AI资讯

Perplexity 为 Frontier Research 投入至少 1 万块 GPU,同步上线 Monitor API

发布时间:2026年11月17日 14:00:00

11 月 17 日,Perplexity CEO Aravind Srinivas 表示公司为 Perplexity Frontier Research 投入至少 1 万块 GPU,目标是编排多智能体与持续学习,并承诺开放评测、模型与工具。同日 Perplexity 开发者账号发布 Monitor API:按计划监控指定主题或页面,变化通过 webhook 推送,价格 1 美元/1000 次运行。相关价格与条款尚未在文档中核实。


事件:一万块 GPU 用来做什么

11 月 17 日,Perplexity CEO Aravind Srinivas 表示,公司为 Perplexity Frontier Research 投入至少 1 万块 GPU。

目标写得很明确:

方向内容
多智能体编排让多个 Agent 协同完成研究任务
持续学习模型在使用中持续改进
开放承诺开放评测、模型与工具

同期,Perplexity 开发者账号发布了 Monitor API:按计划监控指定主题或页面,变化通过 webhook 推送,定价 1 美元 / 1000 次运行。

「持续学习」是这里最难的词

多智能体编排已经不新鲜,真正难的是持续学习。

难点在三处:

难点说明
灾难性遗忘学新任务会覆盖旧能力
数据污染自己生成的数据训练自己,会退化
可评估性能力每天都在变,如何衡量

所以「持续学习」在实践中往往退化为**「定期用新数据重训 + 检索增强」**。如果 Perplexity 真有方法突破,那比 1 万块 GPU 本身更值得关注。

Monitor API 是个小而实用的东西

1 美元 / 1000 次运行,按次计费,webhook 推送。

它解决的是一个很具体的痛点:盯页面。

场景说明
法规与政策更新监管页面一变就要知道
竞品定价页价格调整
招投标公告发布时间不固定
榜单与排名定期刷新
财报与披露关键数字变化

对比自建方案(爬虫 + 去重 + 调度 + 告警),1 美元/1000 次的价格对低频监控很有吸引力。真正的成本问题在误报率:如果每次微小的页面变动都推送,告警会很快被忽略。

「开放模型」目前还是承诺

Srinivas 提到会开放评测、模型与工具,但目前没有可评估的模型或工具。

在 AI 行业,「我们会开源」这句话需要打折听。Qwen、Llama 这类系列是真开源,也有很多「承诺开放」最后变成「开放 API」。

判断标准很简单:看权重有没有出现在 Hugging Face 上。

三层影响

对研究型团队:多智能体 + 持续学习的组合,是 2027 年的主要技术竞争点。

对监控类产品:1 美元/1000 次会压缩中小型监控 SaaS 的空间。

对 Perplexity 自身:从「搜索产品」转向「研究基础设施」,商业模式也随之改变。

需要冷静看的几点

  1. 1 万块 GPU 是公告口径,未说明采购方式与上线时间。
  2. Monitor API 的价格与条款未在文档中核实。
  3. 「开放模型」无时间表。
  4. 持续学习的具体方法未披露。

观察点

  1. Hugging Face 上是否出现权重。
  2. Monitor API 的误报控制机制。
  3. Frontier Research 的首批评测结果。
  4. 与 Anthropic、OpenAI 同类研究的对比。

一句话总结:Perplexity 这次给的是「规模 + 承诺 + 一个小而实用的 API」——1 万块 GPU 是投入,Monitor API 是现在就能用的东西,而持续学习与开放模型,还需要时间来证明。