A Perplexity bemutatta a „Computer” nevű rendszert, amely egy magas szintű ágens-orkesztrátor: komplex munkafolyamatokat dekomponál és delegál 19 különböző AI-modell között.
Az AI-ökoszisztéma fejlődése elérkezett arra a pontra, ahol az egyetlen, monolitikus modellre épülő megoldások korlátai (legyen szó kontextus-ablakról, specifikus tudásról vagy költséghatékonyságról) egyre nyilvánvalóbbá válnak. A Perplexity legújabb bejelentése, a találóan csak Computer névre keresztelt rendszer, nem egy újabb LLM, hanem egy komplex ágens-orkesztrációs réteg, amely a feladatok dekompozíciójára és dinamikus delegálására épül.
A motorháztető alatt: Dekompozíció és delegálás
A „Computer” lényege egy olyan hierarchikus architektúra, ahol egy központi „agy” (reasoning engine) fogadja a felhasználói promptot, majd azt elemi részfeladatokra bontja. Ez a folyamat nem csupán egyszerű szöveges elemzés; a rendszer egy irányított gráfot (DAG - Directed Acyclic Graph) épít a munkafolyamatból, ahol az egyes csomópontokhoz a leginkább megfelelő célszoftvert vagy modellt rendeli hozzá.
A Perplexity mérnökei a Claude Opus 4.6-ot választották központi logikai motornak. Ez a modell felelős a stratégiai tervezésért és a szub-ágensek felügyeletéért. A rendszer különlegessége, hogy nem ragaszkodik egyetlen szolgáltatóhoz, hanem a „best-of-breed” elv alapján válogat a piacon elérhető API-k között.
Modell-specifikus feladatkiosztás
A Computer 19 különböző modellt képes párhuzamosan vagy szekvenciálisan futtatni. Az alábbi táblázat foglalja össze a kritikus komponenseket:
| Feladatkör | Alkalmazott Modell | Technikai indoklás |
|---|---|---|
| Központi logika | Claude Opus 4.6 | Kimagasló reasoning és kódgenerálási képesség |
| Mély kutatás | Gemini | Hatalmas kontextus-ablak és Google Search integráció |
| Képalkotás | Nano Banana | Alacsony latencia, specifikus vizuális kimenetek |
| Videógenerálás | Veo 3.1 | Magas konzisztencia mozgóképes tartalomnál |
| Gyors feladatok | Grok | Minimális TTFT (Time To First Token) |
| Hosszú távú memória | ChatGPT 5.2 | Kiváló recall képesség és széleskörű indexelés |
Izolált futtatókörnyezet és biztonság
A rendszer egyik legfontosabb technikai vívmánya a futtatókörnyezet. A Perplexity állítása szerint minden feladat egy izolált felhőalapú compute environmentben fut. Ez alapvető különbség a lokális ágensekhez (mint például az OpenClaw) képest, ahol a modell közvetlen hozzáférést kaphat a felhasználó operációs rendszeréhez, ami komoly biztonsági kockázatot jelent.
A Computer környezete a következő erőforrásokkal rendelkezik:
- Valódi fájlrendszer: Ideiglenes tároláshoz és adatfeldolgozáshoz.
- Sandboxed böngésző: Dinamikus webes tartalom eléréséhez és interakcióhoz.
- Eszközintegrációk: API-szintű hozzáférés külső szolgáltatásokhoz.
Egy elméleti munkafolyamat JSON reprezentációja így nézhet ki a rendszeren belül:
{
"workflow_id": "exec_88291",
"root_task": "Build a research-focused Android app",
"orchestrator": "claude-opus-4.6",
"execution_plan": [
{
"step": 1,
"agent": "gemini-deep-research",
"action": "analyze_competitor_features",
"output_format": "structured_data"
},
{
"step": 2,
"agent": "claude-opus-4.6",
"action": "generate_kotlin_scaffold",
"dependencies": [1]
},
{
"step": 3,
"agent": "nano-banana",
"action": "generate_ui_assets",
"parameters": { "style": "material_you" }
}
]
}
Mérnöki kihívások: Latencia és egységnyi költség
Bár a koncepció lenyűgöző, komoly kérdéseket vet fel a unit economics és a teljesítmény terén. Több modell egymás utáni (vagy párhuzamos) hívása jelentős latenciát eredményezhet, nem beszélve az API költségekről. A Perplexity ezt a $200/hó árazású Max előfizetéssel próbálja ellensúlyozni, ami egyértelműen az enterprise szektort és a „GDP-t mozgató” döntéshozókat célozza meg.
A cég saját benchmarkja, a Draco, kifejezetten az ilyen komplex, többlépcsős kutatási feladatok mérésére szolgál. Ebben a környezetben a Perplexity szerint az orkesztrált modelljeik konzisztensen verik a monolitikus megoldásokat, mint például a natív Gemini-t vagy a GPT-t.
Konklúzió: Érdemes-e implementálni?
A Perplexity Computer nem egy játékszer. Azoknak a fejlesztőknek és kutatóknak, akik eddig manuálisan, MCP (Model Context Protocol) segítségével láncolták össze a különböző modelleket, ez a rendszer egy kész, menedzselt alternatívát kínál.
„A multi-modell megközelítés a jövő. A modellek nem kommoditizálódnak, hanem specializálódnak.” – állítja a Perplexity vezetése.
Mérnöki szemmel a legnagyobb érték a transzparens orkesztrációban rejlik: a rendszer automatikusan dönti el, hogy mikor érdemes egy olcsóbb, nyílt forráskódú modellt használni a költségek optimalizálása érdekében, és mikor van szükség a „frontier” modellek nyers erejére. Ugyanakkor a $200-os havidíj és a felhőalapú zártság elriaszthatja azokat, akik a teljes kontrollt és a lokális futtatást preferálják.
