Perplexity 降低 Agent API 研究成本，并新增 Ultra 努力级别

Perplexity 于2026年11月5日宣布，现在所有智能体 API努力级别的单次查询成本都已降低，并表示各预设的研究质量有所提升或保持不变。Medium 在 BrowseComp 和 DSQA 上的得分从55%升至77%，成本则下降了近90%；此外，面向广泛研究的全新 Ultra 级别现已推出。

努力级别将模型选择、研究步骤和工具调用限制、搜索行为及可用工具整合为命名预设。开发者无需分别配置每个组件，即可选择成本、速度和研究深度之间的平衡。例如，像这样的请求 effort="fast" 会自动采用修订后的设置。

Perplexity 表示，在 xhigh 级别下，WANDR 得分保持在76.5%，而该配置的运行成本约为2026年8月时的25%。该级别面向开放式智能体任务，包括在沙箱中执行代码、持续进行长时间的工具调用循环，以及从众多来源收集证据。

WANDR 论文介绍了一套包含500项任务的评估集，围绕贴近现实的数据收集工作设计。智能体必须找到符合条件的实体，并返回来源和摘录均可独立核查的记录。针对具体任务的评审程序会重新检索所引用的页面，并依据这些证据评估记录，从而避免使用静态的标准答案集。

Ultra 通过四个智能体开展更广泛的研究

Ultra 与 fast、low、medium、high 和 xhigh 一同列入官方努力级别文档。它的指定用途是广泛研究和数据收集，适用于完整性比延迟更重要的场景。该配置使用 anthropic/claude-opus-5-5，并提供后台模式以支持长时间运行。

Ultra 会将同一个研究问题分配给三个并行运行的智能体，让它们各自独立收集证据。第四个智能体会整合它们的输出、删除重复发现并撰写答案。Perplexity 报告称，Ultra 的 WANDR 得分为85.9%，每项任务的成本为21.71美元，在其测试的各项配置中成绩最高。

预算与上下文调整降低研究成本

各级别都会通过限制步骤数、设定工具调用总量上限，以及定期提示剩余容量来约束支出。单独设置工具调用上限很重要，因为一个步骤可能会调用多个不同工具。这些提示有助于智能体预留足够预算来核查证据并给出答案，而不是在任务进行到一半时就停止。

一项关于 openai/gpt-6-luna 的实验说明了这些限制为何重要。Perplexity 报告称，将允许的步骤数从1提高到15后，BrowseComp 和 DSQA 上的准确率从41%升至80%，而单次查询成本则从0.0017美元升至0.0152美元。因此，预算分配既影响答案质量，也影响获取答案的成本。

上下文压缩则针对另一项成本驱动因素。上下文超过某个阈值后，系统会将此前的工作浓缩为一份总结，列出已发现的结果和剩余任务，同时保留系统提示词、原始请求以及已加载的技能。随后，系统会告知智能体继续工作，并报告压缩次数，以免智能体误将这份总结当作任务已结束的信号。

提取功能可以减少智能体需要带入后续处理的内容。它不再把整篇页面交给智能体，而是 fetch_url 让一个规模较小的模型挑选与当前任务相关的段落，并逐字引用这些内容以便标注出处。Perplexity 报告称，在 high 努力级别下，启用提取后每次查询的输入词元数约减少50%，结果为88.0%，每次查询成本为0.073美元；相比之下，不启用提取时的结果为83.5%，每次查询成本为0.094美元。

其他相关调整则着眼于搜索本身。现在每次搜索最多可返回4K词元的结果，而非2K；新的摘要引擎能选出与查询更匹配的文本；Fast Search 的定价为每1,000次请求1.00美元。这些调整旨在以更少的搜索和更少的无关上下文找到有用证据。

工作流评估与配置稳定性

工作流选择采用渐进式披露的技能树。技能最初在上下文中只占用名称和描述的空间；模型判断该工作流适合当前任务后，才会载入完整指令。Perplexity 表示，预先载入所有技能会使 BrowseComp 和 DSQA 的成本增加13%，并降低 WANDR 得分，这也支持了仅在需要时载入工作流的做法。

一套自动化测试框架会在新模型可用时对其进行评估，全面测试推理努力程度、步骤与工具调用预算，以及工具配置。候选模型只有在成本相同或更低、且质量更高时，才会取代当前模型。Perplexity 表示，有个候选模型在 BrowseComp 上比基线高出13.3分，但在内部企业、法律和金融研究任务中的表现低于基线，这说明仅凭公开基准测试结果不足以决定模型选择。

文档区分了动态名称、固定版本和冻结配置。动态调用会继承后续评估产生的变更，无需修改代码；固定调用会在活动配置更新后继续保留某个版本；冻结调用会复制公开字段，但可能无法涵盖文档所述请求架构之外的设置。Ultra 不提供冻结配置，必须按名称调用。

对开发者而言，实际区别在于自动更新与可复现性：动态级别会继承 Perplexity 经评估后推出的修订，固定版本则会保留已知配置。Ultra 将这一体系扩展到更广泛的覆盖范围，而其四智能体设计也使编排成为成本与质量权衡的一部分，与模型选择同样重要。