Perplexity Computer adiciona Multiagent: até 16 agentes de AI que verificam o trabalho entre si

Perplexity adicionou o Multiagent ao Computer, sua plataforma de agentes para pesquisa e tarefas multietapas. O Perplexity Computer Multiagent é um novo nível de esforço que fica acima do Ultra. Um agente líder coordena uma equipe de agentes em diferentes modelos de ponta. Esses agentes trabalham em paralelo, compartilham descobertas diretamente e verificam o trabalho uns dos outros. Para desenvolvedores e analistas, a mudança é estrutural: os agentes de apoio não relatam mais apenas a um único líder.

TL;DR

- Tamanho: até 16 agentes por tarefa, mais o líder.

- Comprimento de contexto: não divulgado.

- Executa em: nuvem da Perplexity.

- Disponível apenas na web, plano Perplexity Max. Sem opção local ou quantizada.

- Desempenho: ainda não benchmarked. A Perplexity não divulgou números de acurácia ou velocidade.

- Melhor: limite de 16 agentes com verificações diretas entre agentes nas 3 famílias de modelo padrão (Claude, GPT, Gemini).

O que é o Perplexity Computer Multiagent?

Multiagent é o nível de esforço mais alto no Perplexity Computer. Ele coordena modelos de AI para analisar tarefas complexas e cruzar verificações de seus resultados, conforme o anúncio da Perpexity. Baseia‑se nos controles de esforço lançados em 17 de setembro de 2026, que introduziram 4 configurações: Light, Standard, High e Ultra. Cada configuração escolhe o modelo orquestrador e a profundidade de raciocínio, usando modelos menos caros nas configurações mais baixas.

Como o Multiagent funciona?

O agente líder planeja a tarefa e distribui partes para os agentes de apoio. Ele pode designar até 16 agentes e ainda realiza parte do trabalho. No exemplo da Perplexity, o Claude Fable 5.2 planeja a tarefa, dividindo o trabalho entre agentes que rodam Claude Opus 5.5, GPT 6.1 Sol e Gemini 4 Carbon. Esses 3 modelos formam a equipe padrão. Fable 5.2 e GPT 6 Astra se juntam como agentes de apoio somente quando solicitados ou necessários.

Mecanismos principais do lançamento:

- Compartilhamento direto: agentes utilizam evidências encontradas por outros, questionam suposições e sinalizam discrepâncias.

- Arquivos compartilhados: agentes coordenam edições em arquivos comuns. Um agente pode atualizar suposições de receita e notificar outro para reutilizá‑las em uma avaliação.

- Ponto único de falha eliminado: os agentes de apoio não dependem de um único ponto de controle, aumentando a robustez e a confiabilidade das análises.

Fonte: MarkTechPost

Publicado em 2026-11-17

Notícias relacionadas

Continue explorando