Perplexity 開放 Gemini 4 Argon:Pro、Max 怎麼用,WANDR 紀錄代表什麼?
Perplexity 宣布 Gemini 4 Argon 對 Pro、Max 訂閱者開放,並稱創下 WANDR 新紀錄。解析模型入口、廣度與深度研究、完整度評分,以及用自己的資料蒐集任務比較模型的方法。
Perplexity 宣布加入 Gemini 4 Argon,Pro、Max 訂閱者又多了一個模型選擇。但選單變長之後,研究結果是否更完整,仍需要用任務本身判斷。
2026 年 10 月 16 日,官方表示 Argon 在 WANDR 創下新紀錄,並同步宣布開放使用。這則消息把模型上架和研究評測放在一起,讀者卻需要分開理解。
模型入口回答的是「在哪裡用」,評測回答的是「在指定條件下做得如何」。即使兩件事同時公布,也不代表每個使用模式都會跑出相同結果。
WANDR 特別關心大量資料蒐集:要找得夠廣,也要把每一筆查得夠深。因為名單只要漏掉一批合格項目,或其中幾筆沒有證據,再漂亮的報告也可能不適合拿來做決策。
這次更新值得經常做競品整理、產品比較或文獻盤點的人試用。我會先拿一項有明確條件的小型研究比較,再決定是否替換原本的方法。
要知道該怎麼比較,先把新模型的使用入口和 WANDR 的評分方式分清楚。
Perplexity 這次開放的是模型入口,還是新的研究產品?
官方宣布的是 Gemini 4 Argon 已可供 Pro、Max 訂閱者使用。它增加了既有產品裡的模型選擇,不能只憑這則短公告就推定每項研究功能都換了底層模型。
Perplexity 的原始貼文 同時談到 WANDR 紀錄,但沒有在文字裡列出完整測試設定與逐項分數。因此,使用者仍要確認自己選的是哪個模式、交出了什麼工作。
對一般讀者,可以把模型想成處理資訊的引擎,產品則包含搜尋、工具、資料來源與結果呈現。相同引擎放進不同工作流程,結果仍可能不同。
例如,快速查一個日期和整理一百家供應商,需要的搜尋次數、欄位規則與停止條件都不一樣。若只比較回答看起來多聰明,就會忽略研究工作的主要成本。
先確認帳戶裡實際能選什麼
打開產品後,應以帳戶顯示的模型與功能清單為準,再核對方案和當時的使用限制。因為這則公告沒有提供所有地區、每種裝置與每種模式的完整資格表,不能替它補上承諾。
既有付費用戶可以先檢查是否已出現新模型,再用相同任務比較。若你還沒有付費,則不必單靠一張排行榜就升級,先確定自己經常遇到的問題需要哪種能力。
新增入口只是起點。要評估它能否接手資料蒐集,還得看 WANDR 為什麼把「找齊」和「找對」放在同一個任務裡。

WANDR 測什麼,為何不是找到答案就算完成?
