Perplexity, AI 에이전트가 검색 파이프라인을 자율적으로 구축할 수 있게 해주는 ‘Search-as-Code’를 공개
사람이 탐색하기에 최적화된 기존의 파란색 링크 목록은 효율성을 추구하는 AI 에이전트에게 병목 현상이 되고 있습니다. 복잡한 연구 과제를 처리할 때, AI 시스템은 경직된 검색어 조정을 동반한 수동적이고 여러 단계에 걸친 API 호출을 수행해야만 하며, 이로 인해 아키텍처의 유연성 부족과 관련 없는 정보로 가득 찬 컨텍스트 창이라는 문제를 겪고 있습니다.
이를 극복하기 위해 Perplexity는 ‘Search as Code(SaC)’라는 새로운 아키텍처를 도입했습니다. 이 접근 방식은 미리 구축된 모놀리식 검색 API에 의존하는 대신, AI 모델이 Python 코드를 사용하여 맞춤형 검색 워크플로를 동적으로 구성하고 실행할 수 있도록 합니다.

세 가지 핵심 아키텍처 계층
Perplexity의 SaC 아키텍처는 수직적으로 세 가지 계층으로 구성됩니다.
모델 계층(상위 계층): 복잡한 작업 이해를 처리하고 고수준 검색 전략을 수립합니다.
안전 샌드박스(중간 계층): 중간 상태 저장을 위한 파일 시스템을 갖춘, 코드 실행을 위한 안전한 런타임을 제공합니다.
지능형 검색 SDK(하위 계층): 검색, 확장, 필터링, 중복 제거, 재순위 지정, 필드 파싱과 같은 원자적 연산을 기본 함수로 캡슐화하여, 생성된 코드가 검색 인프라에 구성 요소 수준에서 접근할 수 있도록 합니다.
이러한 설계를 통해 AI 에이전트는 쿼리를 병렬로 실행하고, 관련 없는 데이터를 프로그래밍 방식으로 제거하며, 관련성이 높고 정제된 결과만 컨텍스트 윈도우에 입력함으로써 장문 연구 작업에서 사고의 연속성을 유지할 수 있습니다.
실제 CVE 취약점 연구: 성능 향상 및 토큰 수 감소
실제 환경에서 아키텍처의 유효성을 검증하기 위해 Perplexity는 까다로운 사이버 보안 과제, 즉 2023년부터 2025년까지 공개된 200개의 중대한 CVE를 추적하고 공식 권고 사항, 영향을 받는 소프트웨어 및 패치된 버전을 정확하게 추출하는 작업을 통해 아키텍처를 테스트했습니다.

