Perplexity Multiagent 開放:多模型分工適合哪些任務,為何更耗點數?

Perplexity Multiagent 開放:多模型分工適合哪些任務,為何更耗點數? 整理官方公告、適用條件與實務判斷,區分產品宣稱與已公開證據。

Share
Perplexity 官方 Terminal-Bench 4.1 圖表,比較單模型、多份相同模型與混合四人代理團隊
Perplexity 官方比較不同代理組合在 Terminal-Bench 4.1 的分數,圖表屬公司測試,並非作者重現。 圖片來源:官方原文。

Perplexity Multiagent 讓多位 AI 分工處理同一項任務。一份需要交叉比較的決策報告,常同時包含資料蒐集、假設檢查與最後整合。讓單一 AI 依序完成,前面的遺漏可能一路傳到結論。

Perplexity 在 2026 年 11 月 17 日推出 Multiagent,讓 Computer 與 teammates 多一種工作強度,由領隊代理拆分任務,再交給不同模型的代理合作。

代理會分享發現,領隊最後再整合成答案,因此這次改變的是工作如何分配,使用者仍要提供明確的問題與可接受的成果。

官方同時提醒這個模式很耗點數,並把預測、資訊密集的問題與重要決策列為較適合的用途,沒有把它定位成每題都該開啟的預設。

對需要多角度推導、願意核對依據的使用者,這是一項可以測試的工具。若只是改一句文案或取得簡單資料,先用較輕的模式更容易控制支出。

要判斷是否值得提高工作強度,得先看代理之間實際如何合作,再看官方測試能支持多大的結論。

Perplexity Multiagent 如何分工與整合?

Multiagent 的核心是讓領隊拆題,讓不同模型的代理共享工作線索,最後再合併答案。代理是能在一項工作中持續採取步驟的 AI,這裡的合作因此包含分工與結果交換。

依 官方發表貼文,這項工作強度放在 Computer 與 teammates 裡。使用者提出任務後,領隊分配子工作,不同模型的代理在過程中分享發現,最後由領隊交付整合答案。

多一位代理,多的是哪種能力?

從這個安排來看,一項問題可以同時從不同角度展開。例如評估新產品市場時,可以分別檢查需求、競爭條件與反方證據,再由領隊比較互相衝突的發現。

這是說明分工方式的假設例子,並非已完成的產品實測。分工是否有效,仍取決於題目能不能拆開,以及各部分有沒有共同的判斷標準。

若每位代理只是把同一題各寫一遍,增加的可能只是相似文字。反過來,若每人收到不同又相連的問題,分享中途發現才比較可能改變彼此的後續工作。

領隊的整合仍然需要被檢查

最後答案由領隊合併,代表使用者仍會讀到一份主要交付物。這能降低人工拼接多份報告的工作,卻也可能讓子任務裡的重要分歧在摘要時被壓縮。

因此需要多角度的任務,可以明確要求保留未解決的矛盾與各自依據。這項要求關心的是整合品質,而非把代理數量當作可信度的替代品。

分工能增加檢查角度,但是否改善成果,仍要回到有明確條件的測試。

Perplexity 官方 Terminal-Bench 4.1 圖表,比較單模型、多份相同模型與混合四人代理團隊
Perplexity 官方比較不同代理組合在 Terminal-Bench 4.1 的分數,圖表屬公司測試,並非作者重現。 圖片來源:官方原文。
官方原始貼文的相關功能展示影片,示範內容不代表作者已實測所有功能。 來源:官方原始貼文。

官方基準測試說明了什麼?

官方測試支持混合模型團隊在指定任務上的改善,不能直接當成所有工作都更準確的保證。基準測試是在固定題目與規則下比較表現,任務範圍改變,結果也可能改變。

Terminal-Bench 是評測代理處理終端機工作的題庫,終端機是透過文字指令操作電腦的介面。

Perplexity 在 Terminal-Bench 4.1 測試說明中,將五個前沿模型分別作為單一代理、兩份相同模型、四份相同模型,以及混合四模型團隊的領隊比較。

為何要和多份相同模型比較?

