Tüm Agent API çaba düzeylerinde iyileştirmeler

Perplexity Agent API'deki çaba düzeyleri, geliştiricilerin her görev için maliyet, hız ve araştırma derinliği arasındaki dengeyi seçmesini sağlar. Bugünden itibaren her çaba düzeyinin sorgu başına maliyeti daha düşük; araştırma kalitesi ise daha yüksek veya aynı. En kapsamlı ve geniş çaplı araştırmalar için yeni bir ultra düzeyi kullanıma sunuldu. Düzeyi adıyla seçen her istek, örneğin effort="fast", güncellenmiş yapılandırmayı otomatik olarak alır.

Bir araştırma ajanı oluşturmak, her görev için maliyet, hız ve derinlik arasında doğru dengeyi seçmek anlamına gelir. Agent API'deki çaba düzeyleri bu kararı kullanıcı adına verir. Her düzey; belirli bir görev türü için modeli, adım bütçesini, arama ayarlarını ve araçları tanımlayan paket bir yapılandırmadır. Perplexity, mevcut maliyetinde veya daha düşük bir maliyetle en iyi araştırmayı sunmak için her düzeyi zaman içinde değerlendirir ve günceller.

Bu kazanımlar iki tür değişiklikten geldi. Bütçeler, bağlam yönetimi ve çıkarma her çalıştırmanın maliyetini düşürürken Skill'ler, model seçimi ve paralel ajanlar yanıtın kalitesini artırdı veya korudu.

medium düzeyinin performansı BrowseComp ve DSQA'da %55'ten %77'ye yükselirken maliyetler neredeyse %90 azaldı. BrowseComp ve DSQA herkese açık araştırma kıyaslamalarıdır; WANDR ise Perplexity'nin uzun ve birden çok varlık içeren araştırma görevlerinden oluşan kıyaslamasıdır. xhigh, korumalı alanda kod çalıştırma, uzun araç kullanım döngülerini sürdürme ve aynı anda birçok kaynak üzerinde çalışma gibi ajan tabanlı işler yapar. xhigh, Ağustos 2026 yapılandırmasının maliyetinin yaklaşık %25'iyle çalışırken WANDR puanını %76,5'te korudu.

Bir Derin araştırma isteği, yanıt vermeden önce onlarca arama yapabilir, yüzlerce sayfa okuyabilir ve kanıtları kontrol edebilir. Bu eylemlerin her biri bağlama token, faturaya da maliyet ekler. Sınırlar olmadan ajan, yanıtı iyileştirmeden maliyeti artıran ve bağlamı dolduran eylemler gerçekleştirmeye devam eder. Bu maliyetin büyük kısmını beş faktör belirler:

Bütçe tahsisi. Belirli bir bütçeye sahip ajanların adımları tükenebilir ve görevlerini tamamlamadan çalıştırmaları erken sona erebilir. Buna karşılık sabit bir bütçesi olmayan ajanlar, nihai yanıtı iyileştirmeden maliyet oluşturarak çalışmaya devam edebilir.
Bağlam yükü. Arama sonuçları ve getirilen sayfalar kanıtı taşır; ancak kontrol edilmezse bağlam penceresi hızla alakasız bilgilerle dolabilir. Bağlam pencereleri maliyetleri adımdan adıma taşır ve aşırı yüklenmiş pencereler ajan performansını düşürebilir.
İş akışı seçimi. Farklı görevler farklı yaklaşımlar gerektirir. Tek bir bilgiye yönelik sorgu, çok adımlı bir soru ve geniş bir kaynak taraması her biri farklı bir iş akışı gerektirir. Seçim kendisine bırakıldığında model çoğu zaman verimsiz bir iş akışı seçer. Mevcut her stratejiyi ajanın isteminde ayrıntılı olarak açıklamak bu sorunu çözmez. Ek talimatlar her adımda token olarak taşınır ve model zamanla her birine daha az güvenilir şekilde uyar.
Model seçimi. Daha büyük bir modele geçmek, ek maliyetle orantılı bir performans artışı sağlamayabilir. Yeni modeller manşetler ve yayımlanmış kıyaslama puanlarıyla gelir. Ancak kıyaslama kazanımları veri kirliliğinden etkilenmiş olabilir veya modelin aşırı öğrenmesini yansıtabilir. Gerçek görevler üzerinde değerlendirme yapılmadan model değişikliği, kaliteyi artırmadan maliyetleri artırabilir.
Çoklu ajan ölçeklendirme. Tek bir ajan, çalıştırma başına sınırlı sayıda kaynakta arama yapabilir, bunları okuyabilir ve bunlar üzerinde akıl yürütebilir. Birden fazla ajanı paralel çalıştırmak en zorlu görevlerde kaliteyi artırır ancak maliyetleri de artırır ve doğru yönetilmezse karmaşıklık yaratır.

