Perplexity move Deep Research para o Computer e roteia subtarefas por mais de 20 modelos: o que muda na pesquisa profunda em junho de 2026

Resumo: A Perplexity moveu seu Deep Research para dentro do Computer — o agente “trabalhador digital” lançado três meses antes — e passou a rotear cada subtarefa de pesquisa por mais de 20 modelos de fronteira diferentes, escolhendo o melhor para cada passo (planejamento, busca, leitura, síntese, escrita). O resultado, segundo a empresa, supera as principais ferramentas de deep research nos benchmarks atuais e permite transformar uma única pergunta em relatório, planilha, deck, dashboard, site ou fluxo de trabalho — tudo no mesmo lugar. Por trás disso, duas peças: o Agent Search SDK e a infraestrutura Search as Code. Para usuários no Brasil, a mudança coloca a Perplexity como rival direta do ChatGPT Pro, do Claude Computer Use e do Gemini Deep Research no mercado de pesquisa profunda.

O que mudou na Perplexity em junho de 2026

Antes, o Deep Research da Perplexity era uma feature paralela: você pedia uma pergunta complexa, ela montava um relatório citado. O Computer, lançado em fevereiro de 2026, era um agente multi-modelo que executava tarefas. A novidade de junho é unificar os dois: a partir de agora, Deep Research vive dentro do Computer e herda o painel de comandos, o controle de execução, o sistema de “forking” (criar variantes de uma pesquisa) e o API de analytics. O fluxo passa a ser: pergunta → relatório citado → transformar em planilha, deck, dashboard ou site sem sair da sessão.

O ponto técnico que diferencia: ao invés de usar um único modelo monolítico, o Deep Research in Computer despacha cada etapa para o modelo mais adequado de um pool de mais de 20 frontier models. O planejamento pode ir para um modelo bom em raciocínio estruturado, a busca para um modelo treinado em consulta web, a síntese para outro especializado em escrita longa. A escolha é automática.

Como funciona, por baixo do capô

A Perplexity descreve duas camadas:

• Agent Search SDK. Define o ciclo de planejamento → execução → revisão → entrega. Cada subtarefa é tratada como um job com I/O bem definido.
• Search as Code. Infraestrutura que trata buscas web como código versionado. Em vez de fazer chamadas ad hoc, o agente compõe consultas paralelas, valida fontes e injeta citações por padrão.

O agente é iterativo: planeja antes de buscar, roda múltiplas consultas em paralelo, lê o que encontrou e sintetiza um relatório com citações para cada afirmação. A última atualização passou a usar o Opus 4.6 da Anthropic como modelo principal de síntese, complementando o pool de modelos.

Por que importa / status no Brasil

Pesquisa profunda virou commodity em 2026 — Google, OpenAI, Anthropic e xAI oferecem versões próprias. O diferencial da Perplexity é a saída: o mesmo agente que pesquisa também monta a entrega final (planilha, deck, dashboard, site). Para times de marketing, BI, consultoria e jornalismo no Brasil, isso significa um único pipeline para “pergunta → entregável publicável”.

O preço também muda a equação: o Computer está disponível para assinantes Pro e Max da Perplexity, com Personal Computer (Mac mini dedicado) para Max e disponibilidade gradual para Pro. Em PT-BR, a qualidade da síntese melhorou significativamente desde 2025, embora citações de fontes em português ainda dependam de o conteúdo estar indexado em motores acessíveis.

Riscos e limitações

• Pluralidade de modelos = pluralidade de vieses. Com 20+ modelos em rotação, é difícil para o usuário saber qual modelo entregou cada parte do texto. Em domínios sensíveis (saúde, finanças, jurídico), isso pode importar.
• Dependência de fornecedores externos. Se um modelo do pool sai do ar (caso recente do Fable 5/Mythos 5 da Anthropic), o orquestrador precisa se ajustar — e a qualidade flutua.
• Custo por consulta. Pesquisa profunda com múltiplos modelos consome mais tokens; usuários no plano Pro precisam observar os limites de crédito personalizados que a Perplexity introduziu.
• Citações nem sempre auditáveis. Como em qualquer ferramenta agentiva, há risco de “hallucinated citation” — fonte real, mas afirmação não embasada.

Indicativo de futuro

A unificação Deep Research + Computer aponta para a tese de que o agente da Perplexity não quer ser um chatbot, mas um trabalhador digital. O próximo passo provável é a expansão dos conectores empresariais (já em rollout no Comet for Enterprise) e a integração com o sistema de memória “Brain”, anunciado em 18 de junho de 2026. Em médio prazo, a empresa deve se posicionar como concorrente direta do ChatGPT Enterprise e do Copilot para Microsoft 365, com o argumento de que “muitos modelos em rotação” entrega mais resiliência que “um único modelo grande”.

Análise SWOT da estratégia Deep Research in Computer

O que muda para você

Se você usa Perplexity Pro ou Max no Brasil, vale entrar no Computer e testar o Deep Research em uma pergunta de trabalho real — não em um caso “de marketing”. Compare a saída com o ChatGPT Deep Research e com o Gemini Deep Research na mesma pergunta; em junho de 2026, é raro um único entregar tudo melhor. Para times de pesquisa em empresas, a versão Comet for Enterprise (com controles de MDM e políticas de browser) começa a fazer sentido como camada padrão de pesquisa para colaboradores. Em decisões financeiras, jurídicas ou de saúde apoiadas por esses agentes, mantenha revisão humana e busque profissionais qualificados — a citação automatizada não substitui parecer.

Fonte original: Perplexity Blog — Hub.