這組對照能拆開兩種影響:投入更多代理帶來的幫助,以及採用不同模型可能帶來的差異。如果只拿四位代理和一位比較,便很難知道改善究竟來自人數還是組合。

官方圖表顯示,混合團隊都優於對應領隊單獨或多份相同模型的配置,其中 Gemini 4 Carbon 領隊的混合團隊分數最高,為 0.727。這是該次公司測試的結果,本站沒有重現測試。

公開貼文沒有列出完整題目與執行設定,因此還不能用這些摘要重建測試。分數也不等於所有現實工作的成功率。題庫、工具環境、允許步驟及計分方式都會影響表現,因此企業不能拿這個數字直接估計自家報告有多少比例正確。

時間與成本有沒有同樣改善?

依 官方後續貼文,混合團隊相對四份領隊模型,在 Terminal-Bench 4.1 的分數增加介於 0.008 至 0.125,另一個名為 WANDR 的任務評測則介於 0.015 至 0.064。

官方說兩個測試中表現最佳的混合團隊,每次成本分別為 10.31 美元與 54.50 美元,低於相對應四份領隊模型的約 13 美元與 66.41 美元。

這個比較的對象是四份相同領隊模型,不能改寫成比單一代理便宜。它也不是訂閱者每次點選功能的固定價格,實際使用仍要看服務點數與任務用量。

時間改善同樣有範圍。在 WANDR 的官方摘要裡,四組團隊都比各自單模型得分高,但只有三組完成得更快,所以不能把並行合作寫成必然加速。

知道分數的範圍後,還要把運算成本與完成時間放進選擇。

更耗點數,什麼情況才值得使用?

當多一次交叉檢查的價值高於增加的點數支出,這個模式才比較有理由使用。官方特別提醒它很耗點數,並建議用在最重要的任務,這也是選擇工作強度時最實際的限制。

官方列出的方向包括預測、資訊密集的問題與重要決策。這些工作常需要整理多種證據、比較假設,或判斷資料之間是否矛盾,因此較有機會從分工受益。

複雜度不是文件長度而已

一份很長但只需要抽取固定欄位的文件,可能有清楚又單一路徑。相對地,篇幅不長的投資、採購或產品決策,卻可能需要比較互相衝突的條件,因此更適合安排不同角度檢查。

所以挑選任務時,可以先問成果是否需要多種專長、是否存在值得反駁的假設,以及漏掉一個條件會造成多大影響。這比單純以字數決定工作強度更接近分工的用途。

如果只是改一行標題、翻譯短句或整理一段已確認的文字,重度合作容易帶來多餘過程。較輕的模式已足以完成時,保留點數給真正需要比較的工作,會更容易管理預算。

決策重要,仍然需要人工負責

高重要性也可能帶來更高的查核要求。當任務涉及支出、客戶承諾或外部發布,即使多位代理一致同意,也不能代替負責人的批准與證據核對。

多模型可能共享相似資料或錯誤假設,因此一致意見的價值要看推導是否獨立、來源是否相同。閱讀報告時,應看每個結論能否對回依據,而不只看有幾位代理贊成。

要估計這個價值,先把問題寫成可以驗收的成果,比單純要求更努力更有效。

怎麼交付一個適合多代理的任務?

