Perplexity 今天推出 Deep Research 工具,彻底打破了 AI 市场的现状。这款工具能在几分钟内生成全面的研究报告,以远低于企业级常规成本的价格,向用户开放先进的 AI 功能。
Perplexity CEO Aravind Srinivas 在 X 平台上发文表示:"感谢开源!我们将继续提高速度并降低成本。知识应该是普遍可及且有用的,不应该被隐藏在昂贵的订阅计划背后,那只会让企业受益,而不符合人类的利益!"
Perplexity Deep Research 重新定义 AI 定价 — 企业级 AI 能否生存?
这次发布揭示了 AI 定价的一个残酷事实:昂贵的企业订阅可能并非必要。虽然 Anthropic 和 OpenAI 每月收取数千美元的服务费,但 Perplexity 为所有用户每天提供 5 次免费查询。专业版用户每月支付 20 美元即可获得每天 500 次查询额度和更快的处理速度 — 这一价格标准可能会迫使大型 AI 公司解释为什么他们的服务要贵上 100 倍。
尽管整体 IT 预算增长不到 2%,但预计企业在 AI 方面的支出将在 2025 年增长 5.7%。一些企业计划将 AI 支出增加 10% 或更多,平均增加 340 万美元用于 AI 计划。随着 Perplexity 以消费级价格提供类似功能,这些投资现在看来值得商榷。
在典型查询中,Perplexity 的 Deep Research 工具会执行 8 次搜索并参考 42 个来源,在不到 3 分钟内生成一份 1,300 字的报告。
Perplexity Deep Research 如何超越 Google 和 OpenAI
Deep Research 的技术成就表明,昂贵的 AI 服务可能是定价过高而非性能更优。该系统在 SimpleQA 基准测试中获得 93.9% 的准确率,在"人类最后考试"中达到 20.5%,超过了 Google 的 Gemini Thinking 和其他领先模型。
OpenAI 的 Deep Research 在同样的考试中以 26.6% 的成绩领先,但 OpenAI 对该服务收取 200% 的费用。Perplexity 能够以消费级价格提供接近企业级的性能,这引发了人们对 AI 行业定价结构的重要质疑。
为什么 Perplexity 的平价 AI 正在打破先进技术的准入门槛
影响已经超出定价范畴。企业级 AI 在资金充足的公司和其他群体之间造成了数字鸿沟。无法负担数千美元订阅费用的小企业、研究人员和专业人士实际上被排除在先进 AI 功能之外。
Perplexity 的方案改变了这种局面。该工具可以处理从财务分析、市场研究到技术文档和医疗保健洞察等复杂任务。用户可以将研究结果导出为 PDF 或通过 Perplexity 的平台分享,有望替代昂贵的研究订阅和专业工具。
该公司计划将 Deep Research 扩展到 iOS、Android 和 Mac 平台,这可能会加快那些以前认为 AI 工具遥不可及的用户的采用速度。这种广泛的访问可能比任何技术突破都更有价值 — 最终让最需要的用户能够使用先进的 AI 功能。
对于技术决策者来说,这种转变值得关注。为 AI 服务支付高价的公司应该审视这些投资是否带来了超出 Perplexity 现有低价服务的价值。答案可能会重塑组织在 2025 年及以后如何看待 AI 支出。
当 Perplexity 的竞争对手争相为其高价服务辩护时,已有数千用户正在测试 Deep Research 的功能。他们的判断可能比任何基准测试都更重要:在 AI 的新现实中,最好的技术不是最贵的 — 而是人们真正能用得起的。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。