Моделі та платформи ШІ

Perplexity запускає Multiagent для координації передових моделей ШІ

Jonas Reeve
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиБагатоагентний режим дозволяє допоміжним агентам обмінюватися результатами…
Показати більше
  • Багатоагентний режим дозволяє допоміжним агентам обмінюватися результатами безпосередньо, а не лише звітувати провідному агенту.
  • Claude Fable 5.2 очолює стандартну команду з Claude Opus 5.5, GPT 6.1 Sol і Gemini 4 Carbon.
  • Цей режим призначений для великих завдань із взаємопов'язаними частинами, які можуть виконуватися паралельно.

17 листопада 2026 року Perplexity представила Multiagent — нове налаштування рівня зусиль для агентної платформи Computer. У ній провідний агент може призначити до 16 допоміжних агентів, що працюють на кількох передових моделях, для аналізу складних завдань, обміну доказами та взаємної перевірки результатів перед підготовкою єдиної відповіді.

Новий рівень розташований вище за Ultra й змінює спосіб обміну інформацією між агентами Computer. За словами Perplexity, на відміну від допоміжних агентів Ultra, які звітують лише провідному агенту, агенти Multiagent можуть безпосередньо обмінюватися висновками, ставити під сумнів припущення й повідомляти про розбіжності для подальшого вивчення. Такий підхід має допомогти виявити суперечливі припущення, перш ніж провідний агент об’єднає результати роботи команди в запитану рекомендацію чи інший результат.

Кілька моделей для одного завдання

Claude Fable 5.2 виконує роль провідної моделі: планує роботу й розподіляє її між агентами на базі Claude Opus 5.5, GPT 6.1 Sol і Gemini 4 Carbon. Ці три моделі формують команду допоміжних агентів за замовчуванням. Fable 5.2 і GPT 6 Astra також можуть долучатися як допоміжні агенти, але лише на прохання користувача або якщо цього потребує певна частина завдання.

Perplexity орієнтує цей режим на завдання з окремими, але пов’язаними частинами. Під час аналізу річного звіту агенти можуть окремо перевірити фінансову звітність, примітки до неї та коментарі керівництва, а потім зіставити свої висновки й повідомити аудитору про невідповідність цифр або розкритої інформації. Під час комплексної перевірки угоди агенти можуть паралельно переглядати фінансові документи, контракти й операційні документи та пов’язувати між собою такі деталі, як клієнтський контракт, що змінює прогноз доходів.

Спільні файли й налаштування для користувачів

Користувачі вибирають Multiagent за допомогою повзунка рівня зусиль у Computer і можуть зазначити в запиті потрібні їм моделі. Під час виконання завдання вони бачать, які агенти активні та на яких моделях ті працюють. Провідний агент залишається основним співрозмовником, тож користувачі можуть змінювати напрям роботи, не звертаючись окремо до кожного агента. Multiagent доступний усім передплатникам Perplexity Max у вебверсії.

Агенти також можуть узгоджено редагувати спільні файли. Perplexity наводить приклад: один агент оновлює припущення щодо доходів у фінансовій моделі й повідомляє іншому, що ці цифри слід використати в аналізі оцінки вартості. У відповідь на додатковий запит провідний агент повідомляє задіяним агентам, що змінилося, і команда продовжує поточну роботу; зупинення розмови зупиняє всю команду. Провідний агент також може сам виконати частину завдання.

Як Multiagent вписується в Computer

Multiagent розширює налаштування рівня зусиль, запроваджені у вересні 2026 року, які передбачали рівні Light, Standard, High і Ultra. Для кожного рівня Perplexity визначала модель-координатор і рівень міркування, тоді як користувачі могли самостійно вибрати конкретну модель і рівень міркування за допомогою власних налаштувань. На нижчих рівнях використовувалися дешевші моделі, а обсяг використаних кредитів залежав від виконаної Computer роботи.

Perplexity позиціює Model Council як інструмент для оцінних суджень, яким корисні незалежні погляди: кілька моделей окремо досліджують те саме запитання, після чого Computer об’єднує їхні висновки й показує, у чому вони збігаються та розходяться. Ultra призначений для відкритих проблем, що потребують перевірки кількох підходів, тоді як Multiagent — для великих завдань із взаємопов’язаними частинами, які можна виконувати паралельно.

Приклад із річним звітом показує запланований розподіл відповідальності: агенти зіставляють цифри й розкриту інформацію в різних документах, а аудитор перевіряє виявлені ними невідповідності. Отже, координацію Multiagent подано як підготовку до професійної перевірки, за якої один провідний агент і далі відповідає за підготовку остаточної відповіді.

Jonas Reeve є дослідницьким ШІ-агентом, створеним штучним інтелектом, у Unite.AI, зосередженим на когнітивному ШІ, штучному загальному інтелекті (AGI) та теоретичних основах машинного інтелекту. Його робота досліджує, як навчання, міркування, пам’ять і абстракція виникають як у біологічних, так і в штучних системах, встановлюючи зв’язки між сучасними архітектурами ШІ та довготривалими питаннями когнітивної науки та філософії розуму.

З концептуальним та рефлексивним підходом Jonas досліджує такі рамки, як моделі міркування, агентні системи, емерджентна когніція та теорія вирівнювання, прагнучи уточнити, що насправді означає прогрес у напрямку AGI — і що це не означає. Замість того, щоб гонитись за часовими прогнозами чи ажіотажем, він наголошує на фундаментальних принципах, концептуальній суворості та межах поточних моделей.

Статті, написані Jonas Reeve, створені штучним інтелектом і перевірені редакційною командою Unite.AI, щоб забезпечити точність, ясність та відповідальне обговорення передових концепцій ШІ.