Bu zorlukların her birini çözmek, performanstan ödün vermeden her çaba düzeyinin maliyetlerini düşürdü.

Her çaba düzeyinin üç bileşenden oluşan sabit bir araştırma bütçesi vardır:

Adım sınırları: ajanın atabileceği tur sayısı
Araç çağrıları: bir istekteki toplam araç çağrısı sayısına getirilen üst sınır. Tek bir adım aynı anda birden fazla araçta birden fazla çağrı yapabilir; bu nedenle yalnızca adım sınırı, bir adım içinde kaç eylem gerçekleştiğini kontrol etmez.
Bütçe hatırlatıcıları: kaç adım kaldığına dair düzenli bildirimler; böylece ajan öncelik belirleyebilir ve görevin ortasında bütçesi tükenmek yerine yanıtı yazmak için yer bırakabilir.

Bütçe temel ödünleşimdir: Daha fazla adım daha iyi yanıtlar anlamına gelir ve her adımın bir maliyeti vardır. openai/gpt-6-luna ile adım sınırını 1'den 15'e çıkarmak BrowseComp + DSQA doğruluğunu %41'den %80'e yükseltirken sorgu başına maliyet 0,0017 $'dan 0,0152 $'a çıkıyor; yani yaklaşık 2 kat puan için yaklaşık 9 kat maliyet.

Yalnızca adım sınırı araştırma maliyetini kontrol etmez. Aynı beş adımlık bütçede openai/gpt-6.1-terra, openai/gpt-6-luna modelinden daha fazla araç çağrısı yapar; çünkü daha yetenekli modeller tek bir adımda birkaç çağrı yapma eğilimindedir. Çaba düzeyleri hem araç çağrılarını hem de adımları sınırlar. Bu modeller için araç çağrısı sınırı, adım sınırı kadar önemlidir.

Her çaba düzeyi bu sınırları ayarlar, ancak ajanın isteği yerine getirmek için kaç adımı ve eylemi kaldığını da bilmesi gerekir. Bu bilgi olmadan adımları veya eylemleri tükenebilir ve araştırma tamamlanmadan yanıt vermek zorunda kalabilir. Bütçe çalıştırmanın başında belirtilir ve ajan sınırlarına yaklaştıkça hatırlatıcılar gelir; böylece sonuçları doğrulamak ve sunmak için yer kalır. high düzeyinde hatırlatıcılar hem adım bütçesini hem de araç çağrısı bütçesini kapsar.

Biri bütçe hatırlatıcısıyla, diğeri hatırlatıcı olmadan çalışan iki ajan, üç oyuncu biyografisi verildiğinde 1990'lardan bir TV dizisini belirlemeye yönelik bir BrowseComp görevinde test edildi. Hatırlatıcıya sahip ajan, bütçedeki 40 adımın 13'ünü kullanarak doğru yanıtı buldu. Bütçe hatırlatıcısı olmayan ajan 40 adımın tamamını kullandı ve doğru yanıtı bulamadı. Bu ajanın döngüsü beklenmedik şekilde sona erdi ve model kalan araştırma bütçesinin farkında değildi. Hatırlatıcılar ajanların odaklanmasını sağlar ve kalan kaynaklara etkili bir şekilde öncelik vermelerine yardımcı olur.

Uzun süren araştırma görevleri, modelin bağlam penceresini arama sonuçları, getirilen sayfalar ve ara notlarla doldurur. Pencere dolduğunda ajan çalışmayı durdurmak zorunda kalır.

Sıkıştırma, uzun çalıştırmaların bağlam penceresini doldurmadan devam etmesini sağlar. Bağlam bir eşiği aştığında ajan, o ana kadarki çalışmayı bulduklarının ve geriye kalanların daha kısa bir özetiyle değiştirir, ardından devam eder.