SaC를 통해 AI 모델은 3단계 스크립트를 자율적으로 생성했습니다. 첫째, 각 벤더(예: Mozilla, Google)의 공지 형식에 따라 맞춤형 병렬 검색을 실행했습니다. 둘째, 결과를 자동으로 스캔하여 누락된 데이터를 식별하고, 표적화된 후속 쿼리를 수행했습니다. 마지막으로 스키마 유효성 검사를 통해 취약점 기록의 완벽한 정합성을 보장했습니다.
결과에 따르면 이 시스템은 표준 파이프라인에 비해 85% 적은 토큰을 사용하여 작업을 완료했습니다. Perplexity의 내부 벤치마크(DSQA, BrowseComp, HLE, WideSearch 및 새로운 폭(breadth) 연구 벤치마크인 WANDR) 전반에 걸쳐 SaC는 5개 중 4개에서 1위를 차지하며 기존 아키텍처를 크게 능가했습니다. 특히 WANDR에서는 상대적 개선률이 45%에 달했습니다.
AI를 위한 새로운 운영 계층으로서의 코드
업계 보고서에 따르면, 코드 작성이 AI 에이전트가 물리적 세계와 상호작용하는 데 있어 점점 더 기본적인 방법이 되고 있습니다. 전통적인 소프트웨어는 결정론적 명령을 따르는 반면, 첨단 대규모 모델은 토큰 공간에서 추론을 수행합니다. 가장 강력한 시스템은 이 두 가지를 결합합니다. 즉, 전략 수립에는 대규모 모델을 사용하고, 일괄 처리 및 필터링에는 결정론적 환경을 활용하며, 검색 인프라를 I/O 계층으로 취급합니다.
현재 Perplexity Computer 에서는 “Search as Code” 기능이 출시되고 있습니다.
관련 기사
딥마인드 CEO 하사비스: 하루 6시간 수면, 보통 오후 1시경에 활력을 느낍니다
Fortune는 최근 Google DeepMind의 CEO인 데미스 하사비스와의 인터뷰를 소개하며, 그의 비전통적인 휴식 및 생산성 접근 방식을 공개했다. 하사비스는 자신이 매우 적게 잠을 자며, 깨어 있는 시간을 두 개의 명확한 업무 블록으로 구조화한다고 밝혔다.그의 수면 습관에 대해 하사비스는 "6시간을 목표로 하지만, 제 습관은 비정형적입니다. 하루 종일 효과적으로 기능할 수 있습니다."라고 언급했다. 그는 6시간 미만의 수면이 뇌 건강
OpenAI와 Anthropic, 매출 부진 속에서도 시장 점유율 확보 경쟁
최근 OpenAI가 매출 목표를 달성하지 못했다는 보도가 나오면서 이번 주 화요일 기술주에 압박이 가해졌음에도 불구하고, 민간 AI 연구소 투자자들은 여전히 탄탄한 모습을 보이고 있다. 노련한 투자자들은 부정적인 언론 보도에도 불구하고 투자 규모를 줄이지 않을 것이라고 밝혔다.분석가들은 현재의 AI 경쟁이 초기 단계에 불과하다고 보고, “승자 독식” 식의
캘리포니아 자율주행차 규정 준수: 과태료, 지오펜스, 100만 마일의 새로운 시대
Guident는 남부 플로리다에서 AuveTech 셔틀을 운영하며, 자사의 원격 모니터링 기술을 활용해 웨스트 팜비치에서 4마일 구간과 보카 라톤에서 1마일 구간의 노선을 관리하고 있다. | 출처: Guident캘리포니아주는 자율주행차에 대한 규제 환경을 재정의하며, 기술 업계의 “빠르게 움직이고 실패를 감수하라(move fast and break thin
관련 특별 주제 추천
의견 (0)
0/500
사람이 탐색하기에 최적화된 기존의 파란색 링크 목록은 효율성을 추구하는 AI 에이전트에게 병목 현상이 되고 있습니다. 복잡한 연구 과제를 처리할 때, AI 시스템은 경직된 검색어 조정을 동반한 수동적이고 여러 단계에 걸친 API 호출을 수행해야만 하며, 이로 인해 아키텍처의 유연성 부족과 관련 없는 정보로 가득 찬 컨텍스트 창이라는 문제를 겪고 있습니다.
이를 극복하기 위해 Perplexity는 ‘Search as Code(SaC)’라는 새로운 아키텍처를 도입했습니다. 이 접근 방식은 미리 구축된 모놀리식 검색 API에 의존하는 대신, AI 모델이 Python 코드를 사용하여 맞춤형 검색 워크플로를 동적으로 구성하고 실행할 수 있도록 합니다.

