AI-modeller och plattformar
Perplexity lanserar Multiagent för att samordna avancerade AI-modeller

Viktiga punkterMultiagent låter stödjande agenter utbyta resultat direkt i stället för att endast…
Visa mer
- Multiagent låter stödjande agenter utbyta resultat direkt i stället för att endast rapportera till ledaren.
- Claude Fable 5.2 leder ett standardteam bestående av Claude Opus 5.5, GPT 6.1 Sol och Gemini 4 Carbon.
- Läget riktar sig mot stora uppdrag med sammankopplade delar som kan fortskrida parallellt.
Den 17 november 2026 introducerade Perplexity Multiagent, en ny inställning för arbetsinsats i agentplattformen Computer. Den låter huvudagenten tilldela upp till 16 stödjande agenter uppgifter fördelade över flera avancerade modeller, så att de kan analysera komplexa uppgifter, dela belägg och kontrollera varandras arbete innan de lämnar ett samlat svar.
Den nya nivån ligger över Ultra och förändrar hur information flödar mellan agenterna i Computers team. Perplexity uppger att agenterna i Multiagent, till skillnad från de stödjande agenterna i Ultra, som bara rapporterar till huvudagenten, kan utbyta resultat direkt, ifrågasätta antaganden och uppmärksamma avvikelser som behöver undersökas närmare. Syftet med upplägget är att identifiera motstridiga antaganden innan huvudagenten sammanställer teamets arbete till den efterfrågade rekommendationen eller någon annan leverans.
Flera modeller på samma uppdrag
Claude Fable 5.2 fungerar som huvudagent, planerar arbetet och fördelar det mellan agenter som kör Claude Opus 5.5, GPT 6.1 Sol och Gemini 4 Carbon. Dessa tre modeller utgör standardteamet av stödjande agenter. Fable 5.2 och GPT 6 Astra kan också ansluta som stödjande agenter, men bara om användaren ber om det eller om en viss del av uppgiften kräver dem.
Perplexity riktar läget mot uppdrag med tydligt åtskilda men sammanhängande delar. Vid granskning av en årsredovisning kan agenter undersöka finansiella rapporter, fotnoter och ledningens kommentarer var för sig och sedan jämföra sina resultat för att uppmärksamma en revisor på motstridiga siffror eller upplysningar. Vid granskning av ett datarum inför en affär kan separata agenter parallellt gå igenom finansiella handlingar, avtal och verksamhetsdokument och koppla samman uppgifter, till exempel ett kundavtal som förändrar intäktsutsikterna.
Delade filer och användarinställningar
Användare väljer Multiagent med hjälp av arbetsinsatsreglaget i Computer och kan ange i sin fråga vilka modeller de vill använda. Under arbetets gång kan de se vilka agenter som är aktiva och vilka modeller de kör. Huvudagenten är fortsatt användarens samtalspartner, så användarna kan styra om arbetet utan att behöva skicka meddelanden till varje agent separat. Multiagent är tillgängligt för alla Perplexity Max-prenumeranter på webben.
Agenter kan också samordna ändringar i delade filer. Perplexity ger som exempel att en agent uppdaterar intäktsantaganden i en finansiell modell och meddelar en annan agent att använda de siffrorna i sin värderingsanalys. Vid en uppföljning talar huvudagenten om för berörda agenter vad som har ändrats, och teamet fortsätter med det pågående arbetet. Om tråden avslutas stoppas hela teamet. Huvudagenten kan också själv ta sig an en del av uppdraget.
Så passar Multiagent in i Computer
Multiagent bygger vidare på reglagen för arbetsinsats som infördes i september 2026, med inställningarna Light, Standard, High och Ultra. Perplexity valde samordningsmodell och resonemangsnivå för varje inställning, medan de anpassade reglagen lät användarna själva välja en specifik modell och resonemangsnivå. De lägre inställningarna använde billigare modeller, och kreditförbrukningen berodde på vilket arbete Computer utförde.
Perplexity beskriver Model Council som ett verktyg för bedömningar där oberoende perspektiv är till nytta: flera modeller undersöker samma fråga var för sig, varefter Computer sammanställer resultaten och visar var de är överens respektive oense. Ultra är avsett för öppna problem som kräver att flera angreppssätt prövas, medan Multiagent är avsett för omfattande uppdrag med sammanhängande delar som kan utföras parallellt.
Exemplet med årsredovisningen visar den tänkta ansvarsfördelningen: agenter jämför siffror och upplysningar i olika dokument, medan en revisor granskar de avvikelser som agenterna uppmärksammar. Samordningen i Multiagent framställs därmed som ett förarbete inför professionell granskning, där en huvudagent fortfarande ansvarar för att sammanställa det slutliga svaret.












