Perplexity 官宣成立 Frontier Research:逾 1 万块 GPU 支持研发自主研究系统
北京时间 2026 年 11 月 16 日 23 时 32 分,Perplexity 官方 X 账号宣布当天成立 Perplexity Frontier Research,目标是「创造一个能够执行自主研究(autonomous research)的系统」。公告写明:这项工作将聚焦多智能体编排(multi-agent orchestration)、强化学习(reinforcement learning)、持续学习(continual learning)、系统(systems)与预训练(pre-training)五个方向;由超过 10,000 块 GPU 支持;开发的算法、模型与评测将开放发布,并在 Perplexity 自己的产品中测试。
公司两位联合创始人随后补充了细节。联合创始人兼 CEO Aravind Srinivas 在 6 分钟后发帖,称将投入「至少 10,000 块」GPU,点名多智能体编排与持续学习系统,并承诺发布评测、论文与博客,开源模型与工具链。联合创始人兼 CTO Denis Yarats 在 18 分钟后补充了技术路径:团队正把大规模强化学习铺到 10,000 多块 GPU 上训练大模型,用合成数据,以及按人们实际使用 Perplexity 的方式搭建的环境来产生训练信号。公告链接指向的 research.perplexity.ai 页面写明了六条研究路线、四个招聘城市和一个申请优先截止日。公告没有披露预算与团队规模。
目标:让研究循环跑在软件里
在研究页面上,Perplexity 把要解的问题定义为「如何自动化科学研究」,并把研究描述成一个循环:提出尚无答案的问题、梳理已知、发现缺口、形成假设、做实验、权衡不确定性、更新结论。页面强调,产出应当是可解释的科学理解,而不是黑箱预测——它拿广义相对论举例:让 GPS 成为可能只是应用层面的结果,相对论的价值在于对空间、时间与引力相互联系的理解,以及随之而来的一整批可检验预言。
页面进一步写道,历史上这个研究循环只发生在少数机构里、以几个人的速度运转,「我们认为它可以在软件中运行,为任何人服务」。报道此次发布的 Superpower Daily 指出:这份公告铺开的是一项通往「自动科学家」的研究计划,而不是一个已经完成的系统。
多智能体编排:任何成本下的最优质量
研究页面对编排方向给出的目标相当具体:对用户愿意付出的任何成本,让输出处在质量的 Pareto 前沿(Pareto frontier,同等成本下质量无法再提升的边界)上——用页面的话说,「以最低的成本提供质量最好的 LLM(大语言模型)服务」。一个示例是顾问式升级(advisor escalation):端侧小模型只在划算时才向更大的模型求助。智能体搜索(agentic search)被归为另一种编排:模型要决定找什么、读哪些来源、什么时候证据已经足够。页面还留了一个开放问题:哪些能力应该放进模型权重,哪些应该放进权重之外的 harness(围绕模型的外层编排框架)。
强化学习、预训练与持续学习:训练侧的机制
Yarats 说,这个计划里「很重要的一部分是大规模强化学习」,团队正在把 RL 扩展到跨 10,000 多块 GPU 训练大模型。研究页面称,Perplexity 的强化学习直接跑在实时检索与真实产品之上,奖励设计是「能验证之处用可验证奖励,无法验证之处按评分准则(rubric)打分」,环境则从人们实际使用其系统的方式中合成;其基础设施能把万亿参数规模的权重在约 1 秒内从训练侧搬到推理侧。
预训练与持续学习两个方向同样写在页面上。前者押注开放权重模型、新架构、合成数据与缩放科学(scaling science),并提出「能否造出比真实数据更有价值的合成数据」;后者围绕好奇心、记忆、坚持与个性化展开——坚持指的是让智能体跨过暂停与中断保持进度,让进展按天累积,而不是每次会话清零。
系统与评测:从 GPU 通信到区分记忆与推理
系统方向下列出了三类已有工作:fabric-lib 处理 GPU 之间的 RDMA(远程直接内存访问)点对点通信;针对 Apple Silicon 的推理引擎为具体模型和硬件定制内核;SPACE 沙箱给长时间运行的智能体提供可保留、可恢复的隔离执行环境,并把凭证与宿主机留在智能体控制范围之外。
公告把评测写进产出承诺,页面则把它单列为第六个方向,并描述成尚未解决的核心问题。现有评测大多是为衡量人类能力设计的代理指标,对模型泛化能力有误导:页面拿 IMO(国际数学奥林匹克)做类比——人类选手拿了金牌,人们会预期他擅长许多其他任务;模型在同类评测上得分,未必有这样的泛化。Perplexity 想要新的评测来区分记忆与推理、预测成功与可解释理解,比如模型能学会预测粒子轨迹,却未必写得出运动方程。页面上挂出的已有基准包括 WANDR、DRACO 和 DiscoverPhysics。
开放发布是公告明确承诺的机制:Frontier Research 团队将定期发表论文、模型、数据与基准,「因为共享能让科学产生复利」。这条路线已有雏形——页面上列出的开放权重模型 Decider v1.2(27B)、上下文嵌入与多模态延迟交互嵌入(multimodal late-interaction embeddings),以及 SPACE、MoE(混合专家)分发与合并内核、Apple Silicon 推理引擎 Lily、pplx-garden、WANDR 等以可运行代码形式释出的项目。同一站点此前的版本还显示,公告之前团队已在今年 7 月连发三项工作:Numbat(7 月 29 日,开源的端侧智能体安全套件)、SPACE 沙箱运行时(7 月 15 日)与 WANDR 基准(7 月 14 日)。Yarats 把在自家产品中测试说成基础设施优势:Perplexity 自建从搜索、推理到训练与沙箱的整层基础设施,「我们造的一切,都在数百万人使用的产品里接受测试」。
招聘:一份申请覆盖全部六个研究方向
公告在旧金山、帕洛阿尔托、纽约与伦敦四个城市招聘研究者与工程师。研究页面的招聘板块写明:一份申请覆盖全部六个研究方向,薪酬为「有竞争力的工资与股权」,时间线上唯一的条目是「优先截止日:12 月 5 日」——Superpower Daily 注意到页面没有标注年份。页面还列出一个分博士前与博士后两轨的研究奖学金(Research Fellowship),板块中署名的联系人是 Andrew Gordon Wilson,职务标注为 Perplexity Frontier Research 的 Research Lead。公告推文本身没有点名负责人。
早期反馈:评测是评论区的共同焦点
截至北京时间 11 月 17 日凌晨,官方推文获得 563 次点赞、约 6 万次浏览,Srinivas 的帖子获得 685 次点赞。LinkedIn 同文帖下的 10 条评论中,多条指向同一件事:评测怎么立起来。用户 Jayanth Veeramachaneni 写道,「我打赌这件事最难的部分最终是核查研究,而不是执行研究;一个能诚实给自己的结果打分的智能体,会比那 10,000 块 GPU 更值钱」。用户 Alpine Veritas 则追问:「你怎么知道起作用的是编排,而不只是模型变大了?」这位用户认为,更难的考验是多个智能体能否在长研究任务里保持协调、留住学到的内容、丢掉被证伪的部分,「公开评测会有帮助,那是我们会最紧盯着看的一部分」。
公告与页面都没有说明第一项公开交付何时出现。下一个可以核验的日期,是页面写明的 12 月 5 日申请优先截止。