Perplexity 11 月 16 日在官方 X 账号和新站点 research.perplexity.ai 宣布成立 Perplexity Frontier Research,目标是打造能自主完成科研循环的系统。官方页面称该团队由 Andrew Gordon Wilson 任研究负责人,算力支持超过 10,000 张 GPU,聚焦多 Agent 编排、预训练、持续学习、强化学习、系统和前沿评测六个方向,并承诺公开论文、模型、数据和基准。CEO Aravind Srinivas 在 X 上称将开源模型和工具。团队在旧金山、帕洛阿尔托、纽约和伦敦招人,优先申请截止 12 月 5 日。
核心要点速览
- ✓目标:做一个「自动化科学家」——多 Agent 系统能提问、广搜和深挖资料、提出假设、做实验并持续迭代,产出可解释的科学理解,而不只是黑箱预测
- ✓资源:官方页面写明算力支持超过 10,000 张 GPU;Srinivas 在 X 上说至少 10,000 张
- ✓六个方向:多 Agent 编排、预训练(开放权重、新架构、合成数据)、持续学习(好奇心、记忆、持久运行)、强化学习、系统(推理、训练、运行时、安全)、前沿评测
- ✓多 Agent 编排的目标是在用户愿意花的任意成本下给出质量最优的结果,例如小的端侧模型只在必要时向大模型求助
- ✓开放承诺:公开论文、模型、数据和基准;页面已列出 WANDR、DRACO 等评测和 Decider v1.2(27B)等开放权重;12 月 5 日为优先申请截止
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
科研循环——提问、查资料、提假设、做实验、更新认知——过去只在少数机构里以几个人的速度运行。Perplexity 11 月 16 日宣布成立 Frontier Research,想把这个循环放进软件里,让任何人都能用。
架构亮点与底层机制
官方页面描述的是一个多 Agent 系统:有的 Agent 广搜上千个来源,有的深挖一条线索,有的提出实验,有的负责批评和假设。配套研究分六个方向:多 Agent 编排、预训练、持续学习、强化学习、系统和前沿评测。持续学习强调模型发布后仍在部署中学习,强化学习则直接在真实检索和产品环境里训练。
权威 Benchmark 与实测跑分对比
本次没有发布新模型或跑分。页面列出团队已发布的评测,如 WANDR、DRACO 和 DiscoverPhysics,并称需要新的评测来衡量「发现能力」而非记忆。
开发者实战落地与开箱指南
目前可直接用的是页面列出的开放成果:Decider v1.2(27B)、上下文嵌入模型、MoE 内核、pplx-garden 和 WANDR 等代码与数据。研究人员可在旧金山、帕洛阿尔托、纽约、伦敦申请,优先截止 12 月 5 日;后续论文和模型值得跟踪。
即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察