Perplexity udvider sit produkt “Computer” med Deep Research, et nyt research-setup der skal kunne svare på “de sværeste spørgsmål” ved at bryde dem ned i delopgaver, sende dem gennem mere end 20 såkaldte frontier-modeller og levere resultater som rapporter, dashboards og præsentationsdecks.
Kernen er, at systemet først laver en researchplan, derefter henter primære kilder på tværs af hundredvis af websites og citerer hver påstand. Ifølge Perplexity er Deep Research bygget på virksomhedens Agent Search SDK og en “Search as Code”-arkitektur, hvor modellen selv skriver kode, der samler søgningen og kan køre tusindvis af parallelle retrieval-skridt, tilpasset det konkrete spørgsmål.
Deep Research kan også trække interne filer og apps ind som kontekst og krydstjekke med live web-data, så svarene afspejler både organisationens egne oplysninger og realtidsdata. Samtidig fremhæver Perplexity, at systemet automatisk kan inddrage premiumkilder som Statista, PitchBook og CB Insights for at underbygge konklusioner med autoritative datasæt.
Et eksempel i materialet handler om at finde den bedste by til en ny kaffebar, hvor systemet sammenligner daglige besøgende, husleje og konkurrenter og ender med en anbefaling. I det konkrete scenarie peges der på Austin som “det tydeligste” valg blandt tre byer, fordi hverdagsbesøg er steget, mens huslejen beskrives som flad, mens Denver har højere weekendtrafik men stigende husleje, og Nashville ligger midt imellem.
Nyheden betyder noget, fordi den viser en tydelig bevægelse fra AI som chat til AI som produktionsværktøj, hvor output skal kunne bruges direkte i beslutninger. Når en model både henter data, skriver kode og sammensætter konklusioner, bliver kravene til kildeangivelser og sporbarhed tilsvarende skærpet. Perplexity lover citationer på alle påstande — et punkt der kan blive afgørende i arbejdssammenhænge, hvor dokumentation er lige så vigtig som hastighed.
Kilde: Perplexity Hub.
Aktører i artiklen
