Perplexity发布了一款研究预览版编排模型。该模型基于中国开源AI模型GLM 5.2进行后训练，并针对公司代理系统Perplexity Computer完成适配。Perplexity表示，这一方案在成本仅为Anthropic Claude Opus 4.8的0.344倍的情况下，性能已接近后者。
据区块链媒体Decrypt 9日（当地时间）报道，这款模型主要用于Perplexity Computer环境中的任务编排，仅在必要时才将请求转交给Claude Opus 4.8处理。
Perplexity介绍称，该模型目前已以研究预览形式投入生产环境。其核心思路并非让高成本模型处理全部请求，而是由经过后训练的GLM 5.2承担大部分默认任务，只把少量难度较高的请求交给Claude Opus 4.8。
为实现这一机制，Perplexity为GLM 5.2引入了“Advisor”工具，用于判断哪些任务可以由模型自行完成，哪些任务需要调用更强的外部模型。也就是说，大多数请求由GLM 5.2直接处理，只有少数复杂任务才会升级至Claude Opus 4.8。
成本对比也体现了这一架构的特点。按照Perplexity的内部效率指标，加入Advisor工具并完成后训练后，该模型的运营成本较原始GLM 5.2增加约2倍；但与全部请求均交由Claude Opus 4.8处理的方案相比，整体成本仍大幅下降。
GLM 5.2是Z.ai于今年6月依据MIT许可证开源的模型，参数量约7440亿。该模型开放权重，允许下载、修改，并可用于商业化后训练。Perplexity表示，正是基于这一特性，公司得以将其改造成更符合自身需求的模型。
这是Perplexity近18个月内第二次基于中国开源模型进行后训练。此前，公司还曾发布基于DeepSeek R1的“R1-1776”。
Perplexity称，新模型运行在美国境内的NVIDIA B200 GPU上。公司计划在未来几周公布完整基准测试结果及研究论文。
Perplexity还表示，未来将继续以类似方式推进后训练，以提升其代理系统的成本效率。
Yoonseo Lee
yslee@d-today.co.kr