تعمل الحيرة على نقل الأبحاث العميقة إلى الكمبيوتر، وتوجيه المهام الفرعية للبحث عبر أكثر من 20 نموذجًا رائدًا للتقارير والطوابق ولوحات المعلومات

لقد نقلت الحيرة البحث العميق إلى الكمبيوتر، ونظام التنسيق متعدد النماذج. تعمل الترقية على تحسين الدقة وعمق التحليل وجودة الاقتباس. يقوم Deep Research الآن بتقسيم الأسئلة الصعبة إلى مهام فرعية وتوجيهها عبر أكثر من 20 نموذجًا حدوديًا. يقوم بإرجاع تقارير ومجموعات ولوحات معلومات جاهزة للعمل، كل ذلك داخل الكمبيوتر.

البحث العميق في الكمبيوتر

البحث العميق هو وضع يقوم بإجراء العديد من عمليات البحث وقراءة المصادر وكتابة تقرير مقتبس. الإصدار الجديد موجود داخل Perplexity Computer، الذي تم إطلاقه في أواخر فبراير 2026. الكمبيوتر عبارة عن نظام سحابي ينسق ما يصل إلى 20 نموذجًا للذكاء الاصطناعي في سير عمل واحد. إنها لا تعتمد على النماذج، مع Opus 4.6 كمحركها المنطقي الأساسي. يتعامل الوكلاء الفرعيون مع الأعمال المتخصصة، مثل الجوزاء لمهام البحث العميق.

تم إنشاء Deep Research in Computer على جزأين: Agent Search SDK والبحث كرمز. مع سؤال واحد معقد، فإنه يبني خطة بحث تلقائيا. ثم يقوم بعد ذلك بالبحث عن المصادر الأولية عبر مئات المواقع ويستشهد بكل مطالبة.

البحث كرمز: كيف يعمل

يكتب النموذج التعليمات البرمجية التي تجمع البحث نفسه. يقوم هذا الكود بتشغيل آلاف خطوات الاسترجاع بالتوازي، ومصممة خصيصًا لكل سؤال. يتم تشغيل البرنامج النصي في وضع الحماية ويستدعي SDK للبحث الوكيل الخاص بـ Perplexity. يكشف SDK عن أساسيات البحث مثل التصفية وإلغاء البيانات المكررة وإعادة الترتيب. وهذا يختلف عن خط الأنابيب الثابت الذي يقوم بنفس الخطوات في كل مرة. يتيح البحث المعتمد على التعليمات البرمجية للنظام التفرع والمقارنة والتحسين أثناء تعلمه.

يتم طرح البحث كرمز من خلال كل من الكمبيوتر وواجهة برمجة تطبيقات الوكيل. لذلك يمكن للمطورين الوصول إلى نفس مكدس البحث الوكيل برمجيًا. يقرأ الكمبيوتر أيضًا ملفاتك إلى جانب الويب المباشر. يمكنك سحب ملف PDF أو جدول بيانات للسياق الداخلي. ثم يقوم بعد ذلك بإسناد مرجعي إلى بيانات التعداد السكاني وStatista والمصادر الأخرى.

مثال للمطور العامل

يعد البحث العميق في الكمبيوتر إحدى ميزات المستهلك لمستخدمي Perplexity Max. يصل المطورون إلى نفس المجموعة من خلال واجهة برمجة تطبيقات وكيل الدفع أولاً بأول. يشحن SDK الرسمي أ deep-research مسبقا، كما هو موضح أدناه.

# pip install perplexityai
# export PERPLEXITY_API_KEY="your_api_key_here"
from perplexity import Perplexity

client = Perplexity()  # reads PERPLEXITY_API_KEY from the environment

response = client.responses.create(
    preset="deep-research",  # pre-configured research setup; "pro-search" is another
    input="Compare the cash flow and profit margins of the largest AI chip makers.",
)

print(response.output_text)  # aggregated report text from the run

نقطة النهاية هي POST https://api.perplexity.ai/v1/agent. كما يقبل POST /v1/responses للتوافق مع OpenAI SDK.

المعيار

نشرت شركة Perplexity أرقامًا قبل وبعد تقارن الأبحاث العميقة القديمة بإصدار الكمبيوتر. تكون المكاسب أكبر في التصفح الوكيل، حيث يجب على النظام التنقل بين العديد من الصفحات.

