Perplexity联合创始人：Perplexity Computer把多模型、连接器和持久空间打包成云端AI员工
根据Perplexity官方资料与多篇英文评测，Perplexity Computer被定位为“云端AI员工”：用户只需描述目标，它会自动拆解任务、创建子Agent、调用浏览器与代码环境，在后台长时间运行工作流，甚至可持续数周或数月。 系统内部编排19个前沿模型，由Claude Opus 4.6承担核心推理，配合GPT‑5.2、Gemini、Grok、图像与视频模型等，根据子任务类型自动路由，无需用户手动选模型。
官方文档显示，Computer提供400余个OAuth连接器，一键接入Gmail、Slack、GitHub、Notion、Salesforce、HubSpot等SaaS，并在隔离的Linux沙箱中运行，内置Python、Node.js及真实文件系统与浏览器，确保对本地电脑零访问。 工作按“credits”计费而非tokens，Max订阅每月200美元含1万credits，简单任务消耗数十点、复杂项目上千点，支持多任务并行、定时调度以及“Spaces”形式的持久项目空间，实现“上传一次上下文，后续所有任务自动继承”。
来源：公开信息
ABAB AI Insight
Perplexity Computer的关键不在“有多少模型”，而在把模型选择、工具调用和长流程状态管理封装成一个统一的执行环境——它更像一个“云端运营员工”，而不是单一聊天机器人。传统LLM工具要求人类在模型间切换、手动衔接搜索、写代码和跑脚本；Computer则把这些串联、并行和重试逻辑下沉到系统内核，用户只用给出终局目标。这等于把“如何工作”的问题交给AI，把“做什么”留给人。
从产品与产业结构看，这种“credits＋多模型编排”的形态，把AI能力抽象成标准化工作量：研究、写PRD、梳理CRM、跑脚本、发邮件都折算成credit消耗，而不是让用户关心每个模型的token计价。这为企业和高频个人用户提供了更接近“雇佣/外包”的心智模型，也为Perplexity构建了一个高黏性的控制平面——所有连接器、项目空间和调度逻辑都被锁在Computer中，上层可以迭代替换模型，底层则稳定占据“任务入口”和“数据流路由”的位置。
更深层地，这种架构也侧面印证了单模型时代的终结：在复杂工作流中，没有任何一个模型能长期在速度、质量、成本上同时占优，多模型编排和子Agent协作将成为默认范式。谁能掌握这一编排层，谁就能在未来AI生态中握住“操作系统级”的权力，而不仅仅是做一个可互换的模型供应商。