Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
ИнфраструктураНаучная статья · В песочницуX: @AravSrinivas→ оригинал

Perplexity выделит минимум 10 000 GPU на создание автоматического исследователя

Perplexity запустила направление Frontier Research и пообещала отдать под него не менее 10 000 GPU. Цель — автоматический исследователь: система, где несколько ИИ-агентов делят задачи между собой и продолжают учиться на ходу, а не застывают после обучения. Аравинд Шринивас заявил, что компания будет публиковать оценки, статьи и блоги, а модели и инструменты выложит в открытый доступ. Это сигнал: поисковый стартап метит в исследовательские лаборатории.

AI-обработка оригинала X: @AravSrinivas; редакция Hamidun News
Perplexity выделит минимум 10 000 GPU на создание автоматического исследователя
Источник: X: @AravSrinivas. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникX: @AravSrinivas ↗
Главный редактор
Ключевой факт #1Не менее 10 000 GPU — минимальный объём вычислений, заявленный на старте
Два направленияоркестрация нескольких агентов и непрерывное обучение
Ключевой факт #3Обещаны открытые модели и инструменты, а также статьи и оценки качества

Perplexity, которую большинство знает как ИИ-поисковик с ответами и ссылками на источники, объявила о новом направлении. Глава компании Аравинд Шринивас написал в X, что Perplexity Frontier Research получит не менее 10 000 GPU. Работать они будут над двумя задачами: оркестрацией нескольких агентов и системами непрерывного обучения. Конечная цель — построить автоматического исследователя. Пост набрал около 173 тысяч просмотров, так что тема явно зацепила индустрию.

Пока это именно анонс. В нём нет сроков, бюджета, названий моделей и состава команды. Но сама заявка заметна: 10 000 GPU — это масштаб, на котором обычно работают крупные лаборатории, а не продуктовые стартапы.

Что за «автоматический исследователь»

Представьте аспиранта, который сам читает статьи, придумывает гипотезы, запускает эксперименты, разбирает результаты и берётся за следующий шаг. Автоматический исследователь — это попытка собрать такого «аспиранта» из ИИ-системы. Одна модель с длинным промптом для этого обычно не годится: задача слишком длинная и разветвлённая.

Поэтому Perplexity делает ставку на два кита.

Первый — оркестрация нескольких агентов. Это когда один агент разбивает большую задачу на части, другие берут куски: ищут источники, пишут код, проверяют цифры. Затем результаты собираются воедино. Сложность в том, что агенты должны не мешать друг другу, не повторять работу и вовремя замечать ошибки соседей. Любой, кто собирал многоагентные цепочки, знает, как быстро они разваливаются на длинной дистанции.

Второй — непрерывное обучение. Обычная модель после тренировки «замораживается»: нового она узнаёт только то, что помещается в контекст запроса. Система с непрерывным обучением должна накапливать опыт: что сработало, что нет, какие приёмы дали результат. Для исследователя это критично. Если каждый день начинать с чистого листа, далеко не уйдёшь. Одновременно это одна из самых трудных нерешённых задач в ИИ: модель, которая учится на новом, склонна забывать старое.

Что обещают открыть

Шринивас пишет, что Perplexity будет публиковать оценки (то есть тесты, по которым меряют качество), статьи и блоги, а также выложит в открытый доступ свои модели и инструменты. Для практиков это самый интересный пункт. Если обещание сдержат, разработчики получат не только цифры, но и работающий код для сборки многоагентных систем.

Компания уже выкладывала открытые модели. Например, доработанную версию DeepSeek R1 под названием R1 1776. Но обещание открыть собственные модели и инструменты для агентов на таком масштабе вычислений — шаг иной величины. Что именно будет открыто и под какой лицензией, пока неизвестно.

Что здесь стоит учитывать

Во-первых, «не менее 10 000 GPU» — это обязательство, а не уже работающий кластер. Неясно, арендует ли Perplexity мощности или строит свои, и в какие сроки они появятся.

Во-вторых, автоматический исследователь — цель, а не продукт. Похожие заявления делали и другие лаборатории, и пока ни одна не показала систему, которая стабильно ведёт самостоятельные исследования от идеи до результата.

В-третьих, у открытых обещаний в индустрии неровная история. Публикация оценок и кода станет проверкой слов делом.

Для продактов и основателей вывод простой. Компании, начинавшие как обёртка над чужими моделями, всё чаще строят собственный исследовательский слой. Если вы делаете агентов поверх API, стоит следить за тем, что Perplexity выложит в открытый доступ. Её инструменты оркестрации могут оказаться готовой базой, а оценки — полезным ориентиром для тестирования ваших собственных агентных систем.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что за «автоматический исследователь»?

Представьте аспиранта, который сам читает статьи, придумывает гипотезы, запускает эксперименты, разбирает результаты и берётся за следующий шаг. Автоматический исследователь — это попытка собрать такого «аспиранта» из ИИ-системы. Одна модель с длинным промптом для этого обычно не годится: задача слишком длинная и разветвлённая. Поэтому Perplexity делает ставку на два кита. Первый — оркестрация нескольких агентов.

Что известно по теме: что обещают открыть?

Шринивас пишет, что Perplexity будет публиковать оценки (то есть тесты, по которым меряют качество), статьи и блоги, а также выложит в открытый доступ свои модели и инструменты. Для практиков это самый интересный пункт. Если обещание сдержат, разработчики получат не только цифры, но и работающий код для сборки многоагентных систем. Компания уже выкладывала открытые модели. Например, доработанную версию DeepSeek R1 под названием R1 1776.

Что известно по теме: что здесь стоит учитывать?

Во-первых, «не менее 10 000 GPU» — это обязательство, а не уже работающий кластер. Неясно, арендует ли Perplexity мощности или строит свои, и в какие сроки они появятся. Во-вторых, автоматический исследователь — цель, а не продукт. Похожие заявления делали и другие лаборатории, и пока ни одна не показала систему, которая стабильно ведёт самостоятельные исследования от идеи до результата. В-третьих, у открытых обещаний в индустрии неровная история. Публикация оценок и кода станет проверкой слов делом.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Закрытый клуб практиков · Vibe Club

Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами

Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.

Вступить в Vibe Club →Тест-драйв Академии (72ч)
Что вы думаете?
Загружаем комментарии…