يختبر BrowseComp قدرة الوكيل على العثور على المعلومات التي يصعب تحديد موقعها من خلال التصفح. القفزة من 40.7% إلى 83.8% هي أكبر مكاسب معروضة. يغطي الاختبار الأخير للإنسانية أسئلة الخبراء عبر العديد من المواضيع الأكاديمية. لقد وصل DeepSearchQA بالفعل إلى مستوى مرتفع، لذا فإن مكاسبه أصغر ولكنها إيجابية.

حالات الاستخدام، مع الأمثلة

تقوم شركة Perplexity بشحن المهام المبدئية التي تُظهر النطاق المقصود.

• تمويل: قارن التدفق النقدي وهوامش الربح لشركات شرائح الذكاء الاصطناعي الكبرى على مدى خمس سنوات.
• قانوني: قم بتوضيح كيفية اختلاف قوانين خصوصية البيانات الأمريكية والأوروبية في جدول مقارنة واحد.
• الرعاية الصحية: تجميع أدلة التجارب السريرية حول ما إذا كانت أدوية إنقاص الوزن تعمل على تحسين صحة القلب.
• تكنولوجيا: النماذج الرائدة المعيارية بشأن القدرة على التفكير والتكلفة وطول السياق.

تنتهي كل مهمة في التسليم. يمكنك تحويل التقرير إلى ملخص أو مجموعة أو جدول بيانات مباشر. يقرأ الكمبيوتر ويكتب داخل الملف، وليس بجانبه. يعرض معاينة قبل حدوث أي تغيير، والذي توافق عليه أو ترفضه.

كيف يختار النماذج

يقوم الكمبيوتر بتوجيه كل مهمة فرعية إلى النموذج المناسب لها. يتعامل نموذج الاستدلال القانوني مع مراجعة العقود. يعالج نموذج البيانات عمليات التحقق من تباين جدول البيانات. يتعامل نموذج الكتابة مع المسودة النهائية. تدعم مصادر البيانات المتميزة الإجابات، بما في ذلك PitchBook وCB Insights. البيانات القانونية قيد المعاينة حاليًا.

نقاط القوة والقيود

نقاط القوة:

• يقوم البحث المعتمد على التعليمات البرمجية بتشغيل آلاف خطوات الاسترجاع بالتوازي مع كل سؤال.
• مكاسب كبيرة تم قياسها على التصفح الوكيل، بقيادة نتيجة BrowseComp.
• يقرأ الملفات الداخلية والويب المباشر، مع الإشارة إلى كل مطالبة مضمنة.
• يُنتج مخرجات جاهزة: التقارير والملخصات والطوابق ولوحات المعلومات وجداول البيانات المباشرة.

القيود:

• الأرقام المرجعية هي أرقام الطرف الأول، لذلك لا يزال التحقق المستقل مهمًا.
• تركز الميزة الموجودة في الكمبيوتر على Perplexity Max، وليس على الطبقة المجانية.
• تختلف تغطية المصدر المميز، وتظل البيانات القانونية قيد المعاينة.
• لا تزال المخرجات بحاجة إلى مراجعة بشرية، حيث أن كلمة “مستشهد بها” لا تعني دائمًا أنها صحيحة.

الوجبات السريعة الرئيسية

• نقلت تقنية Perplexity البحث العميق إلى الكمبيوتر، حيث قامت بتوجيه المهام الفرعية للبحث عبر أكثر من 20 نموذجًا رائدًا.
• يتيح “البحث كرمز” للنموذج كتابة التعليمات البرمجية التي تقوم بتشغيل آلاف خطوات الاسترجاع بالتوازي.
• وقفزت دقة BrowseComp من 40.7% إلى 83.8%؛ ارتفع الاختبار الأخير للإنسانية بنسبة 36.4٪ إلى 50.5٪.
• فهو يقرأ ملفاتك والويب المباشر، مستشهدًا بكل مطالبة عبر التقارير والمجموعات ولوحات المعلومات.
• يمكن للمطورين الوصول إلى نفس حزمة البحث الوكيل من خلال واجهة برمجة تطبيقات وكيل الدفع أولاً بأول.

تحقق من التفاصيل الفنية. أيضا، لا تتردد في متابعتنا على تغريد ولا تنسى الانضمام إلينا 150 ألف+ مل من SubReddit والاشتراك في النشرة الإخبارية لدينا. انتظر! هل أنت على برقية؟ الآن يمكنك الانضمام إلينا على التليجرام أيضًا.

هل تحتاج إلى الشراكة معنا للترويج لصفحة GitHub Repo أو صفحة الوجه المعانقة أو إصدار المنتج أو الندوة عبر الويب وما إلى ذلك؟ تواصل معنا