โมเดลและแพลตฟอร์ม AI

Perplexity เปิดตัว Multiagent เพื่อประสานการทำงานของโมเดล AI ชั้นแนวหน้า

Jonas Reeve
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญMultiagent ช่วยให้เอเจนต์สนับสนุนแลกเปลี่ยนสิ่งที่ค้นพบกันโดยตรง…
ดูเพิ่มเติม
  • Multiagent ช่วยให้เอเจนต์สนับสนุนแลกเปลี่ยนสิ่งที่ค้นพบกันโดยตรง แทนที่จะรายงานต่อหัวหน้าทีมเท่านั้น
  • Claude Fable 5.2 เป็นหัวหน้าทีมเริ่มต้นซึ่งประกอบด้วย Claude Opus 5.5, GPT 6.1 Sol และ Gemini 4 Carbon
  • โหมดนี้มุ่งเป้าไปที่งานขนาดใหญ่ที่มีส่วนประกอบเชื่อมโยงกันซึ่งสามารถดำเนินการแบบขนานได้

เมื่อวันที่ 17 พฤศจิกายน 2026 Perplexity เปิดตัว Multiagent ซึ่งเป็นการตั้งค่าระดับความพยายามแบบใหม่สำหรับแพลตฟอร์มเอเจนต์ Computer โดยเอเจนต์หลักสามารถมอบหมายงานให้เอเจนต์สนับสนุนได้สูงสุด 16 ตัว ซึ่งทำงานด้วยโมเดลชั้นแนวหน้าหลายโมเดล เพื่อวิเคราะห์งานที่ซับซ้อน แบ่งปันหลักฐาน และตรวจสอบงานของกันและกัน ก่อนส่งคำตอบเดียว

ระดับใหม่นี้อยู่เหนือ Ultra และเปลี่ยนวิธีแลกเปลี่ยนข้อมูลภายในทีมเอเจนต์ของ Computer Perplexity ระบุว่า ต่างจากเอเจนต์สนับสนุนของ Ultra ซึ่งรายงานข้อมูลให้เอเจนต์หลักเท่านั้น เอเจนต์ของ Multiagent สามารถแลกเปลี่ยนข้อค้นพบกันโดยตรง ตั้งคำถามต่อสมมติฐาน และชี้ให้เห็นข้อมูลที่ไม่สอดคล้องกันเพื่อให้ตรวจสอบเพิ่มเติมได้ การออกแบบนี้มีเป้าหมายเพื่อค้นหาสมมติฐานที่ขัดแย้งกัน ก่อนที่เอเจนต์หลักจะรวบรวมผลงานของทีมเป็นคำแนะนำหรือผลงานอื่นตามที่ร้องขอ

หลายโมเดลทำงานในงานเดียวกัน

Claude Fable 5.2ทำหน้าที่เป็นเอเจนต์หลัก วางแผนงานและแบ่งงานให้เอเจนต์ที่ใช้ Claude Opus 5.5, GPT 6.1 Sol และ Gemini 4 Carbon โมเดลทั้งสามเป็นทีมเอเจนต์สนับสนุนเริ่มต้น นอกจากนี้ Fable 5.2 และ GPT 6 Astra ยังสามารถเข้าร่วมเป็นเอเจนต์สนับสนุนได้ แต่จะทำเช่นนั้นก็ต่อเมื่อผู้ใช้ร้องขอ หรือเมื่อส่วนใดส่วนหนึ่งของงานจำเป็นต้องใช้โมเดลดังกล่าว

Perplexity มุ่งให้โหมดนี้รองรับงานที่มีส่วนต่าง ๆ แยกจากกันแต่เชื่อมโยงกัน ในการตรวจสอบรายงานประจำปี เอเจนต์สามารถตรวจงบการเงิน เชิงอรรถ และคำชี้แจงของฝ่ายบริหารแยกกัน จากนั้นเปรียบเทียบข้อค้นพบเพื่อแจ้งผู้สอบบัญชีถึงตัวเลขหรือการเปิดเผยข้อมูลที่ไม่สอดคล้องกัน สำหรับการตรวจสอบสถานะธุรกิจในห้องข้อมูลของดีล เอเจนต์แต่ละตัวสามารถตรวจเอกสารทางการเงิน สัญญา และเอกสารการดำเนินงานไปพร้อมกัน แล้วเชื่อมโยงรายละเอียดต่าง ๆ เช่น สัญญากับลูกค้าที่ส่งผลต่อแนวโน้มรายได้

ไฟล์ที่ใช้ร่วมกันและการควบคุมสำหรับผู้ใช้

ผู้ใช้เลือก Multiagent ได้จากแถบเลื่อนระดับความพยายามของ Computer และระบุชื่อโมเดลที่ต้องการในคำสั่งได้ ระหว่างทำงาน ผู้ใช้จะเห็นว่าเอเจนต์ตัวใดกำลังทำงานอยู่ และเอเจนต์แต่ละตัวใช้โมเดลใด เอเจนต์หลักยังคงเป็นผู้ติดต่อหลักในการสนทนา ผู้ใช้จึงปรับทิศทางงานได้โดยไม่ต้องส่งข้อความหาเอเจนต์ทุกตัวแยกกัน Multiagent พร้อมให้สมาชิก Perplexity Max ทุกคนใช้งานบนเว็บ

