AIKraft Agents
Главная/Блог/Аналитика/Perplexity Computer Multiagent:…
Аналитика10 мин чтения · 18 ноября 2026 г.

Perplexity Computer Multiagent: Революция в многоагентном ИИ

Разбираем новую функцию Perplexity Computer Multiagent: как 16 агентов разных моделей работают вместе, что это значит для аналитики и почему это меняет правила игры.

Perplexity Computer Multiagent: Революция в многоагентном ИИ

В мире искусственного интеллекта, где скорость появления новых моделей и функций измеряется днями, компания Perplexity AI снова демонстрирует, что умеет не просто следовать трендам, а задавать их. Недавно платформа Perplexity Computer, известная своими мощными возможностями для глубоких исследований, получила обновление, которое может стать поворотным моментом для профессионалов, работающих с данными. Речь идет о функции Multiagent — новом уровне сложности (effort level), который располагается выше привычного режима Ultra. Это не просто «больше вычислений», это фундаментально новая архитектура взаимодействия между ИИ-агентами.

Что такое Multiagent? Это система, в которой ведущий агент (lead agent) управляет командой из нескольких специализированных агентов, работающих на разных передовых моделях. Эти агенты не просто выполняют задачи последовательно; они работают параллельно, напрямую обмениваются найденными данными, перекрестно проверяют работу друг друга и координируют действия над общими документами. Для разработчиков, финансовых аналитиков и исследователей это означает переход от линейного запроса-ответа к сложному, распределенному процессу рассуждения.

В этой статье мы подробно разберем, как работает эта система, чем она отличается от предыдущих режимов (Ultra и Model Council), какие модели используются, и что это дает на практике. Мы также сравним Perplexity Multiagent с другими игроками рынка, такими как Kimi Agent Swarm и Manus, чтобы понять место этой технологии в общей картине развития агентного ИИ.

01Что такое Perplexity Computer Multiagent и почему это важно?

Чтобы понять масштаб изменений, нужно взглянуть на эволюцию настроек сложности в Perplexity Computer. 17 сентября 2026 года компания представила систему «effort controls» (контроль усилий), которая включала четыре уровня: Light, Standard, High и Ultra. Каждый из этих уровней выбирал модель-оркестратор и определял глубину рассуждений. Более низкие уровни использовали более дешевые и быстрые модели, тогда как Ultra предлагал максимальную глубину анализа, но в рамках одной цепочки рассуждений.

Multiagent становится пятым, высшим уровнем сложности. Он не просто увеличивает время вычислений; он меняет саму структуру решения задачи. Вместо того чтобы один «сверхинтеллект» пытался решить всю проблему, система делегирует части задачи специализированным агентам, работающим на разных моделях. Это позволяет использовать сильные стороны каждой конкретной архитектуры: например, одни модели могут быть лучше в логическом выводе, другие — в работе с контекстом, третьи — в креативном поиске.

💡
Ключевое отличие. В режиме Ultra поддерживающие агенты отчитываются только перед ведущим. В Multiagent агенты общаются напрямую, делятся находками и проверяют друг друга, создавая сеть взаимного контроля.

Эта архитектура особенно полезна для сложных, многошаговых задач, где требуется параллельный сбор данных, их верификация и синтез. Например, при проведении юридической проверки сделки (due diligence) или составлении многовариантных финансовых прогнозов, ошибка в одном из этапов может быть быстро обнаружена и исправлена другими агентами до того, как результат будет представлен пользователю.

02Как работает архитектура Multiagent: от плана к результату

Механика работы Multiagent выглядит как высокоорганизованный рабочий процесс. Все начинается с ведущего агента (lead agent), который получает исходный запрос от пользователя. Его первая задача — спланировать решение: разбить сложную проблему на подзадачи и распределить их между поддерживающими агентами (supporting agents).

Perplexity Computer Multiagent: Революция в многоагентном ИИ

Система поддерживает до 16 поддерживающих агентов, плюс сам ведущий агент. Важно отметить, что ведущий агент также участвует в выполнении части работы. В качестве примера Perplexity приводит сценарий, где в роли планировщика выступает модель Claude Fable 5.2. Она распределяет задачи между агентами, работающими на базах Claude Opus 5.5, GPT 6.1 Sol и Gemini 4 Carbon. Эти три модели образуют «дефолтную команду» по умолчанию. Однако система гибкая: если возникает необходимость, к работе могут подключиться дополнительные агенты, такие как GPT 6 Astra, но только по запросу или при выявлении пробелов в данных.

