Perplexity Brain, presentado el 11 de junio de 2026, es un sistema de memoria auto mejorable que construye un grafo de contexto de cada tarea que ejecuta Perplexity Computer, y luego lo revisa y aprende de él durante... Brain es exclusivo para suscriptores de Perplexity Max ($200/mes) como vista previa de investigac...
Respuesta de investigación

Create a landscape editorial hero image for this Studio Global article: What is Perplexity Brain, how does its self-improving memory system work for the Computer agent platform, what performance improvements does. Article summary: ## What is Perplexity Brain. Topic tags: general, documentation, general web, user generated, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
La mayoría de los sistemas de memoria en inteligencia artificial están diseñados para recordarte a ti: tu nombre, tus preferencias, el historial de tus conversaciones. Pero Perplexity Brain, lanzado el 11 de junio de 2026, adopta un enfoque radicalmente distinto: recuerda lo que hizo el agente .
Brain es un sistema de memoria auto-mejorable para Perplexity Computer, la plataforma de agentes de IA de la compañía. En lugar de almacenar datos triviales del usuario, construye un registro estructurado de cada tarea que el agente ejecuta: qué funcionó, qué falló, qué correcciones se hicieron y qué fuentes resultaron más útiles. Luego, en intervalos programados (generalmente durante la noche), revisa ese registro y se enseña a sí mismo cómo hacer mejor el trabajo .
Cada tarea que Computer realiza se conecta a un grafo de contexto persistente —un mapa estructurado que abarca proyectos, conectores, archivos, artefactos, decisiones y fuentes . Este grafo crece con cada sesión, creando un rico historial operativo del que las tareas futuras pueden beneficiarse automáticamente.
A diferencia de la memoria conversacional simple (que almacena registros de chat), Brain captura el conocimiento procedimental del agente: qué flujos de trabajo producen resultados correctos, qué enfoques fueron corregidos por el usuario y qué patrones de fuentes son más confiables .
La característica más distintiva de Brain es su capacidad de mejorar de forma autónoma. En intervalos regulares —normalmente por la noche— Brain revisa todo el grafo de contexto y actualiza su propio entendimiento de cómo hacer mejor un trabajo similar . Esto implica:
El resultado es un sistema que se vuelve más inteligente cuanto más se usa. Las ganancias no son solo teóricas: Perplexity publicó mediciones internas tempranas directamente en su blog :
| Métrica | Mejora |
|---|---|
| Precisión de respuestas | +25% en tareas que Computer ya había visto antes |
| Recuperación de contexto | +16% en tareas que requieren contexto histórico |
| Costo por tarea | -13% en tareas que necesitan contexto pasado |
Estas ganancias se acumulan con el tiempo: los usuarios que usan Brain durante más tiempo ven mejoras mayores, ya que los agentes aprenden sus patrones de trabajo específicos .
Brain representa un cambio arquitectónico fundamental en la forma en que operan los agentes de IA. La mayoría de los agentes hoy en día son sin estado —comienzan cada tarea desde cero, sin memoria del trabajo pasado. Los usuarios deben reexplicar el contexto, restablecer preferencias y volver a entrenar al agente en sus flujos de trabajo cada vez.
Brain hace que los agentes tengan estado. Cada nueva tarea se conecta al grafo de contexto persistente de proyectos, decisiones y correcciones anteriores . Computer comienza cada tarea con contexto completo en lugar de desde cero, eliminando trabajo redundante y reduciendo errores por falta de información histórica
.
Esto es distinto de la memoria conversacional simple (que recuerda el historial de chat). Brain recuerda el conocimiento operativo del agente —qué procedimientos, herramientas y patrones de fuentes producen resultados correctos .
Brain está disponible como una vista previa de investigación exclusivamente para suscriptores de Perplexity Max ($200/mes) . Se está implementando primero en Max, el nivel de consumo más alto de Perplexity, que también ofrece búsquedas Pro ilimitadas, acceso completo a la línea de modelos (incluyendo GPT-5, Claude 4, Gemini) y acceso anticipado a nuevas funciones
.
La función no está disponible en los niveles Gratuito, Pro ($20/mes) o Enterprise Pro en el lanzamiento.
La diferenciación de Brain es clara: recuerda el trabajo del agente, no el chat del usuario — y se mejora a sí mismo de forma autónoma durante la noche .
Brain convierte a Perplexity en un claro pionero en la memoria de agentes con estado y auto-mejorable —una categoría que la mayoría de los competidores aún no han abordado a nivel de producto .
Studio Global AI
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
Perplexity Brain, presentado el 11 de junio de 2026, es un sistema de memoria auto mejorable que construye un grafo de contexto de cada tarea que ejecuta Perplexity Computer, y luego lo revisa y aprende de él durante...
Perplexity Brain, presentado el 11 de junio de 2026, es un sistema de memoria auto mejorable que construye un grafo de contexto de cada tarea que ejecuta Perplexity Computer, y luego lo revisa y aprende de él durante... Brain es exclusivo para suscriptores de Perplexity Max ($200/mes) como vista previa de investigación, y representa un salto de agentes sin estado (que empiezan cada tarea desde cero) a agentes con estado que retienen...
A diferencia de los sistemas de memoria de Anthropic, OpenAI o Google —que recuerdan preferencias del usuario o el historial de chat— Brain recuerda el trabajo del propio agente: qué procedimientos, fuentes y correcci...