세 가지 핵심 아키텍처 계층
Perplexity의 SaC 아키텍처는 수직적으로 세 가지 계층으로 구성됩니다.
모델 계층(상위 계층): 복잡한 작업 이해를 처리하고 고수준 검색 전략을 수립합니다.
안전 샌드박스(중간 계층): 중간 상태 저장을 위한 파일 시스템을 갖춘, 코드 실행을 위한 안전한 런타임을 제공합니다.
지능형 검색 SDK(하위 계층): 검색, 확장, 필터링, 중복 제거, 재순위 지정, 필드 파싱과 같은 원자적 연산을 기본 함수로 캡슐화하여, 생성된 코드가 검색 인프라에 구성 요소 수준에서 접근할 수 있도록 합니다.
이러한 설계를 통해 AI 에이전트는 쿼리를 병렬로 실행하고, 관련 없는 데이터를 프로그래밍 방식으로 제거하며, 관련성이 높고 정제된 결과만 컨텍스트 윈도우에 입력함으로써 장문 연구 작업에서 사고의 연속성을 유지할 수 있습니다.
실제 CVE 취약점 연구: 성능 향상 및 토큰 수 감소
실제 환경에서 아키텍처의 유효성을 검증하기 위해 Perplexity는 까다로운 사이버 보안 과제, 즉 2023년부터 2025년까지 공개된 200개의 중대한 CVE를 추적하고 공식 권고 사항, 영향을 받는 소프트웨어 및 패치된 버전을 정확하게 추출하는 작업을 통해 아키텍처를 테스트했습니다.

SaC를 통해 AI 모델은 3단계 스크립트를 자율적으로 생성했습니다. 첫째, 각 벤더(예: Mozilla, Google)의 공지 형식에 따라 맞춤형 병렬 검색을 실행했습니다. 둘째, 결과를 자동으로 스캔하여 누락된 데이터를 식별하고, 표적화된 후속 쿼리를 수행했습니다. 마지막으로 스키마 유효성 검사를 통해 취약점 기록의 완벽한 정합성을 보장했습니다.
결과에 따르면 이 시스템은 표준 파이프라인에 비해 85% 적은 토큰을 사용하여 작업을 완료했습니다. Perplexity의 내부 벤치마크(DSQA, BrowseComp, HLE, WideSearch 및 새로운 폭(breadth) 연구 벤치마크인 WANDR) 전반에 걸쳐 SaC는 5개 중 4개에서 1위를 차지하며 기존 아키텍처를 크게 능가했습니다. 특히 WANDR에서는 상대적 개선률이 45%에 달했습니다.
AI를 위한 새로운 운영 계층으로서의 코드
업계 보고서에 따르면, 코드 작성이 AI 에이전트가 물리적 세계와 상호작용하는 데 있어 점점 더 기본적인 방법이 되고 있습니다. 전통적인 소프트웨어는 결정론적 명령을 따르는 반면, 첨단 대규모 모델은 토큰 공간에서 추론을 수행합니다. 가장 강력한 시스템은 이 두 가지를 결합합니다. 즉, 전략 수립에는 대규모 모델을 사용하고, 일괄 처리 및 필터링에는 결정론적 환경을 활용하며, 검색 인프라를 I/O 계층으로 취급합니다.
현재
딥마인드 CEO 하사비스: 하루 6시간 수면, 보통 오후 1시경에 활력을 느낍니다
Fortune는 최근 Google DeepMind의 CEO인 데미스 하사비스와의 인터뷰를 소개하며, 그의 비전통적인 휴식 및 생산성 접근 방식을 공개했다. 하사비스는 자신이 매우 적게 잠을 자며, 깨어 있는 시간을 두 개의 명확한 업무 블록으로 구조화한다고 밝혔다.그의 수면 습관에 대해 하사비스는 "6시간을 목표로 하지만, 제 습관은 비정형적입니다. 하루 종일 효과적으로 기능할 수 있습니다."라고 언급했다. 그는 6시간 미만의 수면이 뇌 건강
OpenAI와 Anthropic, 매출 부진 속에서도 시장 점유율 확보 경쟁
최근 OpenAI가 매출 목표를 달성하지 못했다는 보도가 나오면서 이번 주 화요일 기술주에 압박이 가해졌음에도 불구하고, 민간 AI 연구소 투자자들은 여전히 탄탄한 모습을 보이고 있다. 노련한 투자자들은 부정적인 언론 보도에도 불구하고 투자 규모를 줄이지 않을 것이라고 밝혔다.분석가들은 현재의 AI 경쟁이 초기 단계에 불과하다고 보고, “승자 독식” 식의





집






