Perplexity

資料來源#

• DRACO: a Cross-Domain Benchmark for Deep Research Accuracy, Completeness, and Objectivity

摘要#

Perplexity 是一家 AI 答案引擎／搜尋公司。在本文語料中，它以 DRACO benchmark 的作者身分出現（arXiv:2602.11685，2026 年 2 月發布，並有一位 Harvard 共同作者），也是 Perplexity Deep Research 的開發者。這套代理式 深度研究 系統在該 benchmark 的每個領域與評分軸向都名列前茅。它是本 wiki 中第一家以自家部署流量打造源自生產環境的評估的供應商。

Perplexity 在本文語料中的功能#

• Perplexity Deep Research — 深度研究代理程式，會拆解查詢、反覆從多個來源擷取資料，並綜合成附有引文的報告。在 DRACO 上，其標準化分數為 70.5%（以 Opus 4.6 為基礎模型），通過率為 72.8%，領先 Gemini Deep Research、OpenAI Deep Research（o3 / o4-mini），以及未經編排、搭配工具的 Claude Opus 4.5/4.6。其特點是深度研究系統中分數最高、延遲最低，輸入 token 用量也最大（每項任務約 779k）——偏重資料擷取，輸出較精簡。
• DRACO — Perplexity 從自家 Deep Research 在 2025 年 9 月至 10 月的數千萬筆查詢中抽樣，接著去識別化、擴增、篩選並整理成 100 項由專家依評分規準評分的任務（源自生產環境的評估）。已在 Hugging Face 公開發布。

值得注意的結構性事實：既是客戶，也是競爭者#

Perplexity Deep Research 以 Claude Opus 4.5 / 4.6 作為基礎模型（根據論文的實驗設定）。因此在 DRACO 上，Perplexity 經過編排的產品（以 Opus 為基礎）會與未經編排的 Anthropic Opus 模型進行 benchmark 比較，並以約 10 個百分點的差距勝出。Perplexity 同時是 Anthropic API 客戶，也是展現其編排層能在 Anthropic 模型之上帶來顯著價值的實體。這是「超越基礎模型的編排」這項發現最明確的實例，也是一項直接反駁模型進步時的 Harness 縮減的案例。

相關連結#

• DRACO Benchmark — Perplexity 撰寫的 benchmark，其產品在上面領先
• 深度研究代理程式 — Perplexity Deep Research 是此系統類別中具代表性的領先實例
• 源自生產環境的評估 — DRACO 的方法：以 Perplexity 自家生產流量打造 benchmark
• Anthropic — Perplexity 以 Claude Opus 4.5/4.6 作為基礎模型，並以未經編排的 Opus 作為 benchmark 對照；同時是客戶與競爭者
• Google DeepMind — 競爭者（Gemini Deep Research 也接受評估）；Perplexity 也選用其 Gemini-3-Pro 作為 DRACO 的主要評審模型
• LLM-as-a-Judge — DRACO 的評分方法；Perplexity 透過人類對齊研究選定評審模型

開放問題#

• 供應商發布自家產品勝出的 benchmark，顯然存在誘因問題——DRACO 隨時間推移要如何維持公信力？Perplexity 會實際執行可自動化的更新嗎？
• Perplexity 仰賴 Anthropic（及其他公司）提供基礎模型，同時又在終端產品上與它們競爭——若基礎模型開發者推出自家的深度研究模式，這項編排優勢能維持多久？

資料來源#

• DRACO: a Cross-Domain Benchmark for Deep Research Accuracy, Completeness, and Objectivity — DRACO 論文：Perplexity 為作者；Perplexity Deep Research 為排名第一的系統；Opus 4.5/4.6 為其基礎模型；Gemini-3-Pro 為評審模型