Ключевые механики взаимодействия, описанные в официальном анонсе, включают несколько критически важных функций:

  • Прямой обмен данными (Direct sharing): Агенты не просто отправляют отчеты ведущему. Они используют доказательства, найденные другими агентами, ставят под сомнение предположения коллег и отмечают расхождения в данных. Это создает эффект «коллективного интеллекта».
  • Общие файлы (Shared files): Агенты могут координировать правки в общих документах. Например, один агент может обновить финансовые предположения о выручке, а затем уведомить другой агент, чтобы тот использовал эти новые данные в модели оценки стоимости компании. Это устраняет необходимость ручного копирования и вставки.
  • Единая точка контакта (Single point of contact): Для пользователя процесс остается максимально простым. Вы общаетесь только с ведущим агентом. Именно он агрегирует все выводы, устраняет противоречия и формирует единый, связный ответ.
  • Итеративность (Follow-ups): Если пользователь вносит изменения в запрос, ведущий агент сообщает об этом затронутым агентам, и команда продолжает работу с учетом новых вводных, не начиная процесс с нуля.

Пользователь также сохраняет полный контроль. В интерфейсе видно, какие агенты и модели запущены. Если процесс идет неверно, остановка потока работы останавливает всю команду. Кроме того, пользователь может явно указать в запросе конкретные модели, которые должны быть задействованы, если стандартный набор не подходит под задачу.

03Сравнение режимов: Multiagent против Ultra и Model Council

Путаница между различными режимами работы с несколькими моделями — частая проблема для новых пользователей Perplexity. Чтобы прояснить ситуацию, давайте сравним три основных способа, которыми платформа позволяет задействовать несколько ИИ-моделей для решения одной проблемы.

1. Ultra (Предыдущий максимум)

Режим Ultra использует одну ведущую модель, которая делегирует подзадачи поддерживающим агентам. Однако эти агенты работают изолированно и отчитываются только перед ведущим. Нет прямого взаимодействия между агентами. Это эффективно для глубокого анализа, но менее устойчиво к ошибкам, так как нет механизма взаимной проверки «на лету».

Perplexity Computer Multiagent: Революция в многоагентном ИИ

2. Model Council (Совет моделей)

Эта функция, появившаяся в июле 2026 года, работает по принципу демократии. Несколько моделей независимо отвечают на один и тот же вопрос. Затем система показывает, где модели согласны, а где расходятся. Это отлично подходит для проверки фактов или получения разных точек зрения, но не для создания единого, согласованного документа или отчета.

3. Multiagent (Новый стандарт)

Multiagent занимает промежуточное положение. Он использует ту же ведущую модель, что и Ultra, но добавляет слой прямого взаимодействия между агентами. Они не просто отчитываются, они работают над общими артефактами (файлами, таблицами) и перекрестно проверяют гипотезы. Это делает Multiagent идеальным для создания сложных, многокомпонентных результатов, таких как комплексные отчеты или финансовые модели.

⚠️ Важно помнить.
Multiagent позиционируется для крупных, взаимосвязанных задач, которые можно выполнять параллельно. Примеры: проверка данных в «комнате сделок» (data room), многовариантное прогнозирование, обзор годовых отчетов, исследование конкурирующих гипотез и подготовка налоговой отчетности на конец года.

04Перекрестное сравнение: Perplexity против конкурентов

Чтобы оценить место Perplexity Multiagent на рынке, необходимо сравнить его с другими продуктами, предлагающими многоагентные решения. Основные конкуренты в этой нише — это Kimi Agent Swarm, Manus Wide Research и SuperGrok Heavy от xAI.

Главное отличие Perplexity заключается в разнообразии моделей (Model Diversity). Perplexity объединяет в одной команде модели от разных вендоров: Anthropic (Claude), OpenAI (GPT) и Google (Gemini). Это позволяет использовать лучшие качества каждой экосистемы. В то же время Kimi и Grok опираются на свои собственные семейные модели. Kimi делает ставку на масштаб, предлагая до 300 под-агентов, жертвуя глубиной дебатов в пользу количества. Manus также работает с сотнями агентов, но механизм их взаимодействия менее прозрачен.

