Perplexity Computer、Perplexity 于 Samsung Galaxy S26 以及升级版 Comet 语音模式

Perplexity Computer
Perplexity Computer 将当前所有人工智能功能整合为一个系统。您可以在单一对话中端到端地研究、设计、编写代码、部署和管理任何项目。
Computer 可并行协调 19 个模型的工作,将每个任务分配给最适合的模型。您可以移交复杂的项目(例如构建网站、起草报告或分析数据集),Computer 会将其拆解、委派给专业代理并交付最终结果。它能够记住过往工作、连接数百项服务,并在云端安全运行。
Computer 现已面向 Max 订阅者在网页端提供,并将很快向 Pro 和 Enterprise 用户开放。Max 订阅者每月可获得 10,000 积分,外加 20,000 积分的一次性奖励。
- 通过单个提示词构建实时网站: 使用沃尔玛的品牌色,为沃尔玛过去 12 个月的股价创建一个交互式时间轴,并叠加重要事件。
- 免手动运行完整的财务分析: 构建一份详细的 NVDA 估值分析,包含 5 年期现金流折现(DCF)、营收预测以及从最新财报中提取的利润率假设。
- 自动执行深度竞争分析: 利用过去 4 个季度 Mag7 财报的问答内容,构建一个交互式排行榜,展示每位高管的回答是直接还是回避。
Perplexity 于 Samsung Galaxy S26

Perplexity 现已深度集成到 Samsung Galaxy S26 手机中,为 Perplexity 助手和三星 Bixby 提供搜索和推理支持。
- 预装“Hey Plex”的 Perplexity: Perplexity 应用将预装在每一台 Galaxy S26 上,使 Perplexity 成为第一家在三星设备上获得操作系统级访问权限的非谷歌公司。说“Hey Plex”或按住侧边按钮即可立即启动助手。深度集成涵盖三星应用(包括笔记、日历、相册、时钟和提醒),从而实现无需切换应用的多步骤工作流。
- Perplexity API 为 Bixby 和 Samsung Internet 提供动力: Samsung Galaxy S26 是首款在平台级集成 Perplexity API 的智能手机。Bixby 现在使用 Perplexity 进行实时网页搜索和高级推理,提供基于最新信息且准确及时的答案。Perplexity 的功能还扩展到 Samsung Internet,引入了我们在 Comet 浏览器中完善的代理式浏览功能,并将 Perplexity 作为可选的默认搜索引擎。
阅读博文以了解更多信息,并准备好让您未来使用的 S26 上的 Perplexity 帮助您:
- 无需打开浏览器即可提问并获取带有来源的答案
- 直接将 Perplexity 的回复中的信息保存到三星笔记中
- 通过单一对话设置提醒并添加日历条目
Comet 语音模式升级
与 Comet 交流屏幕上的内容、与网站交互或在多个标签页之间聊天,且不会丢失上下文。语音模式现在运行在 OpenAI 的 GPT Realtime 1.5 模型上,交互可靠性提高了 25% 以上,语音表现力也得到了显著改善。已向所有桌面端和 Android 端 Comet 用户推送。
下载 Comet并尝试:
- 免手动浏览股票投资组合: “今天我的观察列表有什么动态?向下滚动并向我展示涨幅最大的股票。”
- 无需触摸即可导航: “打开第三个链接,向下滚动到规格部分,并将其与左侧的标签页进行比较。”
- 通过语音总结多个标签页: “比较这三个酒店标签页的价格,并告诉我哪个在下周末的优惠力度最大。”
改进的 Perplexity 财务时间轴

Perplexity 财务资产页面上的价格历史视图现在更加全面:
- 审核更多新闻来源,包括来自 MT Newswires 和 Benzinga 的通讯社内容
- 考虑更多相关数据,包括主要指数、行业和资产的波动情况
- 条目更新频率更高,尤其是针对市值较高的资产
- 包含盘后价格波动
- 扩展覆盖范围以包含所有类型的资产:股票、加密货币、指数、大宗商品、ETF
- 除英语外支持更多语言
最先进的嵌入模型

Perplexity 的搜索嵌入模型处于行业领先地位,在公共和内部基准测试中均超越了 Google 和 Alibaba。我们现已发布了两个模型系列供所有人使用:pplx-embed-v1 用于标准密集检索,pplx-embed-context-v1 用于文档感知上下文检索,两者均提供 0.6B 和 4B 参数规模。4B INT8 变体每 GB 可存储多 4 倍的页面,而二进制变体可存储多 32 倍。该模型根据 MIT 许可在 Hugging Face 上开源,并可通过 Perplexity API 使用。阅读技术报告了解更多信息。Pplx-embed 模型可帮助开发者:
- 支持语义搜索引擎: 构建一个包含 1000 万份文档的搜索索引,它不仅能理解关键词,还能理解语义,并在毫秒内返回相关结果。
- 运行多语言 RAG 管道: 对英语、日语和德语的技术文档建立索引,无论问题使用何种语言,都能检索到正确的段落。
- 以经济高效的方式扩展网络级检索: 使用二进制量化模型在单台服务器上对超过十亿个网页建立索引,且不会牺牲检索质量。