WANDR 是針對廣泛且深入的研究任務設計的評測,英文名稱來自 Wide ANd Deep Research。它關心的成品往往是一組能逐筆查驗的資料,而非一段讀起來流暢的答案。
依 官方評測介紹,任務會同時要求蒐集足夠的對象,以及為各對象補上符合條件的證據。
例如,要整理特定期間更換主管的公司,不能只找到幾則人事新聞。每一筆還要確認公司身份、職位、公告日期,並找到足以支持這些欄位的來源。
這就是廣度與深度的差別。廣度要求清單涵蓋需要的對象,深度則要求每個對象的資料都查到位,兩者會互相拉扯。
清單越大,漏掉一層就越容易影響結果
如果任務要求多家公司、各公司的多名人員,以及每名人員的多份來源,研究就形成一棵分支很多的樹。某條分支少一份資料,完整度就會受到影響。
因此,會回答單一問題,不代表能長時間維持大量欄位的一致性。代理還得記得哪些對象已完成、哪些來源不合格,以及何時需要繼續搜尋。
WANDR 公開資料集 也說明,它提供的是任務與驗證結構,並非一份包含所有標準答案的問答集。這讓評測更接近資料會持續變動的研究工作。
理解這個任務形狀後,再看分數就比較有意義。分數不只反映知道多少,也反映能否把要求的資料完整交出來。
看排行榜前,先分清研究成果的完整度
一份研究可能每筆都正確,卻只完成要求的一半;也可能清單很長,裡面卻混入不符合資格的對象。這兩種失敗,需要不同的改善方法。
WANDR 使用精確率、召回率和 F1 等方式觀察結果。精確率看交出的內容有多少合格,召回率則把完成數量一起算進來,F1 用來平衡兩者。
為了方便理解,以下用工作上的檢查問題對照這些概念。這是對評測邏輯的白話說明,不是另外宣稱 Argon 在每一項都有特定成績。
| 檢查問題 | 對應意義 | 常見問題 |
|---|---|---|
| 交出的每筆資料都符合條件嗎? | 精確率 | 同名公司或不符期間的事件被混入 |
| 要求的數量是否真的完成? | 召回與覆蓋 | 只交容易找到的少數案例 |
| 每個對象的必要欄位都完成嗎? | 分支完整度 | 公司找到,但人員或來源仍缺漏 |
| 來源能支持所填文字嗎? | 證據品質 | 網頁相關,卻沒寫出表格中的主張 |
表格裡最後一項尤其容易被忽略。附上連結,只能證明有指向一個網頁,還需要再確認頁面內容是否支持日期、身份和數字。
官方新圖提供了哪些數字?
這次官方附圖把 Argon 標在 0.802 分、每項任務 7.88 美元的位置,橫軸比較任務成本,縱軸比較 WANDR 分數。這筆成本是該評測的任務口徑,並非使用者的訂閱月費。
圖上沒有直接標示 soft 或 hard 的定義,因此不能自行替它補上細分類別。閱讀時可以確認新紀錄的宣告,完整的方法比較仍應追到相應設定,而不是拿舊報告的數字直接相減。
部分完成和整組完成,不能用同一句話帶過
WANDR 的 soft 與 hard 分數,會用不同方式處理不完整的分支。前者讓部分進度取得部分分數,後者對完整交付要求更嚴格。
所以同一個系統可能看起來已完成不少工作,卻很少交出每一層都正確的完整對象。這對只需要靈感的使用者影響較小,對要匯入正式資料庫的人就很重要。
原始評測報告的歷史比較,也不能直接當成這次 Argon 更新後的完整排行榜。發布時間、系統設定與評分版本不同時,數字必須留在自己的條件裡解讀。
怎麼用自己的研究任務比較模型?
最有用的比較,是讓模型處理你原本就需要完成的工作。因為實際的來源語言、欄位與數量,才會決定它能省下多少人工整理。
可以先選一個範圍清楚的題目,例如整理某段期間正式公告的新功能。固定需要的欄位,並明確指定哪些來源算合格,才能避免兩次執行各自換了題目。
把身份、日期與來源規則寫進需求
需求可以寫成「找出符合條件的產品,逐筆提供產品名稱、公告日期、功能狀態、官方連結與支持句」。若公告只是在測試,就要保留測試狀態,不能寫成全面開放。
這是本文建議的比較方法,沒有聲稱 Perplexity 會自動依同一份表格驗證所有欄位。使用者要做的,是把希望看到的成果先定義出來。
兩個模型都完成之後,先遮住名稱,抽查相同數量的資料。因為已經知道是哪個模型,很容易把較喜歡的寫法誤認成較正確的結果。
同時記錄完成與覆核時間
從送出到收到結果的時間,只是總成本的一部分。若後續還要花很久改日期、清掉重複資料或補來源,初次回答較快也未必比較省事。
因此,可以記錄取得第一版所需時間、抽查後的錯誤數,以及人工修到能用的時間。這樣比較的是整項工作,而非只比較輸出文字的速度。
若任務本身不可能找齊所有對象,也應寫明停止規則。例如以明確數量或來源範圍為界,讓兩次測試有共同終點,避免把無限搜尋當成完整研究。
延伸閱讀:Perplexity SPACE 開源:每個 AI 任務一台微型虛擬機,憑證與連線怎麼管?
