Perplexity 更新 Search SDK，执行可靠性从 81.9% 升至 92.6%

8 月 13 日，Perplexity 官方账号在 X 上宣布，，把动作执行可靠性从 81.9% 提升到 92.6%。同一串帖子还宣布，在继续改善性能的同时，把单任务成本压低了近 10%。

官方随帖公布的阶梯图给出细节：8 月 3 日至 10 日，代码执行成功率先从 81.9% 跳到 86.2%，再跳到 92.6%，两次跳升分别对应 Changeset 1 和 Changeset 2，幅度为 +4.3 和 +6.4 个百分点。Perplexity 给出的理由是，SDK 被塑造成什么形状，决定模型能用它做什么（How an SDK is shaped determines how well models can use it），而更可靠的动作执行带来更强的编排能力。

两次 changeset，把执行可靠性推上 92.6%

Perplexity 在第二条推文中贴出的阶梯图题为「SDK Execution Reliability」，副标题写明统计的是 SDK changesets 前后的代码执行成功率，横轴从 8 月 3 日排到 8 月 10 日。图上三段平台依次是 81.9%、86.2% 和 92.6%：Changeset 1 带来 +4.3 个百分点，Changeset 2 带来 +6.4 个百分点，两次更新合计提高 10.7 个百分点。

这里的可靠性数字以及下文所有成本、满意度数字，都是 Perplexity 官方自行公布的指标。

SDK 的形状，决定模型能用它做什么

把可靠性提升归因于 SDK 更新，源于 SaC 这套架构的设定。Perplexity 在 6 月 1 日发表的里写道：SaC 把搜索栈拆成原语，通过 Agentic Search SDK 暴露给模型，模型在沙箱里生成 Python 代码，按任务需要组装检索、排序、过滤、fanout、渲染等环节。没有任何一次检索操作走 function calling 或 MCP，全部通过模型生成的代码编排；单次任务可以发起数百甚至数千次检索操作。端到端的搜索管线仍然保留，但只是常见写法的简写。

这套设计也解释了为什么 SDK 改型足以改变执行成功率：模型写的是针对私有 SDK 的代码，而私有 SDK 不在预训练数据里，接口的形状和文档直接影响代码生成质量。Perplexity 称，其 autoresearch 循环会连续数周自动提出并验证 SDK 改进，评估指标包括延迟、代码生成质量和整体任务表现。这与本次推文的说法一致：Perplexity 把执行成功率从 81.9% 涨到 92.6% 归因于 SDK 改型，并称之为「更可靠的动作执行带来更强的编排能力」。

六月发布，八月优化：WANDR 平均分 +3.9，单任务成本 -9.7%

SaC 在 6 月发布，Perplexity 称其在宽而深的研究（wide and deep research）上达到最先进水平。6 月 11 日的宣布把 Deep Research 带入 Computer，并称有近 26% 的 Computer 任务涉及研究与分析，是最大的任务类别。博客配图显示，进入 Computer 后 Deep Research 在 Humanity's Last Exam 上从 36.4% 提升到 50.5%，在 BrowseComp 上从 40.7% 提升到 83.8%，在 DeepSearchQA 上从 81.9% 提升到 85.0%。

本周的优化则落在公司自研的 WANDR 基准上。官方公布的散点图显示，SaC 优化把 WANDR 平均分从 42.6% 提到 46.5%，即 +3.9 分（+9.2%）；单任务成本从 2.455 美元降到 2.218 美元，即 -0.237 美元（-9.7%）。这与推文中「成本下降近 10%」的说法吻合。WANDR 是 Perplexity 内部搭建、用于评测深而广研究能力的基准，。

同一天，Perplexity 开发者账号还，称 Agent API 在 BrowseComp 和 WideSearch 上的得分是 Sonar 最佳成绩的两倍多。两条消息指向同一个方向：检索能力被重新打包成可编程、可编排的原语。

成本降了，用户标记的缺陷率也降了 13.9%

第三条推文把指标落到用户侧：「这些改进出现在大量真实用户工作流中。在 Computer 里，SaC 优化以换来了更高的用户满意度。」配图「Computer Cost and Reliability」给出两个相对值：每次会话成本 -7.6%，用户标记的缺陷率 -13.9%，并注明「越低越好」。

推文讲的是单任务口径（8%），配图则按会话统计成本（-7.6%），两者并不完全是一回事；配图副标题注明给的是相对值（Relative cost and user-flagged defect rate per Computer task）。可以核对的是方向：三张图里的数字全部指向性能往上、成本往下，且全部来自 Perplexity 自己的统计。

「搜索正在从检索变成计算」

推文下的评论各自抓住一组数字。写 AI 资讯的 Josh 挑出成本：「单任务便宜 10% 才是我在意的部分，上个月我的研究账单太吓人了。质量稳住的同时成本下降，比听起来更难得。」（）开发者 NotaDEV 把账算成一笔交易：「便宜 9% 换 4 个点，是笔实在的交易，多数团队天天都愿意接。」（）

K-Hub 的 SEO 负责人 Stefano Galloni 评论：「搜索正在慢慢变成计算，而不只是检索。这改变的东西远不止一个搜索框。」（）