据 动察 Beating 监测,Perplexity 宣布在 Perplexity Agent API 与自研的 Computer 产品中全面上线全新搜索架构 Search as Code(简称 SaC)。新架构摒弃了传统智能体依赖多轮推理进行 function calling 或 MCP 工具调用的串行循环模式,改由智能体直接生成 Python 代码,调用 Agentic Search SDK 提供的模块化检索原语,在单个推理周期内并行编排数千次搜索与处理操作。
传统工具调用面临高延迟、控制流受限和上下文污染痛点。SaC 允许大模型在安全计算沙箱中运行 Python 代码,动态编排并行查询、去重、过滤、合并和重排。针对跨推理周期传递中间状态的难题,团队采用持久化文件系统的显式序列化(serde)方案,相比 REPL 模式在长轨迹任务中更可靠。同时,开发团队引入了 2000 个 Token 以内的专属 Agent Skills 提示词包,指导大模型高效编排复杂的检索任务。
在多项搜索基准评测中,SaC 架构均表现优异。在衡量专业宽幅检索的自研 WANDR 基准测试中,SaC 得分达 0.386,相比次优的 Anthropic 系统(0.152)提升 2.5 倍,较非 SaC 基线提升 45%。针对 200 个高危 CVE 漏洞查询的真实案例测试中,SaC 取得 100% 准确率,并比传统基线降低 85.1% 的 Token 消耗。在 DSQA 评测中,SaC 在取得 0.871 高分的同时,使中等推理级别下的每项任务费用降至 1 美元以下。
免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见
声明。