Perplexity представила архитектуру Search as Code, в которой модель не вызывает готовый поисковый API, а сама пишет поисковый процесс на Python. В компании заявляют, что такой подход даёт более точные результаты и снижает расход токенов.
Обычно ИИ-агент работает по циклу: формирует запрос, получает список результатов через API, читает их и затем пишет следующий запрос. Perplexity называет эту схему узким местом. Поисковые системы создавались для людей, которым нужен список ссылок, но для агента, который выполняет сотни запросов за несколько минут, такой формат слишком жёсткий.
В Search as Code модель пишет собственный Python-скрипт, который запускается в защищённой песочнице и использует поисковую инфраструктуру Perplexity. Базовые действия, включая поиск, фильтрацию, удаление дублей и переранжирование, доступны как функции SDK.
Архитектура состоит из трёх слоёв. Верхний слой — модель, которая понимает задачу и выбирает стратегию поиска. Средний — песочница для запуска кода. Нижний — Agentic Search SDK, который разбивает поисковую систему Perplexity на отдельные функции, которые можно комбинировать.
Обычные поисковые API сохраняются для простых запросов. Но для более трудных исследовательских задач модель может работать глубже: запускать параллельные запросы, программно отсекать шум и передавать в контекстное окно только релевантные результаты.
По словам Perplexity, в этом и состоит ключевое преимущество. В стандартных поисковых конвейерах в контекст агента часто попадают лишние данные, потому что логика фильтрации жёстко задана. Если агент сам задаёт фильтры, контекст остаётся компактным, а модель лучше сохраняет ход рассуждений в длинных исследовательских сессиях.
Для демонстрации компания протестировала систему на задаче из кибербезопасности. Агенту нужно было найти 200 критических уязвимостей CVE, опубликованных с 2023 по 2025 год. Для каждой уязвимости требовалось определить официальное уведомление вендора, затронутое ПО и точную версию, в которой ошибка была исправлена. Новостные материалы и посты в блогах не засчитывались.
С SaC модель написала скрипт из трёх этапов. Сначала она запускала параллельные поисковые запросы с учётом того, как Mozilla, Google и другие компании оформляют бюллетени безопасности. Затем анализировала собственные результаты, находила пробелы и выполняла точечные дополнительные запросы. На последнем этапе схема проверки подтверждала, что CVE, продукт и версия исправления совпадают.
По данным Perplexity, агент справился с задачей, используя на 85% меньше токенов, чем стандартный конвейер компании. Конкурирующие системы, как утверждает Perplexity, корректно собрали меньше четверти данных.
Компания также заявила, что SaC превзошла решения OpenAI Responses API и Anthropic Managed Agents на четырёх из пяти тестов. Самый большой разрыв был на WANDR — собственном бенчмарке Perplexity для широких исследовательских задач, который компания собирается опубликовать позднее.
Perplexity связывает Search as Code с более широким сдвигом в разработке агентных систем. Традиционное ПО опирается на детерминированные инструкции, а передовые модели добавляют слой рассуждений на уровне токенов. По версии компании, наиболее сильные системы объединяют оба подхода: модель отвечает за стратегию, детерминированная среда — за пакетную обработку и фильтрацию, а поисковая инфраструктура работает как слой ввода-вывода.
Search as Code уже разворачивается в Perplexity Computer и Agent API.
В материале также отмечается, что обновление может частично решить заметную проблему нынешних поисковых ИИ-систем. Недавнее исследование показало, что популярные поисковые агенты часто фактически обходят бенчмарки вроде BrowseComp: вместо полноценного поиска в сети они берут ответы из обучающих данных и используют поиск лишь для подтверждения уже известных сведений. Когда такие системы проверили на новом наборе свежих фактов, результат каждого участника упал на 25–40 пунктов. При этом все эти системы использовали стандартные поисковые инструменты.
Отдельный обзорный материал указывает на другой сдвиг: написание кода становится стандартным способом взаимодействия агентов с внешней средой. Авторы описывают код как новый операционный слой для агентов и считают, что главным ограничением для автономных систем становится инфраструктура инструментов, песочниц и механизмов проверки.
Источник: The Decoder, технический отчёт Perplexity.