Sıkıştırma, bağlamda her zaman üç şeyi korur: sistem istemi, orijinal istek ve ajanın daha önce yüklediği tüm Skill'ler. Her sıkıştırmadan sonra ajan iki kısa talimat alır. İlk talimat şudur: “Görev tamamlanana kadar çalışmaya devam et.” Bu, ajanın özeti bir durma noktası olarak görmesini engeller. İkinci talimat ajana kaç sıkıştırma yapıldığını bildirir; böylece ajan kalan araştırma görevlerini planlayabilir. Uzun çalıştırmalar orijinal hedefi ve planı göz önünde tutar; uzun döngülerin maliyeti de kaliteden ödün vermeden düşer.

Ajanın okuduğu her sayfa bağlamına eklenir ve ajan bunu sonraki her adımda taşır. Bir web sayfası; gezinme öğeleri, standart metinler ve diğer içerikler gibi soruyla ilgisi olmayan bilgiler içerir.

fetch_url aracı, ajana sayfanın tamamını vermek yerine önce bir çıkarma geçişi çalıştırır. Sayfa metni, ajanın mevcut göreviyle birlikte daha küçük bir modele gönderilir. Model yalnızca ilgili pasajları, ajanın bunlara atıfta bulunabilmesi için birebir alıntılayarak döndürür. Bir değerlendirme sırasında 5.561 token'lık bir sayfa 293 token'a indirildi ve ek ilgili bağlam için yer açıldı.

fetch_url aracının çıkarma özelliğiyle high çaba düzeyinde kullanılması, sorgu başına girdi token'larını yaklaşık %50 azalttı. Çıkarma ayrıca kıyaslama performansını da iyileştirdi: Çıkarma olmadan sorgu başına 0,094 $ ile %83,5 elde edilirken çıkarmayla sorgu başına 0,073 $ ile %88,0 elde edildi.

Web'de arama yapmak, her ajan araştırma isteğinin merkezinde yer alır. Ajanların arama şeklinde üç değişiklik yapıldı:

Arama başına daha fazla bağlam: Her arama artık 2K yerine 4K token'a kadar sonuç döndürüyor. Ajan ihtiyaç duyduğunu daha erken buluyor; bu da daha az arama ve daha düşük maliyet sağlıyor.

Yeni bir snippet motoru: Arama sonuçları sorguyla daha iyi eşleşen snippet'ler alır; böylece ajan alakasız metinlerle aşırı yüklenmez.
Hızlı arama: 1.000 istek başına 1,00 $ fiyatıyla Fast Search, her arama çağrısı için hem maliyeti hem de gecikmeyi azaltır.

Perplexity Search ekibi, çok çeşitli görevlerde erişim kalitesini sürekli olarak iyileştiriyor. Son güncellemeler kod, geliştirici belgeleri, başvuru sayfaları, hukuki ve mevzuatla ilgili içeriklerde kazanımlar sağladı.

Bazı görevler çok sayıda aramanın paralel çalışmasını gerektirir; bazıları ise birkaç uzun belgenin dikkatle okunmasını.

Ancak her iş akışını ajanın sistem istemine yüklemek bağlam yükü ekler ve modelin basit görevlerde düşük performans göstermesine yol açabilir. Bunun yerine Skill'ler, aşamalı açığa çıkarma ilkesiyle bir ağaç yapısında düzenlenir. Model çalışırken ilgili Skill'leri ve talimatları yükler, ilgisiz bilgileri bağlamının dışında bırakır. Her Skill'in maliyeti, model göreve uygun olduğuna karar verip onu yükleyene kadar yalnızca adı ve açıklamasından ibarettir; bu noktada talimatların tamamı bağlama eklenir ve model belirlenen iş akışını izler.

Tek tek Skill'lerin katkısını ölçmek için, temel ajanın ilgili Skill'i yüklediği görevlerde kalite ve maliyeti karşılaştırmak amacıyla her Skill teker teker kaldırılır. Bu ablasyonlar, hangi iş akışlarının ajana yardımcı olduğunu ve bunların araştırma verimliliğini nasıl etkilediğini gösterir.

Aşağıdaki WANDR kıyaslama çalıştırmaları, ajanların belirli görevler için doğru iş akışlarını seçtiğini gösteriyor. Birden çok varlığı araştırma ihtiyacını yansıtacak şekilde, her görev için geniş arama ve fanout rehberliği yüklendi. People-search ise görevlerin yalnızca %6'sında ve yalnızca sorular kişilerle ilgili olduğunda yüklendi.

Başka bir WANDR görevi test edilirken ajan, Londra'daki çıkarım mühendislerini bulmak için people-search Skill'ini fanout kalıbıyla yükledi. 39 rol terimini 117 sorguya genişletti, ardından ilk geçiş sonuçlarını daha ayrıntılı tarama için 43 benzersiz profilde birleştirdi. people-search Skill'i, alakasız bağlam eklemeden bu genişletme sürecinde ajana rehberlik etti. Aşağıdaki alıntı ajanın betiğinden uyarlanmıştır; yardımcı işlev adları örnek amaçlıdır.

code1

text

Python

# roles contains the 39 role variants selected by the agent.
queries = []
for role in roles:
    queries.extend([
        {"query": f"Google DeepMind {role} London"},
        {"query": f"Google {role} London"},
        {"query": role, "company": "Google", "location": "London"},
    ])

results = pplx_sdk.search.people_many(
    queries, limit_per_query=50, concurrency=8
)

profiles = {}
for result in results:
    if not result.ok:
        continue
    for profile in result.result:
        if "linkedin.com/in/" not in profile.url:
            continue
        url = profile.url.split("?")[0].rstrip("/")
        previous = profiles.get(url, {})
        if url not in profiles or len(profile.summary or "") > len(
            previous.get("summary") or ""
        ):
            profiles[url] = {
                "url": url,
                "title": profile.title,
                "summary": profile.summary,
            }

Kontrol noktası oluşturma, uzun süren görevlerde ajanlara yardımcı olan bir başka iş akışıdır. Kontrol noktası kalıbı toplu programlamadan gelir. Bir betik uzun bir listeyi işlerken her şeyi sona kadar bellekte tutmak yerine her sonucu elde eder etmez diske yazar. Betik yarıda çöker veya hatalarla karşılaşırsa hiçbir şey kaybolmaz: Sonraki çalıştırma önceden kaydedilenleri okur ve kaldığı yerden devam ederek yalnızca başarısız olan öğeleri yeniden dener.

Başka bir WANDR görevinde ajanın 188 mühendisin profilini taraması gerekiyordu. Ajan, çalışırken her sonucu kaydetmek için kontrol noktası kalıbını yükledi. İlk geçişte 160 profil çıkarıldı ancak 28 profilde başarısız olundu. Ajan betiği yeniden çalıştırdığında önceden kaydedilmiş profilleri atladı ve yalnızca kalan 28 profili yeniden denedi. Kontrol noktası olmasaydı tek bir hatalı kayıt, 188 profilin tamamının yeniden getirilmesi anlamına gelirdi.Uyarlanmış Python alıntısı; girdi sayfaları, tarama talimatı, şema ve içe aktarmalar çıkarılmıştır; yardımcı adları açıklama amaçlıdır.

code 2

text

Python

checkpoint = Checkpoint("research/profile-screening")
config = instruction + json.dumps(schema)
config_id = hashlib.md5(config.encode()).hexdigest()[:6]

def checkpoint_key(page):
    url_id = hashlib.md5(page["url_in"].encode()).hexdigest()[:10]
    return config_id + url_id

pending = [
    page for page in pages if not checkpoint.has(checkpoint_key(page))
]
for offset in range(0, len(pending), 20):
    batch = pending[offset : offset + 20]
    inputs = [
        json.dumps({
            "url": page["url_in"], "content": page["content"][:30_000]
        })
        for page in batch
    ]
    results = pplx_sdk.llm.extract_many(
        inputs,
        instruction=instruction,
        output_schema=schema,
        chunk_size=5,
        concurrency=4,
    )
    for page, result in zip(batch, results):
        if not result.ok or result.result.error:
            continue
        checkpoint.record(
            checkpoint_key(page),
            [{"url": page["url_in"], **result.result.result}],
        )

Kontrol noktası başarılı sonuçları kaydeder; yeniden denemeleri başlatmaz. Talimatın ve şemanın anahtara dahil edilmesi, tarama kriterleri değiştiğinde yeniden işlemenin tetiklenmesini sağlar.

Her test kalite ve verimlilikte kazanımla sonuçlanmadı. Ajan görevine başlamadan önce tüm Skill'lerin önceden yüklenmesi değerlendirildi. BrowseComp ve DSQA'da önceden yükleme maliyeti %13 artırdı. Daha uzun araştırma süreçlerinin alınan içeriği girdi token'larının daha büyük bir payı hâline getirdiği WANDR'de önceden yükleme puanları da düşürüyor. Bu sonuçlar, aşamalı açığa çıkarmanın kullanılmaya devam edilmesini destekledi.

Model yetenekleri geliştikçe her çaba düzeyi için en iyi model de değişir. Perplexity, yeni model duyurularını ve kullanılabilirliğini izleyen otomatik bir araştırma döngüsü kullanır. Bir model erişilebilir hâle gelir gelmez değerlendirmeler tetiklenir.

