Дом
Perplexity представляет Search-as-Code — технологию, позволяющую ИИ-агентам самостоятельно создавать поисковые конвейеры
Традиционный список синих ссылок, оптимизированный для просмотра людьми, стал «узким местом» для ИИ-агентов, стремящихся к эффективности. При решении сложных исследовательских задач системы ИИ вынуждены выполнять ручные многоэтапные вызовы API с жесткой настройкой терминов, страдая от архитектурной негибкости и контекстных окон, перегруженных нерелевантной информацией.
Чтобы преодолеть эту проблему, компания Perplexity представила новую архитектуру: Search as Code (SaC). Вместо использования готовых монолитных поисковых API этот подход позволяет моделям ИИ динамически создавать и выполнять настраиваемые рабочие процессы поиска с помощью кода на языке Python.

Три основных уровня архитектуры
Архитектура SaC от Perplexity организована по вертикали и состоит из трёх уровней:
Уровень модели (верхний уровень): обрабатывает понимание сложных задач и разрабатывает высокоуровневые стратегии поиска.
«Песочница безопасности» (средний уровень): обеспечивает безопасную среду выполнения кода, включая файловую систему для хранения промежуточных состояний.
SDK интеллектуального поиска (нижний уровень): инкапсулирует атомарные операции — извлечение, расширение, фильтрацию, дедупликацию, переранжирование и разбор полей — в примитивные функции, предоставляя сгенерированному коду доступ к инфраструктуре поиска на уровне компонентов.
Такая архитектура позволяет ИИ-агентам выполнять параллельные запросы, программно отбрасывать нерелевантные данные и передавать в контекстное окно только высокорелевантные, отфильтрованные результаты, сохраняя при этом непрерывность мыслительного процесса при выполнении длительных исследовательских задач.
Исследование уязвимостей CVE в реальных условиях: повышение производительности и сокращение количества токенов
Чтобы проверить архитектуру на практике, компания Perplexity протестировала её на сложной задаче в области кибербезопасности: отслеживании 200 критических уязвимостей CVE, опубликованных в период с 2023 по 2025 год, и точном извлечении официальных рекомендаций, затронутого программного обеспечения и исправленных версий.

С помощью SaC модель ИИ автономно создала трехэтапный скрипт: сначала она запустила параллельные, настроенные поиски по разным поставщикам (например, Mozilla, Google) на основе форматов их объявлений; затем она автоматически просканировала результаты, выявила недостающие данные и выполнила целевые дополнительные запросы; наконец, она использовала валидацию схемы для обеспечения полного согласования записей об уязвимостях.
Результаты показали, что система выполнила задачу, использовав на 85 % меньше токенов, чем стандартные конвейеры. По результатам внутренних тестов Perplexity (DSQA, BrowseComp, HLE, WideSearch и нового теста на широту поиска WANDR) система SaC заняла первое место в четырёх из пяти тестов, значительно превзойдя старую архитектуру. В частности, в тесте WANDR относительное улучшение составило 45 %.
Код как новый операционный уровень для ИИ
Отраслевые отчеты свидетельствуют о том, что написание кода все чаще становится стандартным методом взаимодействия ИИ-агентов с физическим миром. Традиционное программное обеспечение следует детерминированным инструкциям, в то время как передовые крупные модели рассуждают в пространстве токенов. Наиболее мощные системы сочетают в себе оба подхода: они используют крупные модели для выработки стратегии, задействуют детерминированные среды для пакетной обработки и фильтрации, а инфраструктуру поиска рассматривают как уровень ввода-вывода.
В настоящее время в Perplexity Computer внедряется функция «Поиск как код»
Связанная статья
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства
Соблюдение требований к автономным транспортным средствам в Калифорнии: новая эра штрафов, геозоны и 1 млн миль
Компания Guident эксплуатирует шаттл AuveTech в Южной Флориде, обслуживая маршрут протяженностью четыре мили в Вест-Палм-Бич и маршрут протяженностью одну милю в Бока-Ратоне с использованием своей тех
Рекомендации по связанным специальным темам
Комментарии (0)
Традиционный список синих ссылок, оптимизированный для просмотра людьми, стал «узким местом» для ИИ-агентов, стремящихся к эффективности. При решении сложных исследовательских задач системы ИИ вынуждены выполнять ручные многоэтапные вызовы API с жесткой настройкой терминов, страдая от архитектурной негибкости и контекстных окон, перегруженных нерелевантной информацией.
Чтобы преодолеть эту проблему, компания Perplexity представила новую архитектуру: Search as Code (SaC). Вместо использования готовых монолитных поисковых API этот подход позволяет моделям ИИ динамически создавать и выполнять настраиваемые рабочие процессы поиска с помощью кода на языке Python.

Три основных уровня архитектуры
Архитектура SaC от Perplexity организована по вертикали и состоит из трёх уровней:
Уровень модели (верхний уровень): обрабатывает понимание сложных задач и разрабатывает высокоуровневые стратегии поиска.
«Песочница безопасности» (средний уровень): обеспечивает безопасную среду выполнения кода, включая файловую систему для хранения промежуточных состояний.
SDK интеллектуального поиска (нижний уровень): инкапсулирует атомарные операции — извлечение, расширение, фильтрацию, дедупликацию, переранжирование и разбор полей — в примитивные функции, предоставляя сгенерированному коду доступ к инфраструктуре поиска на уровне компонентов.
Такая архитектура позволяет ИИ-агентам выполнять параллельные запросы, программно отбрасывать нерелевантные данные и передавать в контекстное окно только высокорелевантные, отфильтрованные результаты, сохраняя при этом непрерывность мыслительного процесса при выполнении длительных исследовательских задач.
Исследование уязвимостей CVE в реальных условиях: повышение производительности и сокращение количества токенов
Чтобы проверить архитектуру на практике, компания Perplexity протестировала её на сложной задаче в области кибербезопасности: отслеживании 200 критических уязвимостей CVE, опубликованных в период с 2023 по 2025 год, и точном извлечении официальных рекомендаций, затронутого программного обеспечения и исправленных версий.

С помощью SaC модель ИИ автономно создала трехэтапный скрипт: сначала она запустила параллельные, настроенные поиски по разным поставщикам (например, Mozilla, Google) на основе форматов их объявлений; затем она автоматически просканировала результаты, выявила недостающие данные и выполнила целевые дополнительные запросы; наконец, она использовала валидацию схемы для обеспечения полного согласования записей об уязвимостях.
Результаты показали, что система выполнила задачу, использовав на 85 % меньше токенов, чем стандартные конвейеры. По результатам внутренних тестов Perplexity (DSQA, BrowseComp, HLE, WideSearch и нового теста на широту поиска WANDR) система SaC заняла первое место в четырёх из пяти тестов, значительно превзойдя старую архитектуру. В частности, в тесте WANDR относительное улучшение составило 45 %.
Код как новый операционный уровень для ИИ
Отраслевые отчеты свидетельствуют о том, что написание кода все чаще становится стандартным методом взаимодействия ИИ-агентов с физическим миром. Традиционное программное обеспечение следует детерминированным инструкциям, в то время как передовые крупные модели рассуждают в пространстве токенов. Наиболее мощные системы сочетают в себе оба подхода: они используют крупные модели для выработки стратегии, задействуют детерминированные среды для пакетной обработки и фильтрации, а инфраструктуру поиска рассматривают как уровень ввода-вывода.
В настоящее время в
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства











