a furniza un răspuns, în loc să se oprească înainte de a termina sarcina.

Un experiment cu openai/gpt-6-luna arată de ce contează aceste limite. Perplexity raportează că majorarea numărului de pași permiși de la 1 la 15 a crescut acuratețea la BrowseComp și DSQA de la 41% la 80%, în timp ce costul per interogare a urcat de la 0,0017 USD la 0,0152 USD. Prin urmare, alocarea bugetului influențează atât calitatea răspunsului, cât și costul obținerii acestuia.

Compactarea contextului abordează un alt factor care generează costuri. După ce contextul depășește un anumit prag, sistemul sintetizează activitatea anterioară într-un rezumat al constatărilor și al sarcinilor rămase, păstrând promptul de sistem, solicitarea inițială și toate competențele încărcate. Apoi îi spune agentului să continue lucrul și indică numărul de compactări, astfel încât rezumatul să nu fie confundat cu un semnal de oprire.

Extragerea reduce volumul de informații pe care agentul îl păstrează pentru etapele următoare. În loc să-i furnizeze o pagină întreagă, fetch_url solicită unui model mai mic să selecteze pasajele relevante pentru sarcina curentă și să le citeze textual ca referințe. La nivelul high, Perplexity raportează cu aproximativ 50% mai puține tokenuri de intrare per interogare și un rezultat de 88,0%, la 0,073 USD per interogare, față de 83,5%, la 0,094 USD, fără extragere.

Alte modificări vizează chiar procesul de căutare. Fiecare căutare poate returna acum până la 4K de tokenuri de rezultate, față de 2K, un nou motor de extragere a fragmentelor selectează texte mai bine potrivite interogării, iar Fast Search costă 1,00 USD pentru 1.000 de solicitări. Împreună, aceste modificări sunt menite să găsească dovezi utile cu mai puține căutări și cu mai puțin context irelevant.

Evaluarea fluxurilor de lucru și stabilitatea configurațiilor

Selectarea fluxurilor de lucru se bazează pe un arbore de competențe cu dezvăluire progresivă. Inițial, în context apare doar numele și descrierea unei competențe; instrucțiunile complete sunt furnizate după ce modelul decide că fluxul de lucru este potrivit pentru sarcină. Perplexity afirmă că preîncărcarea tuturor competențelor a mărit cu 13% costurile la BrowseComp și DSQA și a redus scorurile WANDR, susținând decizia de a încărca fluxurile de lucru numai atunci când este necesar.

Un mecanism automat de testare evaluează modelele nou disponibile pe măsură ce devin accesibile, testând diferite niveluri de efort de raționare, bugete de pași și de apeluri către instrumente, precum și configurații ale instrumentelor. Un model candidat îl înlocuiește pe cel existent numai dacă oferă o calitate mai bună la un cost egal sau mai mic. Perplexity afirmă că un candidat a obținut un scor cu 13,3 puncte peste nivelul de referință la BrowseComp, dar a avut rezultate sub nivelurile de referință la sarcini interne de cercetare în domeniile întreprinderilor, juridic și financiar, ilustrând de ce rezultatele benchmarkurilor publice nu determină singure selecția.

Documentația face distincția între nume dinamice, versiuni fixate și configurații înghețate. Apelurile dinamice preiau modificările evaluate ulterior fără a necesita modificări de cod; apelurile cu versiune fixată păstrează o singură versiune după ce configurația activă avansează; apelurile cu configurație înghețată copiază câmpurile publice, dar pot omite setări care nu sunt incluse în schema documentată a solicitării. Ultra nu are o configurație înghețată și trebuie apelat după nume.

Pentru dezvoltatori, distincția practică ține de actualizările automate versus reproductibilitate: nivelurile dinamice preiau reviziile evaluate de Perplexity, în timp ce versiunile fixate păstrează o configurație cunoscută. Ultra extinde sistemul pentru o acoperire mai largă, iar arhitectura sa cu patru agenți face ca orchestrarea să fie un factor în calculul raportului dintre cost și calitate, alături de selecția modelului.