Vi introduserer Multiagent for det mest komplekse arbeidet

Innsatsnivået Multiagent i Perplexity Computer koordinerer AI-modeller for å analysere komplekse oppgaver og kryssjekke arbeidet deres.

Warm light glowing through a series of dark, reflective vertical panels.

Computer er en kraftig agentplattform som undersøker komplekse spørsmål og utfører arbeid i flere trinn, fra dataanalyse til apputvikling. Den er optimalisert for best mulig ytelse ved krevende problemløsning og beslutninger med store konsekvenser.

I september lanserte vi innsatskontroller, som gir brukerne fire innstillinger for å velge hvor mye innsats Computer legger i arbeidet. På tvers av disse innstillingene planlegger én ledende AI-agent oppgaven og delegerer deler av den til støtteagenter.

I dag lanserer vi Multiagent, et nytt innsatsnivå over Ultra for det mest komplekse arbeidet i Computer. Hovedagenten leder et team av agenter på ulike frontiermodeller som jobber parallelt, deler funn direkte med hverandre og kontrollerer hverandres arbeid. Dermed kan Computer undersøke komplekse problemer fra flere vinkler og finne motstridende forutsetninger før funnene samles i én anbefaling eller ett resultat.

Claude Fable 5.2 planlegger oppgaven og fordeler den mellom agenter som kjører Claude Opus 5.5, GPT 6.1 Sol og Gemini 4 Carbon. Agentene deler funn underveis i arbeidet. Én agent kan bruke bevis som en annen har funnet, stille spørsmål ved en antakelse eller flagge et avvik for nærmere undersøkelse. Hovedagenten samler bidragene deres i ett enkelt svar med de etterspurte leveransene.

Komplekst arbeid på tvers av flere modeller

Multiagent er laget for arbeid med atskilte deler som drar nytte av parallell analyse og kryssjekking. Eksempler:

  • Prognoser og finans: Agenter kan bygge ulike økonomiske scenarier parallelt, sammenligne antakelsene bak dem og sjekke hvordan endringer i inntekter, kostnader eller markedsforhold påvirker prognosen.
  • Gjennomgang av årsrapport: Agenter kan granske regnskap, noter og ledelsens kommentarer hver for seg, og deretter sammenligne funnene for å flagge inkonsekvente tall eller opplysninger som en revisor bør se nærmere på.
  • Dybdeanalyse: Agenter kan undersøke konkurrerende forklaringer på et forretnings- eller forskningsspørsmål, utveksle bevis og teste hvilke konklusjoner som holder på tvers av kilder.
  • Due diligence i transaksjonsdatarom: Agentene kan gjennomgå regnskapsdata, kontrakter og driftsdokumenter parallelt, og deretter koble sammen funn, for eksempel en kundekontrakt som endrer inntektsutsiktene.
  • Komplekse skattemeldinger og planlegging ved årsslutt: Agenter kan organisere dokumentasjon av inntekter og fradrag, undersøke relevante skatteregler og sammenligne scenarier ved årsslutt for å forberede spørsmål og underlagsanalyse til en skatterådgiver.

Koordinerer arbeidet for brukerne

Når Multiagent er valgt i innsatsglidebryteren i Computer, kan hovedagenten sette inn opptil 16 agenter og samtidig ta på seg en del av arbeidet selv. Standardteamet kombinerer Opus 5.5, GPT 6.1 Sol og Gemini 4 Carbon og bringer ulike modeller inn i analysen og gjennomgangen.

Brukerne kan angi hvilke modeller de vil bruke i spørringen. Fable 5.2 og GPT 6 Astra blir med som støtteagenter bare når en bruker ber om dem, eller når en bestemt del av oppgaven krever det.

Agentene kommuniserer underveis i oppgaven og koordinerer endringer i delte filer. En agent kan for eksempel oppdatere inntektsforutsetningene i en finansiell modell og deretter varsle en annen agent om å bruke disse tallene i verdsettelsesanalysen sin.

Hovedagenten er fortsatt kontaktpunktet i samtalen, samler teamets funn og leverer det endelige svaret. Brukerne kan styre arbeidet gjennom samtalen uten å måtte sende meldinger til hver agent separat.

Ved en oppfølgingsoppgave forteller hovedagenten de berørte agentene hva som er endret, og teamet fortsetter det pågående arbeidet. Brukerne kan se agentene og modellene de kjører mens oppgaven pågår. Hvis du stopper tråden, stopper hele teamet.

Hvilket alternativ du bør velge

Ultra, Multiagent og Model Council organiserer arbeidet på ulike måter. Valget avhenger av om en oppgave krever delegert analyse, samarbeid på tvers av separate deler eller uavhengige perspektiver på det samme spørsmålet.

Alternativ

Slik organiseres arbeidet

Brukes til

Ultra

Én hovedagent delegerer deler av en oppgave til støtteagenter, som bare rapporterer tilbake til hovedagenten.

Åpne problemstillinger der flere tilnærminger må testes, for eksempel vurdering av et nytt marked under ulike vekstantakelser.

Multiagent

Den samme hovedmodellen som i Ultra koordinerer agenter som deler funn direkte, kontrollerer hverandres arbeid og bidrar til felles leveranser.

Store oppdrag med sammenkoblede deler som kan jobbes med parallelt, for eksempel due diligence i et datarom eller en økonomisk prognose med flere scenarier

Model Council

Flere modeller undersøker det samme spørsmålet uavhengig av hverandre, og deretter kombinerer Computer funnene og viser hvor de er enige og uenige.

Skjønnsvurderinger der uavhengige perspektiver på det samme spørsmålet er nyttige.

Innsatsnivået Multiagent er tilgjengelig for alle Perplexity Max-abonnenter på nettet.

Velg Multiagent i glidebryteren for innsatsnivå i Computer for å bruke det til en ny oppgave.