В таблице ниже приведено детальное сравнение ключевых характеристик:

Характеристика Perplexity Computer Multiagent Kimi Agent Swarm Manus Wide Research SuperGrok Heavy
Макс. параллельных агентов 16 (плюс ведущий) До 300 под-агентов «Сотни»; протестировано до 250 элементов Не раскрыто
Взаимодействие агентов Да, прямое, плюс общие файлы Не раскрыто Не раскрыто (главный агент собирает результаты) Агенты сравнивают работу (по заявлениям xAI)
Используемые модели Смешанные: Claude Opus 5.5, GPT 6.1 Sol, Gemini 4 Carbon (по умолчанию) Kimi K3 (K3 Swarm) Не раскрыто Grok 4 Heavy
Опубликованные данные о производительности Отсутствуют В 4.5 раза быстрее, чем последовательный агент (K2.6) Отсутствуют Не раскрыто для текущей версии
Платформы Только веб Веб и мобильное приложение Веб Не раскрыто
План / цена Perplexity Max, $167/мес (при оплате за год) Не раскрыто Не раскрыто $300/мес на старте

Как видно из таблицы, Perplexity предлагает более прозрачную и контролируемую среду с ограничением в 16 агентов, что, вероятно, помогает поддерживать качество коммуникации между ними. Kimi, с другой стороны, предлагает огромный масштаб, но без гарантий глубины взаимодействия. SuperGrok Heavy, несмотря на высокую цену ($300/мес), не предоставляет четких данных о производительности для текущей версии.

Perplexity Computer Multiagent: Революция в многоагентном ИИ

05Доступность, цены и технические ограничения

Функция Multiagent доступна всем подписчикам плана Perplexity Max. Это премиум-тариф, который стоит $167 в месяц при оплате за год. В этот план включено 10 000 кредитов Computer в месяц. Однако в официальном сообщении о запуске не указано, сколько кредитов стоит один запуск Multiagent-задачи. Это важный момент для пользователей, планирующих бюджет, так как сложные многоагентные задачи могут потреблять значительно больше ресурсов, чем стандартные запросы.

Технически, Multiagent работает только в веб-версии Perplexity. Мобильное приложение на данный момент не поддерживает эту функцию. Пользователи выбирают Multiagent с помощью ползунка «effort slider» при создании новой задачи. Это интуитивно понятный интерфейс, но отсутствие локального запуска или опций квантования (quantized options) означает, что все вычисления происходят на облачных серверах Perplexity. Для пользователей, обеспокоенных конфиденциальностью данных или желающих запускать ИИ локально, это может быть ограничением.

📌 Факт.
На данный момент Perplexity не опубликовала никаких бенчмарков (тестов производительности). Нет данных об точности (accuracy) или скорости выполнения задач в режиме Multiagent по сравнению с Ultra. Пользователям придется полагаться на субъективный опыт и кейсы использования.

06Что это значит на практике

Для кого же действительно полезен Perplexity Computer Multiagent? Исходя из описанных возможностей, можно выделить несколько ключевых сценариев использования, где эта технология дает максимальный эффект:

  1. Финансовый анализ и прогнозирование: Создание многовариантных финансовых моделей, где один агент работает с историческими данными, другой — с макроэкономическими прогнозами, а третий — с отраслевыми трендами. Их прямое взаимодействие позволяет быстро корректировать сценарии и видеть, как изменения в одном предположении влияют на общую картину.
  2. Юридическая и коммерческая проверка (Due Diligence): При анализе больших объемов документов (data room) агенты могут параллельно проверять разные разделы контрактов, выявлять риски и перекрестно проверять выводы друг друга. Это снижает риск пропуска критических деталей.
  3. Глубокие исследования: Для академических или рыночных исследований, где требуется собрать данные из множества источников, синтезировать их и проверить на противоречия. Multiagent позволяет создать «коллективный разум», который менее подвержен галлюцинациям, чем одиночная модель.
  4. Подготовка отчетности: Например, подготовка годовых отчетов или налоговой документации, где требуется согласование данных из разных отделов или источников. Агенты могут работать над разными главами отчета одновременно, а ведущий агент обеспечит их единство.

Для обычных пользователей, ищущих быстрые ответы на простые вопросы, Multiagent может быть избыточен и дорог. Однако для профессионалов, которым требуется не просто информация, а структурированный, проверенный и комплексный анализ, эта функция становится мощным инструментом. Она меняет парадигму с «поиска ответа» на «управление командой экспертов».

В заключение, запуск Perplexity Computer Multiagent — это значительный шаг вперед в развитии агентного ИИ. Он демонстрирует переход от простых цепочек рассуждений к сложным, сетевым взаимодействиям между моделями. Несмотря на отсутствие опубликованных бенчмарков и высокую стоимость подписки, технология предлагает уникальное сочетание разнообразия моделей и прямого взаимодействия агентов. Для тех, кто готов инвестировать в качество и глубину анализа, Perplexity Multiagent становится одним из самых продвинутых инструментов на рынке.

Рекомендуем следить за обновлениями Perplexity, так как, вероятно, в будущем появятся данные о производительности, а также возможности для локального запуска или интеграции с другими инструментами. А пока что это отличный пример того, как можно использовать силу нескольких ИИ-моделей для решения сложных, реальных задач.

Источник: MarkTechPost ↗