把重複資料和過期資料列成不同錯誤
大量研究還有一種常見問題,是同一家公司以不同名稱出現兩次。清單看似達到要求數量,真正的獨立對象卻沒有那麼多,因此完成數不能只看表格列數。
可以保留公司官網、產品頁或其他能辨認身份的欄位,再檢查是否其實指向同一個對象。這項人工抽查也能幫助你發現模型是否把子公司、品牌與母公司混在一起。
日期則要分成公告日與查詢日。一份舊公告可能仍是當時事件的可靠來源,但不能拿它證明服務今天還以相同條件開放。
因此,若清單包含價格、職位或產品狀態,抽查時最好重新打開原頁。研究代理能協助取得第一版,持續有效的資料仍需要更新機制。
這種檢查也能分辨兩個模型的差異。若一個版本找到更多對象,卻帶入較多重複和過期狀態,就不能只因列數較多而判它勝出。
哪些人值得先試,哪些人可以維持原流程?
經常整理大量名單、需要逐筆證據的人,可以優先試新模型。因為這些任務的瓶頸常是資料蒐集與欄位補齊,較容易觀察改善是否真的發生。
但如果你主要查一個名詞、找一張公開表格,換模型帶來的差異可能沒有那麼大。既有流程已經能快速完成,就可以先維持,再觀察產品更新。
研究任務越接近正式決策,驗證越不能省
競品資料用來討論方向,和拿來決定採購或對外發布,有不同的錯誤代價。若成品要影響正式決策,至少要把關鍵來源與身份逐項核對。
同時,來源更新也是成本。研究完成後若隔了一段時間才使用,產品狀態或人員資料可能已變動,所以表格最好留下查詢日期與公告日期。
新模型若能少漏資料、減少人工修正,才有具體採用理由。若只是答案更長、語氣更肯定,卻沒有提高可查驗程度,就不必急著全面更換。
延伸閱讀:Gemini 4 Argon 擴大開放:長文件、影片與工作流程該怎麼用?
常見問題:Perplexity 與 Argon 更新怎麼看?
免費帳號也已經開放 Gemini 4 Argon 嗎?
這次官方貼文明確列出 Pro 與 Max 訂閱者。
其他資格與帳戶限制應看產品實際顯示,不能從這則公告推定。
WANDR 第一代表所有問題都最準嗎?
WANDR 針對廣泛且深入的資料蒐集任務,無法代表所有聊天、寫作或程式工作。
即使同屬研究,也要留意工具、設定與資料條件。
有來源連結就能直接相信嗎?
仍要確認來源真的支持那筆資料,而且身份、日期與範圍相符。
相關網頁和有效證據之間,還有一次核對的工作。
要怎麼判斷新模型值不值得換?
用同一份需求比較完整度、錯誤與人工修正時間。
若總工作量確實下降,才有比排行榜更貼近自己的採用依據。
用一份可核對的清單,測出新模型是否幫得上忙
這次 Perplexity 更新提供了新入口,也讓更多人注意到研究完整度。對使用者而言,最值得帶走的是把「找到答案」改成「交出能逐筆確認的成果」。
先用一份小型清單,固定欄位與來源,再比較結果與修正時間。等你知道改善發生在哪裡,才需要考慮把更大範圍的研究交給它。
歡迎免費訂閱 AI 郵報,追蹤有來源的工具更新與研究方法,也可從 Perplexity 官方公告 確認這次開放範圍。