6月11日消息，Perplexity确认已将Deep Research作为原生技能集成到其多模型代理系统Perplexity Computer中。升级后的Deep Research不再是独立的研究模式，而是Computer调度架构的一部分——可以将复杂研究任务拆解为子任务，跨20多个前沿模型并行执行，直接输出带引用的报告、演示文稿和数据面板。这一整合的核心技术是Perplexity近期发布的"Search as Code"架构：模型不再只是发起搜索请求，而是编写代码来组装搜索本身。
Search as Code：搜索变成了程序
理解这次升级需要先理解Search as Code（SaC）的工作方式。传统的AI搜索是"模型发出查询→获取结果→总结"的线性流程。SaC把搜索变成了编程问题：面对一个复杂问题，模型先生成一段代码脚本，这段脚本调用Perplexity的Agentic Search SDK中的搜索原语——过滤、去重、重排序等——在沙箱中运行，并行执行数千个检索步骤，每个步骤根据具体问题定制。
这意味着搜索的"编排逻辑"本身成了可编程的。模型不只是在搜，而是在设计如何搜。Deep Research此前已经能做多步搜索和报告生成，但受限于固定的搜索流程。接入Computer的SaC架构后，搜索策略可以根据任务类型动态生成——投资尽调和技术调研的搜索代码结构完全不同。
Perplexity同步发布了WANDR基准测试，专门评估需要搜索、计算和模型推理协同完成的"宽域研究"任务。在WANDR上，SaC架构的表现优于单一模型的代理系统——Perplexity用GPT 5.5作为SaC的底层模型进行评测，隔离了架构本身的贡献。这个基准测试的设计逻辑也揭示了Perplexity对Deep Research的定位：不是"更好的搜索"，而是"结构化的研究工程"。
20模型调度：每个子任务找最合适的模型
Perplexity Computer的核心设计是多模型调度。系统不把任务发给单一模型，而是通过元路由器分析请求类型和复杂度，将子任务分配给最适合的模型。当前的模型配置为：Claude Opus 4.6负责核心推理和调度决策，Gemini处理深度研究并创建子代理，GPT-5.2管理长上下文回忆和宽域搜索，Grok处理轻量级高速任务，Nano Banana生成图像，Veo 3.1生成视频。用户也可以为特定子任务手动指定模型。 这套调度体系建立在一个关键判断上：模型正在走向专业化而非同质化。Perplexity官方博客的表述是——"传统观点认为AI模型正在商品化，但我们看到的是相反的趋势：模型在各自擅长的领域分化"。Computer的价值不在于拥有最强的单一模型，而在于知道什么时候该用哪个模型。
Deep Research被集成为Computer的原生技能后，研究任务的处理流程变成了：Computer接收复杂问题→拆解为研究计划→Deep Research子代理通过SaC并行执行数千次检索→Gemini负责子代理的研究推理→Opus 4.6汇总和结构化输出→生成报告/演示文稿/数据面板。整个流程中每个环节都由最适合的模型处理，而非一个模型从头做到尾。
从搜索引擎到数字工作者
这次升级标志着Perplexity产品定位的又一次跳迁。回看其演进路径：2024年是"答案引擎"（取代Google搜索结果页），2025年加入Pro Search和初版Deep Research（多步搜索+报告），2026年2月推出Computer（多模型代理系统），现在Deep Research成为Computer的原生技能。每一步都在扩大"交付物"的边界——从一段带引用的文字，到一份完整的研究报告，到现在可以直接输出演示文稿、电子表格、数据面板甚至网站。
Perplexity的运营数据支撑了这个转型的可行性。月活用户超过4500万，月查询量超过10亿次，年化经常性收入（ARR）在2026年3月突破4.5亿美元，估值约200亿美元。这些数字说明用户已经在为"AI搜索"付费——问题是他们愿不愿意为"AI工作者"付更多。
定价上，Deep Research对Pro用户（$20/月）开放，每天限20次查询。但Computer功能整体仅对Max用户（$200/月）开放，包含10000月度积分。积分按任务复杂度消耗——子代理越多、调用的模型越贵、迭代次数越多，消耗越快。Perplexity没有公开每任务的积分换算表，这意味着重度用户的实际月开支可能达到300到500美元。Pro到Max之间10倍的价差是当前最大的准入门槛。
竞品对比：研究能力的三条路径
AI深度研究能力正在成为各家平台的标配，但实现路径明显分化。
ChatGPT的Deep Research走的是单模型深度路线，依赖GPT-5系列的原生推理能力加联网搜索，优势是对话式体验流畅，局限是搜索策略固定、无法跨模型调度。Google Gemini的Deep Research背靠Google搜索索引，在信息覆盖面上有天然优势，但输出形式偏保守，缺少Computer那种结构化交付物（演示文稿、数据面板）。Claude的研究能力集中在长上下文理解和精细推理上，适合给定文档集的深度分析，但联网搜索不是其核心场景。
Perplexity的差异化在于"调度层"——它不试图做最强的单一模型，而是做最好的模型路由器。这个定位有一个隐含的风险：如果模型提供商（OpenAI、Anthropic、Google）限制API接入以保护自家代理产品，Perplexity的调度优势就会被削弱。目前这个风险尚未显现——Perplexity透露"七巨头"中已有四家在生产环境中使用其Search API——但长期来看，上游依赖是一个结构性脆弱点。
在企业市场，Perplexity通过Computer for Enterprise直接对标Microsoft Copilot和Salesforce Agentforce。已支持Slack集成（员工在频道中直接@computer）、Snowflake/Salesforce/HubSpot连接器、SSO和合规功能。Personal Computer则走了另一条路——支持在专用Mac mini上24/7运行，连接本地应用和Perplexity的安全服务器，作为用户的"数字代理人"。
局限与前瞻
Deep Research接入Computer后的核心优势是明确的：搜索策略可编程化、多模型协同降低单一模型盲区、输出格式从纯文本扩展到结构化交付物。但几个局限同样值得关注。
积分消耗的不透明性是最直接的问题。没有公开的换算表意味着用户在复杂任务上缺乏成本预期。重度用户反馈显示，涉及多个子代理和大量检索的任务可以快速消耗积分，10000月度额度不一定够用。$200/月的门槛加上不确定的超额成本，让Computer的性价比评估变得困难。
SaC架构的可靠性也需要更多验证。代码生成搜索策略的方式虽然灵活，但引入了一个新的失败点——如果生成的搜索代码逻辑有误，错误会在数千次并行检索中被放大。WANDR基准测试是Perplexity自建的，目前缺少第三方独立评测的交叉验证。
更深层的问题是：多模型调度的价值窗口有多长。如果单一模型的通用能力持续提升（比如下一代Opus或GPT在研究场景上足够强），调度层的附加价值就会被压缩。Perplexity的赌注是模型会持续分化而非趋同——这在当前阶段是成立的，但不是必然的。
Perplexity已经从"更好的搜索引擎"变成了"可编程的研究基础设施"。Deep Research集成Computer是这条路上的关键一步，它把"帮你找答案"正式升级为"帮你完成工作"。但从$20的Pro到$200的Max，中间缺少一个让更多用户体验Computer的过渡价位。Perplexity已表示Pro和企业版的Computer接入在路线图上，但没有给出时间线。这个"中间层"什么时候到来，可能比技术升级本身更决定Computer的用户规模天花板。
