Perplexity дала AI писать собственный код для поиска. Токенов уходит на 85% меньше

🔴 Perplexity дала AI писать собственный код для поиска. Токенов уходит на 85% меньше

Обычно AI-агент работает так: получает результаты от поискового API, читает их, формулирует следующий запрос — и так до бесконечности. Perplexity предложила другую схему и назвала её Search as Code. Модель сама пишет Python-скрипт, гоняет его в безопасной песочнице с готовыми функциями поиска, фильтрует результаты, пересортировывает выдачу — и собирает только то, что нужно.

Цифры с боевого теста удивляют. На задаче поиска критических уязвимостей в открытом коде агент отследил 200 CVE и потратил на это на 85% меньше токенов, чем стандартная схема. Конкурирующие системы при этом достали меньше четверти правильных данных. На общих бенчмарках прирост скромнее, но стабильный — от +7% на BrowseComp до +45% на WANDR. Доступ открывается через API Perplexity для агентов: любая компания может подключить такого «исследователя» к внутренним документам, к открытому вебу или к нишевым базам.

За этой штукой стоит простая мысль: цена AI-агента, которая раньше росла линейно с количеством запросов, начинает падать. Если ваша операция тратит часы аналитиков на сбор информации из десятка источников — анализ клиентов, мониторинг конкурентов, разбор тендеров, — за такую работу скоро будет браться один скрипт за условные центы вместо долларов. Технологически это означает, что архитектура «вызови API — получи список» уходит на второй план; экономически — что серьёзная AI-аналитика становится бюджетной для среднего бизнеса, а не только для больших корпораций.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.

#нейросети #LLM #модели #агентыИИ #productivitytools #будущеетруда #автоматизация #ИИ #технологии #AravanaAI