Sådan fungerer kontekstgrafen

Hver opgave, Computer udfører, kobles ind i en vedvarende kontekstgraf – et struktureret kort, der spænder over projekter, forbindelser, filer, artefakter, beslutninger og kilder . Denne graf vokser med hver session og skaber en rig operationel historie, som fremtidige opgaver automatisk kan trække på.

I modsætning til simpel samtalehukommelse (som gemmer chatlogs) fanger Brain agentens proceduremæssige viden: hvilke arbejdsgange der giver korrekte resultater, hvilke tilgange der blev rettet af brugeren, og hvilke kildemønstre der er mest pålidelige .

Selvforbedringsløkken natten over

Brains mest markante træk er evnen til at forbedre sig selv automatisk. Med jævne mellemrum – typisk natten over – gennemgår Brain hele kontekstgrafen og opdaterer sin egen forståelse af, hvordan man gør lignende arbejde bedre . Det betyder:

• Læring af succes: Mønstre, der førte til korrekte output, forstærkes.
• Læring af fejl: Fejl og brugerrettelser analyseres og bruges til at justere fremtidig adfærd.
• Rekursiv forbedring: Efterhånden som agenter bliver mere effektive til at opdatere kontekstgrafen, vokser Brains videnskvalitet .

Resultatet er et system, der bliver skarpere, jo mere det bruges. Gevinsterne er ikke kun teoretiske – Perplexity offentliggjorde tidlige interne målinger direkte på sin blog :

Disse gevinster akkumuleres over tid – brugere, der bruger Brain længere, oplever større forbedringer, efterhånden som agenterne lærer deres specifikke arbejdsmønstre .

Hvorfor dette er et skift fra statsløse til tilstandsafhængige agenter

Brain repræsenterer et grundlæggende arkitektonisk skift i, hvordan AI-agenter fungerer. De fleste agenter i dag er statsløse – de starter hver opgave fra bunden uden hukommelse af tidligere arbejde. Brugere skal genforklare kontekst, genetablere præferencer og gentræne agenten på deres arbejdsgange hver gang.

Brain gør agenter tilstandsafhængige. Hver ny opgave kobles ind i den vedvarende kontekstgraf af tidligere projekter, beslutninger og rettelser . Computer begynder hver opgave med fuld kontekst i stedet for ingenting, hvilket eliminerer redundant arbejde og reducerer fejl fra manglende historisk information .

Dette er forskelligt fra simpel samtalehukommelse (som husker chat-historik). Brain husker agentens operationelle viden – hvilke procedurer, værktøjer og kildemønstre der giver korrekte resultater .

Hvilke abonnementstyper tilbyder Brain?

Brain er tilgængelig som en research preview udelukkende for Perplexity Max-abonnenter (200 $/måned) . Det rulles først ud til Max, Perplexitys øverste forbrugerniveau, som også tilbyder ubegrænsede Pro-søgninger, fuld adgang til modeludvalget (inklusive GPT-5, Claude 4, Gemini) og tidlig adgang til nye funktioner .

Funktionen er ikke tilgængelig på gratisniveau, Pro (20 $/måned) eller Enterprise Pro ved lanceringen.

Hvor Brain passer ind i Computer-økosystemet

• Computer (lanceret februar 2026) er Perplexitys "general-purpose digital worker" – en agentisk platform, der tager høje mål i naturligt sprog, opdeler dem i underopgaver og udfører dem autonomt på tværs af internettet, API'er og brugerens softwarestak . Den orkestrerer omkring 19 forskellige AI-modeller for at fuldføre end-to-end-arbejdsgange .
• Brain er hukommelseslaget for Computer. Det gør Computer til et læringssystem, der bliver mere effektivt og præcist, jo mere det bruges .
• Perplexity har også en separat personlig hukommelsesfunktion (rullet ud tidligere til Pro- og Max-brugere), der husker brugerpræferencer og samtalehistorik for søge-/produktivitetsassistenten – Brain handler om agentisk arbejdshukommelse, ikke brugerpræferencehukommelse .

Hvordan Brain sammenlignes med konkurrerende hukommelsessystemer

Brains differentiering er tydelig: den husker agentens arbejde, ikke brugerens chat – og forbedrer sig selv automatisk natten over .

• Anthropic (Claude): Har begrænsede hukommelsesfunktioner til projekter og brugerdefinerede instruktioner, men intet selvforbedrende agenthukommelsessystem. Brains natlige selvgennemgangssløjfe er unik.
• OpenAI (ChatGPT/Operator): Tilbyder hukommelse af brugerpræferencer og samtalehistorik på tværs af chat, men OpenAIs agent (Operator) har ikke et rekursivt selvforbedrende hukommelsessystem, der fungerer offentlig.
• Google (Gemini): Hukommelse er primært fokuseret på personalisering, ikke agentisk arbejdshukommelse.
• Microsoft Copilot: Virksomhedshukommelse knyttet til Microsoft Graph (e-mails, dokumenter), men ikke en selvforbedrende agenthukommelse, der lærer af opgaveudførelsesmønstre.

Brain gør Perplexity til en klar first-mover inden for tilstandsafhængig, selvforbedrende agenthukommelse – en kategori, som de fleste konkurrenter endnu ikke har adresseret på produktniveau .