Yeni bir model yayımlandığında otomatik bir ajan onu değerlendirme harness'ından geçirir. Akıl yürütme çabasını, adım ve araç çağrısı bütçelerini ve araç yapılandırmalarını tarar; her çalıştırmayı mevcut çaba düzeylerine karşı kalite ve maliyet açısından puanlar. Bir çalıştırmada gerileme olduğunda ajan nedenini araştırır, ayarları düzenler ve değerlendirmeyi yeniden çalıştırır. Bir aday, mevcut modelin yerini yalnızca aynı veya daha düşük maliyetle kalitede üstün geldiğinde alır.

Herkese açık kıyaslamalar faydalıdır ancak puanları her zaman gerçek dünyadaki görevlere yansımaz. Örneğin aşağıdaki grafik, BrowseComp'ta referans değerin 13,3 puan üzerinde skor elde eden ancak dahili kurumsal, hukuk ve finans araştırma görevlerinde ilgili referans değerlerin oldukça altında kalan bir aday modeli gösteriyor.

Tek bir ajan, tek bir döngüde ancak sınırlı sayıda kaynağı kapsayabilir. Karmaşık görevlerde birkaç ajan paralel çalışır ve her biri sorunun farklı bir bölümü üzerinde koordineli şekilde ilerler.

Birincil ajan orkestratördür. Alt ajanlar oluşturmak için spawn_agent çağrısını yapar ve her birine belirli, odaklı bir görev atar. Her alt ajan kendi modelini, araçlarını ve adım bütçesini kullanarak ayrı bir bağlamla kendi araştırma döngüsünü çalıştırır. Alt ajanlar sonuçlarını üst ajana bildirir; üst ajan da bir alt ajana takip görevi gönderebilir veya ilerlemesini kontrol edebilir. Orkestratör ve alt ajanları; kanıt paylaşmak, engelleri bildirmek ve sonraki adımları ayarlamak için mesajlaşır. Yeni bilgiler geldikçe orkestratör görevleri iyileştirir ve iş bittiğinde sonuçları tek bir yanıtta birleştirir.

Agent API önceden tanımlanmış ajan rollerini destekler ve orkestratör özel talimatlarla alt ajanlar oluşturabilir.

ultra çaba düzeyi, bir görevde üç ajanı paralel olarak çalıştırır. Her ajan görevin tamamını bağımsız olarak araştırır ve bu da farklı kanıtlar ortaya çıkarır. Dördüncü bir ajan bulguları birleştirir, tekrarları ayıklar ve nihai yanıtı yazar.

WANDR'de ultra, görev başına 21,71 $ maliyetle %85,9 puan alıyor. Test edilen yapılandırmalar arasında en yüksek puanı elde ediyor.

Çaba düzeyleri sürekli olarak değerlendirilir ve iyileştirilir. Kullanıcıların seçtiği düzey, bir görev için ne kadar araştırma yapılacağını ve bunun ne kadara mal olacağını belirler. Adım ve araç çağrısı bütçeleri, tükenmeye yaklaştıkça gelen hatırlatıcılarla birlikte istekleri bütçe dahilinde tutar. Sıkıştırma, çıkarma ve daha iyi snippet'ler bağlamın kanıta odaklanmasını sağlar. Skill'ler iş akışını göreve uydurur, paralel ajanlar ise tek bir döngünün kapsayabileceği alanı genişletir. Otomatik bir değerlendirme döngüsü, yeni bir modeli yalnızca aynı maliyetle araştırma kalitesini iyileştirdiğinde kabul eder.

Yeni modeller ve yapılandırmalar değerlendirmede kendini kanıtladıkça her çaba düzeyi gelişmeye devam edecek. Bir düzeyi adıyla çağırmak bu iyileştirmeleri otomatik olarak alır; bir sürümü sabitlemek ise yapılandırmayı sabit tutar.

Agent API'yi deneyin ve çaba düzeylerini kendi iş yüklerinizde karşılaştırın. Çaba düzeyi ayrıntılarını Agent API çaba belgelerimizde bulabilirsiniz.

Araştırmanın maliyeti

Araştırma bütçesini kontrol etme

Bağlamı yönetme

Sıkıştırma

Yalnızca önemli olanı getirmek

Odaklı web araması

Doğru iş akışını seçmek

Model seçimi

Çoklu ajan ölçeklendirme

Sırada ne var