好的任務會交代要做的決定、可用資料與需要反駁的假設,讓代理分工有共同終點。這是使用建議,不代表這些任務已由本站在產品中實際完成。

假設團隊要決定是否導入一個新客服系統,任務可以先寫清楚服務量、支援語言、資料要求與預算範圍,再要求比較符合條件的方案,而不是只說找出最好的工具。

資料要求清楚後,各代理才能沿著不同問題工作。例如某一部分核對功能,另一部分檢查成本條件,再用實際的導入限制挑戰初步答案,最後比較衝突出在哪裡。

資料界線應該先寫好

任務應明確標出資料日期與適用地區。若一份方案比較把舊價格、測試功能與正式服務混在一起,即使推導連貫,結論仍可能不適用。

也要分開使用者提供的資料與代理找到的外部資料。前者不必然正確,後者也不必然完整,因此重要事實仍應連回原始公告、文件或契約條件,再進入決策。

不能提供給外部服務的內容,應在開始前就移除或改用適合的資料處理安排。多代理合作本身沒有自動授予額外資料權限,也沒有替企業決定哪些客戶內容可以輸入。

交付格式要留下反方證據

可以要求報告為每個重要結論列出支持依據、限制與可能推翻它的證據,並把還無法解決的衝突集中說明。這能讓人知道哪些部分可以採用,哪些部分需要再查。

如果成果包含具體行動,則應把建議與執行批准分開。例如列出候選供應商和寫出採購比較是一個成果,真正簽約或付款是另一個決定,不能因報告完成就直接視為同意執行。

任務寫得清楚,試用後也才能比較付出的點數是否換到更可靠的成果。

誰已能使用,試用後要看哪些證據?

公告時的開放範圍是 Max 與 Enterprise Max 訂閱者在網頁使用,手機與桌面支援仍是後續計畫。不能因 teammates 已有其他裝置入口,就推定這項新強度也同步支援。

對團隊而言,先確認同事是否具備相同方案和入口,才適合安排共同比較。若只有部分帳號可用,應把可用性差異記在試行條件,避免把功能缺少誤判成操作失敗。

怎麼判斷付出的點數有價值?

可以挑選一項過去已由人工完成、又不含敏感資料的工作,事先訂出正確性、來源完整度與可採用程度,再比較一般模式與多代理模式的成果。

如果任務是預測,也應先約定要在什麼時間回頭檢查結果,並留下當時可取得的資料。否則事後看到結果再改寫評分標準,會讓原本要比較的預測能力失去意義,也無法知道改善來自代理合作還是額外取得的新資訊。

評分時應記錄有多少結論需要補查、是否保留矛盾,以及人工修正花多久。若只比較文字長度,多代理較長的報告可能看似更完整,卻不一定減少真正的整理工作。

還應分開記錄等待時間與人工作業時間。有些任務生成較慢,但交付後較少需要改寫。另一些雖然很快完成,卻留下大量無法核對的說法,兩者對團隊的價值不同。

當任務需要重跑,也要說明是因為資料有變、問題寫得不清楚,還是答案不符合要求。這能避免把所有增加用量都歸因於工作強度,而錯過最容易改善的任務設計。

先比較同一任務的成果和用量,再決定哪些工作保留這個較重的模式。

Perplexity Multiagent 常見問題

Perplexity Multiagent 是新的單一模型嗎?

官方將它描述成 Computer 與 teammates 的新工作強度,由領隊協調不同模型代理,並非只換成一個新的基礎模型。

多代理是不是每一次都更快、更省?

官方測試沒有支持這種保證。WANDR 比較中四組有三組更快,成本比較也有指定對照,實際任務仍可能消耗更多點數。

只要代理們意見一致,就可以直接做重要決策嗎?

仍要核對來源、假設與適用條件。一致意見可能來自相同資料,多代理不會自動消除共同錯誤,也不取代人的批准。

把重度合作留給需要交叉推導的工作

Multiagent 值得關注的地方,是把不同模型的分工與整合放進同一個任務。它較適合能明確寫出決策問題、願意核對證據,也能追蹤點數的人。

第一輪選一項有既有答案的工作,要求保留反方證據與來源,再把修正時間和用量一起比較。這樣才能知道更重的合作是否讓成果更可採用,而不是只讓答案更長。

延伸閱讀:Perplexity Teammates 推出:Max 用戶把長期專案交給 AI 隊友,工作怎麼延續?

延伸閱讀:MAMUBench 揭露多代理協作落差:每人一個 AI,為何輸給共同協調者?

資料來源

Read more