Sådan fungerer kontekstgrafen

Hver opgave, Computer udfører, kobles ind i en vedvarende kontekstgraf – et struktureret kort, der spænder over projekter, forbindelser, filer, artefakter, beslutninger og kilder . Denne graf vokser med hver session og skaber en rig operationel historie, som fremtidige opgaver automatisk kan trække på.

I modsætning til simpel samtalehukommelse (som gemmer chatlogs) fanger Brain agentens proceduremæssige viden: hvilke arbejdsgange der giver korrekte resultater, hvilke tilgange der blev rettet af brugeren, og hvilke kildemønstre der er mest pålidelige .

Selvforbedringsløkken natten over

Brains mest markante træk er evnen til at forbedre sig selv automatisk. Med jævne mellemrum – typisk natten over – gennemgår Brain hele kontekstgrafen og opdaterer sin egen forståelse af, hvordan man gør lignende arbejde bedre . Det betyder:

• Læring af succes: Mønstre, der førte til korrekte output, forstærkes.
• Læring af fejl: Fejl og brugerrettelser analyseres og bruges til at justere fremtidig adfærd.
• Rekursiv forbedring: Efterhånden som agenter bliver mere effektive til at opdatere kontekstgrafen, vokser Brains videnskvalitet .

Resultatet er et system, der bliver skarpere, jo mere det bruges. Gevinsterne er ikke kun teoretiske – Perplexity offentliggjorde tidlige interne målinger direkte på sin blog :

Disse gevinster akkumuleres over tid – brugere, der bruger Brain længere, oplever større forbedringer, efterhånden som agenterne lærer deres specifikke arbejdsmønstre .

Hvorfor dette er et skift fra statsløse til tilstandsafhængige agenter

Brain repræsenterer et grundlæggende arkitektonisk skift i, hvordan AI-agenter fungerer. De fleste agenter i dag er statsløse – de starter hver opgave fra bunden uden hukommelse af tidligere arbejde. Brugere skal genforklare kontekst, genetablere præferencer og gentræne agenten på deres arbejdsgange hver gang.

Brain gør agenter tilstandsafhængige. Hver ny opgave kobles ind i den vedvarende kontekstgraf af tidligere projekter, beslutninger og rettelser . Computer begynder hver opgave med fuld kontekst i stedet for ingenting, hvilket eliminerer redundant arbejde og reducerer fejl fra manglende historisk information .

Dette er forskelligt fra simpel samtalehukommelse (som husker chat-historik). Brain husker agentens operationelle viden – hvilke procedurer, værktøjer og kildemønstre der giver korrekte resultater .

Hvilke abonnementstyper tilbyder Brain?

Brain er tilgængelig som en research preview udelukkende for Perplexity Max-abonnenter (200 $/måned) . Det rulles først ud til Max, Perplexitys øverste forbrugerniveau, som også tilbyder ubegrænsede Pro-søgninger, fuld adgang til modeludvalget (inklusive GPT-5, Claude 4, Gemini) og tidlig adgang til nye funktioner .

Funktionen er ikke tilgængelig på gratisniveau, Pro (20 $/måned) eller Enterprise Pro ved lanceringen.

Hvor Brain passer ind i Computer-økosystemet

• Computer (lanceret februar 2026) er Perplexitys "general-purpose digital worker" – en agentisk platform, der tager høje mål i naturligt sprog, opdeler dem i underopgaver og udfører dem autonomt på tværs af internettet, API'er og brugerens softwarestak . Den orkestrerer omkring 19 forskellige AI-modeller for at fuldføre end-to-end-arbejdsgange .
• Brain er hukommelseslaget for Computer. Det gør Computer til et læringssystem, der bliver mere effektivt og præcist, jo mere det bruges .
• Perplexity har også en separat personlig hukommelsesfunktion (rullet ud tidligere til Pro- og Max-brugere), der husker brugerpræferencer og samtalehistorik for søge-/produktivitetsassistenten – Brain handler om agentisk arbejdshukommelse, ikke brugerpræferencehukommelse .

Hvordan Brain sammenlignes med konkurrerende hukommelsessystemer

Brains differentiering er tydelig: den husker agentens arbejde, ikke brugerens chat – og forbedrer sig selv automatisk natten over .

• Anthropic (Claude): Har begrænsede hukommelsesfunktioner til projekter og brugerdefinerede instruktioner, men intet selvforbedrende agenthukommelsessystem. Brains natlige selvgennemgangssløjfe er unik.
• OpenAI (ChatGPT/Operator): Tilbyder hukommelse af brugerpræferencer og samtalehistorik på tværs af chat, men OpenAIs agent (Operator) har ikke et rekursivt selvforbedrende hukommelsessystem, der fungerer offentlig.
• Google (Gemini): Hukommelse er primært fokuseret på personalisering, ikke agentisk arbejdshukommelse.
• Microsoft Copilot: Virksomhedshukommelse knyttet til Microsoft Graph (e-mails, dokumenter), men ikke en selvforbedrende agenthukommelse, der lærer af opgaveudførelsesmønstre.

Brain gør Perplexity til en klar first-mover inden for tilstandsafhængig, selvforbedrende agenthukommelse – en kategori, som de fleste konkurrenter endnu ikke har adresseret på produktniveau .