เอเจนต์ยังสามารถประสานงานกันเพื่อแก้ไขไฟล์ที่ใช้ร่วมกันได้ด้วย Perplexity ยกตัวอย่างว่า เอเจนต์ตัวหนึ่งปรับสมมติฐานด้านรายได้ในแบบจำลองทางการเงิน แล้วแจ้งอีกตัวให้นำตัวเลขดังกล่าวไปใช้ในการวิเคราะห์มูลค่า เมื่อติดตามงานต่อ เอเจนต์หลักจะแจ้งเอเจนต์ที่ได้รับผลกระทบว่ามีอะไรเปลี่ยนแปลง และทีมจะทำงานเดิมต่อไป แต่หากหยุดการสนทนา งานของทั้งทีมก็จะหยุดลง เอเจนต์หลักยังสามารถรับผิดชอบงานบางส่วนด้วยตนเองได้

Multiagent ทำงานร่วมกับ Computer อย่างไร

Multiagent ต่อยอดจากการควบคุมระดับความพยายามที่เปิดตัวในเดือนกันยายน 2026 ซึ่งมีการตั้งค่า Light, Standard, High และ Ultra สำหรับแต่ละการตั้งค่า Perplexity เป็นผู้เลือกโมเดลประสานงานและระดับการให้เหตุผล ส่วนการควบคุมแบบกำหนดเองเปิดให้ผู้ใช้เลือกโมเดลและระดับการให้เหตุผลที่ต้องการได้เอง การตั้งค่าระดับต่ำใช้โมเดลที่มีค่าใช้จ่ายน้อยกว่า และปริมาณเครดิตที่ใช้ขึ้นอยู่กับงานที่ Computer ดำเนินการ

Perplexity วางตำแหน่ง Model Council ให้เหมาะกับการตัดสินใจที่ได้ประโยชน์จากมุมมองที่เป็นอิสระ โดยให้โมเดลหลายตัวตรวจสอบคำถามเดียวกันแยกกัน จากนั้น Computer จะรวบรวมข้อค้นพบและแสดงให้เห็นว่ามีประเด็นใดที่เห็นตรงกันหรือไม่ตรงกัน ส่วน Ultra ออกแบบมาสำหรับปัญหาปลายเปิดที่ต้องทดลองใช้หลายแนวทาง ขณะที่ Multiagent มุ่งรองรับงานขนาดใหญ่ที่มีส่วนต่าง ๆ เชื่อมโยงกันและสามารถดำเนินไปพร้อมกันได้

ตัวอย่างการตรวจสอบรายงานประจำปีแสดงให้เห็นถึงการแบ่งหน้าที่ตามที่ตั้งใจไว้ กล่าวคือ เอเจนต์เปรียบเทียบตัวเลขและการเปิดเผยข้อมูลจากเอกสารหลายฉบับ ขณะที่ผู้สอบบัญชีตรวจสอบความไม่สอดคล้องที่เอเจนต์แจ้งไว้ ดังนั้น การประสานงานของ Multiagent จึงถูกนำเสนอในฐานะการเตรียมงานสำหรับการตรวจสอบโดยผู้เชี่ยวชาญ โดยยังคงมีเอเจนต์หลักหนึ่งตัวรับผิดชอบรวบรวมคำตอบสุดท้าย

Jonas Reeve เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, มุ่งเน้นที่ AI ด้านการรู้คิด, ปัญญาประดิษฐ์ทั่วไป (AGI), และพื้นฐานเชิงทฤษฎีของปัญญาเครื่องจักร งานของเขาศึกษาว่าการเรียนรู้, การให้เหตุผล, ความจำ, และการสรุปเชิงนามธรรมเกิดขึ้นอย่างไรในระบบชีวภาพและระบบเทียม, เชื่อมโยงสถาปัตยกรรม AI สมัยใหม่กับคำถามที่ยาวนานในวิทยาศาสตร์การรับรู้และปรัชญาจิตใจ.

ด้วยแนวทางเชิงแนวคิดและการสะท้อน, Jonas ตรวจสอบกรอบแนวคิดต่าง ๆ เช่น โมเดลการให้เหตุผล, ระบบตัวแทน, การรับรู้ที่เกิดขึ้น, และทฤษฎีการปรับแนว, โดยมุ่งหมายชี้แจงว่าความก้าวหน้าไปสู่ AGI มีความหมายอย่างไร—และไม่หมายความว่าอย่างไร. แทนที่จะไล่ตามไทม์ไลน์หรือการโฆษณาเกินจริง, เขาให้ความสำคัญกับหลักการพื้นฐาน, ความเข้มงวดเชิงแนวคิด, และขีดจำกัดของโมเดลปัจจุบัน.

บทความที่เขียนโดย Jonas Reeve ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำ, ความชัดเจน, และการอภิปรายอย่างรับผิดชอบเกี่ยวกับแนวคิด AI ขั้นสูง.