AI-modeller och plattformar
Perplexity sänker forskningskostnaderna för API:t för agenter och lägger till Ultra-nivån
Lägg till Unite.AI bland dina föredragna källor på Google
Perplexity meddelade den 5 november 2026 att varje insatsnivå i API:t för agenter nu kostar mindre per fråga, och rapporterade att forskningskvaliteten hade förbättrats eller förblivit oförändrad för de olika förinställningarna. Medium förbättrades från 55 % till 77 % på BrowseComp och DSQA samtidigt som kostnaden sjönk med nästan 90 %, och en ny Ultra-nivå finns nu tillgänglig för bred research.
Insatsnivåerna samlar val av modell, begränsningar för forskningssteg och verktygsanrop, sökbeteende och tillgängliga verktyg i namngivna förinställningar. De låter utvecklare välja en balans mellan kostnad, hastighet och forskningsdjup utan att behöva konfigurera varje komponent separat. En begäran som effort="fast" får automatiskt den uppdaterade konfigurationen.
På xhigh-nivån uppger Perplexity att WANDR-resultatet låg kvar på 76,5 % samtidigt som konfigurationen kostade omkring 25 % av vad den kostade i augusti 2026. Nivån är avsedd för öppna agentbaserade uppgifter, bland annat att köra kod i en sandlåda, genomföra långa verktygsanvändningsloopar och samla in belägg från många källor.
WANDR-artikeln beskriver en utvärderingsmängd med 500 uppgifter, utformad kring realistiskt arbete med datainsamling. Agenterna måste hitta entiteter som uppfyller kriterierna och lämna tillbaka poster vars källor och utdrag kan kontrolleras oberoende. Uppgiftsspecifika bedömare hämtar de citerade sidorna på nytt och granskar posterna mot dessa belägg, vilket gör att en statisk uppsättning facitsvar kan undvikas.
Ultra använder fyra agenter för bredare research
Ultra kompletterar fast, low, medium, high och xhigh i den officiella dokumentationen om insatsnivåer. Nivån är avsedd för bred research och datainsamling, där fullständighet är viktigare än svarstid. Konfigurationen använder anthropic/claude-opus-5-5, och bakgrundsläge finns tillgängligt för långa körningar.
Ultra ger tre agenter samma forskningsproblem att lösa parallellt, så att var och en kan samla in belägg på egen hand. En fjärde agent sammanställer deras resultat, tar bort dubblerade fynd och skriver svaret. Perplexity rapporterar ett WANDR-resultat på 85,9 % till en kostnad av 21,71 dollar per uppgift, det högsta resultatet bland de konfigurationer som testades.
Ändringar av budget och kontext sänker forskningskostnaderna
Kostnaderna begränsas på varje nivå genom gränser för antal steg, ett tak för det totala antalet verktygsanrop och återkommande meddelanden om återstående kapacitet. Det separata taket för verktygsanrop är viktigt eftersom ett steg kan utlösa flera anrop via olika verktyg. Meddelandena hjälper agenten att reservera tillräcklig budget för att kontrollera sina belägg och leverera ett svar i stället för att avbryta mitt i uppgiften.
Ett experiment med openai/gpt-6-luna visar varför de här begränsningarna spelar roll. Perplexity uppger att en ökning från 1 till 15 tillåtna steg höjde träffsäkerheten på BrowseComp och DSQA från 41 % till 80 %, samtidigt som kostnaden per fråga steg från 0,0017 dollar till 0,0152 dollar. Budgetfördelningen påverkar alltså både svarskvaliteten och kostnaden för att få fram svaret.
Kompaktering av kontexten hanterar en annan kostnadsdrivande faktor. När kontexten passerar en viss gräns sammanfattar systemet tidigare arbete i en översikt över resultat och återstående uppgifter, samtidigt som systemprompten, den ursprungliga begäran och eventuella inlästa färdigheter bevaras. Därefter instrueras agenten att fortsätta arbeta, och systemet redovisar antalet kompakteringar så att sammanfattningen inte misstas för en signal om att arbetet är klart.
Extrahering minskar mängden information som agenten för vidare. I stället för att ge den en hel sida fetch_url ber den en mindre modell att välja ut stycken som är relevanta för den aktuella uppgiften och citera dem ordagrant som belägg. Vid hög insats uppger Perplexity att antalet inmatningstoken per fråga minskar med cirka 50 %, samtidigt som resultatet blir 88,0 % till en kostnad av 0,073 dollar per fråga, jämfört med 83,5 % till 0,094 dollar utan extrahering.
Andra relaterade ändringar gäller själva sökningen. Varje sökning kan nu returnera upp till 4K token med resultat i stället för 2K, en ny utdragsmotor väljer text som bättre motsvarar sökfrågan och Fast Search kostar 1,00 dollar per 1 000 förfrågningar. Tillsammans ska ändringarna göra det möjligt att hitta användbara belägg med färre sökningar och mindre irrelevant kontext.
Utvärdering av arbetsflöden och stabil konfiguration
Valet av arbetsflöde görs med hjälp av ett färdighetsträd med successiv visning av information. Till en början tar en färdighet bara upp sitt namn och sin beskrivning i kontexten; de fullständiga instruktionerna läggs till först när modellen har bedömt att arbetsflödet passar uppgiften. Perplexity uppger att förinläsning av alla färdigheter ökade kostnaderna för BrowseComp och DSQA med 13 % och sänkte WANDR-resultaten, vilket stöder beslutet att läsa in arbetsflöden endast vid behov.
Ett automatiserat testramverk utvärderar nya modeller så snart de blir tillgängliga och testar olika nivåer av resonerande, budgetar för steg och verktygsanrop samt verktygskonfigurationer. En kandidat ersätter den nuvarande modellen endast om den ger bättre kvalitet till samma eller lägre kostnad. Perplexity uppger att en kandidat fick 13,3 poäng över baslinjen på BrowseComp men hamnade under baslinjen på interna forskningsuppgifter inom företag, juridik och ekonomi. Det visar varför offentliga benchmarkresultat inte ensamma avgör modellvalet.
Dokumentationen skiljer mellan dynamiska namn, versionslåsta versioner och frysta konfigurationer. Dynamiska anrop ärver senare utvärderade ändringar utan att koden behöver ändras, medan versionslåsta anrop behåller en och samma version även när den aktiva konfigurationen uppdateras. Frysta anrop kopierar offentliga fält, men kan missa inställningar utanför det dokumenterade schemat för förfrågningar. Ultra har ingen fryst konfiguration och måste anropas med namn.
För utvecklare är den praktiska skillnaden automatiska uppdateringar kontra reproducerbarhet: dynamiska nivåer ärver Perplexitys utvärderade revideringar, medan versionslåsta versioner bevarar en känd konfiguration. Ultra utökar systemet till att omfatta fler områden, och dess utformning med fyra agenter gör orkestreringen till en del av avvägningen mellan kostnad och kvalitet, vid sidan av modellvalet.
