Perplexity ha rilasciato una significativa aggiornamento nella sua funzionalità Deep Research, integrandola all’interno del sistema Computer. Questo nuovo sistema migliora la capacità di processare informazioni complesse, suddividendo le ricerche in sottotask e utilizzando più di venti modelli d’avanguardia. L’aggiornamento promette risultati in report, deck e dashboard, tutto all’interno della piattaforma Computer.
Ricerca Approfondita in Computer
La modalità Deep Research è stata ideata per effettuare molteplici ricerche, leggere fonti primarie e redigere report citati. La versione aggiornata si colloca all’interno della piattaforma Perplexity Computer, lanciata a fine febbraio 2026. Computer è un sistema cloud che coordina sino a 20 modelli AI in un unico processo. È agnostico rispetto ai modelli, con Opus 4.6 come motore principale. Agenti specializzati, come Gemini, si occupano di compiti specifici, come la ricerca approfondita.
Agent Search SDK e Search as Code
Deep Research si basa su due componenti principali: il Agent Search SDK e Search as Code. Fornito una domanda complessa, il sistema costruisce automaticamente un piano di ricerca, individua fonti primarie da centinaia di siti web e cita ogni affermazione.
Come Funziona Search as Code
Il modello genera un codice per assemblare la ricerca in sé. Questo codice esegue migliaia di passaggi di ricerca in parallelo, adattandosi a ogni specifica domanda. Lo script funziona all’interno di un ambiente isolato, chiamando l’SDK di ricerca agente di Perplexity, che espone funzionalità come il filtro, la deduplicazione, e il riso e ridefinizione. Questo è diverso da un processo fisso che esegue gli stessi passaggi ogni volta. La ricerca automatizzata permette al sistema di ramificare, confrontare e perfezionare man mano che impara.
Search as Code si sta introducendo progressivamente sia in Computer che nell’API Agent. Così, gli sviluppatori possono accedere al medesimo stack di ricerca agente utilizzando l’API in base al pagamento per utilizzo. Anche Computer legge i propri file insieme al web in diretta. Si può caricare un PDF o una foglia di informazioni per ottenere il contesto interno. Questo poi viene incrociato con dati demografici, Statista e altre fonti.
Esempio Funzionante per lo Sviluppo
Deep Research in Computer è una funzionalità per gli utenti Perplexity Max. Gli sviluppatori possono utilizzare lo stesso stack attraverso l’Agent API al costo effettivo del consumo. L'SDK ufficiale include una configurazione predefinita chiamata Deep Research, illustrata nell’esempio seguente.
Codice di Esempio
pip install perplexityai
export PERPLEXITYAPIKEY="yourapikey_here"
from perplexity import Perplexity
client = Perplexity() # reads PERPLEXITYAPIKEY from the environment
response = client.responses.create(
preset="deep-research", # pre-configured research setup; "pro-search" is another
input="Compare the cash flow and profit margins of the largest AI chip makers.",
)
print(response.output_text) # aggregated report text from the run
L’endpoint utilizzato è POST https://api.perplexity.ai/v1/agent. Accetta anche il formato POST /v1/responses per compatibilità con l’Sdk di OpenAI.
Confronto Benchmark
Perplexity ha rilasciato dati che confrontano il sistema Deep Research precedente con la versione aggiornata. Le migliorie sono particolarmente visibili nella ricerca agente, dove si deve navigare tra diverse pagine.
| Benchmark | Fonte | Legacy Deep Research | Deep Research in Computer |
|---|---|---|---|
| Humanity’s Last Exam | Center for AI Safety & Scale AI | 36,4% | 50,5% |
| BrowseComp | OpenAI | 40,7% | 83,8% |
| DeepSearchQA | Google DeepMind | 81,9% | 85,0% |
BrowseComp misura la capacità dell’agente di trovare informazioni difficili da reperire navigando. L’aumento da 40,7% a 83,8% rappresenta il più grande miglioramento mostrato. "Humanity's Last Exam" riguarda domande esperte su molti argomenti accademici. DeepSearchQA era già alta, quindi il miglioramento è minore, ma positivo.
Usi Pratici, Con Esempi
- Finanza: Confrontare la cassa e i margini di profitto delle aziende più grandi che producono chip per l’intelligenza artificiale in un arco di cinque anni.
- Diritto: Mappare le differenze tra la legislazione americana e europea in materia di privacy dei dati in una tabella comparativa.
- Salute: Sintetizzare prove da prove cliniche su come i farmaci che riducono il peso influenzano la salute cardiaca.
- Tecnologia: Benchmarkare i modelli leader in capacità di ragionamento, costo e lunghezza del contesto.
Come Computer Scegliere i Modelli
Computer seleziona il modello più adatto per ciascun sottotask. Un modello adatto per il ragionamento legale si occupa della revisione contrattuale. Un modello dati controlla le variazioni del foglio di calcolo. Un modello di scrittura gestisce la bozza finale. Le risposte sono sostenute da fonti premium, tra cui PitchBook e CB Insights. I dati legali sono attualmente in anteprima.
Punti Forti e Limiti
I punti forti di questa tecnologia sono:
- Ricerca basata su codice esegue migliaia di passi in parallelo per ogni domanda.
- Risultati misurabili, come mostra il test Benchmark BrowseComp.
- Legge file interni e il web in diretta, annotando ogni citazione all’interno del documento.
- Produzione di report immediati e facilmente utilizzabili: report, sintesi, presentazioni, dashboard, fogli di calcolo vivi.
I limiti includono:
- I numeri di benchmark sono dati primi, quindi necessitano di una verifica esterna.
- La funzione centrata in Computer si rivolge a utenti Perplexity Max, non al gratuito.
- I dati premium offerti variano, mentre i dati legali sono in versione demo.
- Le uscite richiedono comunque una revisione umana, poiché il citato non è sempre corretto.
Punti Chiave
- Deep Research integrato in Computer gestisce ricerche distrib