Hvordan kontekstgrafen fungerer

Hver oppgave Computer utfører, kobles inn i en permanent kontekstgraf – et strukturert kart som spenner over prosjekter, koblinger, filer, artefakter, beslutninger og kilder . Denne grafen vokser for hver økt og skaper en rik operasjonell historie som fremtidige oppgaver automatisk kan dra nytte av.

Til forskjell fra enkel samtalelagring (som bare lagrer chatlogger) fanger Brain opp agentens prosedyrekunnskap: hvilke arbeidsflyter gir korrekte resultater, hvilke tilnærminger ble korrigert av brukeren, og hvilke kildemønstre er mest pålitelige .

Den automatiske natteforbedringen

Brains mest særegne egenskap er evnen til å forbedre seg selv. Med jevne mellomrom – typisk om natten – gjennomgår Brain hele kontekstgrafen og oppdaterer sin egen forståelse av hvordan lignende arbeid kan gjøres bedre . Dette betyr:

• Læring av suksess: Mønstre som førte til korrekte resultater, forsterkes.
• Læring av feil: Feil og brukerkorrigeringer analyseres og brukes til å justere fremtidig atferd.
• Rekursiv forbedring: Ettersom agentene blir mer effektive til å oppdatere kontekstgrafen, blir Brains kunnskapskvalitet stadig bedre .

Resultatet er et system som blir smartere jo mer det brukes. Forbedringene er ikke bare teoretiske – Perplexity publiserte tidlige interne målinger direkte på bloggen sin :

Disse gevinstene akkumuleres over tid – brukere som bruker Brain lenger, ser større forbedringer ettersom agentene lærer deres spesifikke arbeidsmønstre .

Hvorfor dette er et skifte fra tilstandsløse til tilstandsbevisste agenter

Brain representerer et grunnleggende arkitekturskifte i hvordan KI-agenter fungerer. De fleste agenter i dag er tilstandsløse – de starter hver oppgave fra bunnen av, uten minne om tidligere arbeid. Brukere må forklare kontekst på nytt, etablere preferanser på nytt og gjenopplære agenten for hver gang.

Brain gjør agenter tilstandsbevisste. Hver ny oppgave kobles inn i den permanente kontekstgrafen med tidligere prosjekter, beslutninger og korrigeringer . Computer starter hver oppgave med full kontekst i stedet for fra ingenting, noe som eliminerer overflødig arbeid og reduserer feil som skyldes manglende historisk informasjon .

Dette er forskjellig fra enkel samtalelagring (som husker chatlogg). Brain husker agentens operasjonelle kunnskap – hvilke prosedyrer, verktøy og kildemønstre som gir korrekte resultater .

Hvilke abonnementsnivåer tilbyr Brain?

Brain er tilgjengelig som en forskningsforhåndsvisning eksklusivt for Perplexity Max-abonnenter (200 dollar/måned) . Det rulles ut først til Max, Perplexics toppnivå for forbrukere, som også gir ubegrensede Pro-søk, tilgang til hele modellutvalget (inkludert GPT-5, Claude 4, Gemini) og tidlig tilgang til nye funksjoner .

Funksjonen er ikke tilgjengelig på gratis-, Pro- (20 dollar/måned) eller Enterprise Pro-nivåene ved lansering.

Hvor Brain passer inn i Computer-økosystemet

• Computer (lansert februar 2026) er Perplexitys «generelle digitale arbeider» – en agentisk plattform som tar høynivåmål på naturlig språk, deler dem opp i deloppgaver og utfører dem autonomt på tvers av nettet, API-er og brukerens programvare . Plattformen orkestrerer omtrent 19 ulike KI-modeller for å fullføre ende-til-ende-arbeidsflyter .
• Brain er minnelaget for Computer. Det gjør Computer til et læringssystem som blir mer effektivt og nøyaktig jo mer det brukes .
• Perplexity har også en separat personliggjøringsfunksjon (rullet ut tidligere til Pro- og Max-brukere) som husker brukerpreferanser og samtalelogg for søk/produktivitetsassistenten – Brain handler om agentisk arbeidsminne, ikke brukerpreferanser .

Hvordan Brain sammenlignes med konkurrentenes minnesystemer

Brains særpreg er tydelig: det husker agentens arbeid, ikke brukerens chat – og det forbedrer seg selv autonomt over natten .

• Anthropic (Claude): Har begrensede minnefunksjoner for prosjekter og egne instruksjoner, men ikke noe selvforbedrende agentminne. Brains nattegjennomgang er unik.
• OpenAI (ChatGPT/Operator): Tilbyr minne om brukerpreferanser og samtalelogg på tvers av chat, men OpenAIs agent (Operator) har ikke et rekursivt selvforbedrende minnesystem som fungerer offline.
• Google (Gemini): Minnet er hovedsakelig fokusert på personliggjøring, ikke agentisk arbeidsminne.
• Microsoft Copilot: Bedriftsminne knyttet til Microsoft Graph (e-post, dokumenter), men ikke et selvforbedrende agentminne som lærer av oppgaveutførelsesmønstre.

Brain gjør Perplexity til en tydelig førstebeveger innen tilstandsbevisst, selvforbedrende agentminne – en kategori som de fleste konkurrenter ennå ikke har adressert på produktnivå .

Hvordan kontekstgrafen fungerer

Hver oppgave Computer utfører, kobles inn i en permanent kontekstgraf – et strukturert kart som spenner over prosjekter, koblinger, filer, artefakter, beslutninger og kilder . Denne grafen vokser for hver økt og skaper en rik operasjonell historie som fremtidige oppgaver automatisk kan dra nytte av.

Til forskjell fra enkel samtalelagring (som bare lagrer chatlogger) fanger Brain opp agentens prosedyrekunnskap: hvilke arbeidsflyter gir korrekte resultater, hvilke tilnærminger ble korrigert av brukeren, og hvilke kildemønstre er mest pålitelige .

Den automatiske natteforbedringen

Brains mest særegne egenskap er evnen til å forbedre seg selv. Med jevne mellomrom – typisk om natten – gjennomgår Brain hele kontekstgrafen og oppdaterer sin egen forståelse av hvordan lignende arbeid kan gjøres bedre . Dette betyr:

• Læring av suksess: Mønstre som førte til korrekte resultater, forsterkes.
• Læring av feil: Feil og brukerkorrigeringer analyseres og brukes til å justere fremtidig atferd.
• Rekursiv forbedring: Ettersom agentene blir mer effektive til å oppdatere kontekstgrafen, blir Brains kunnskapskvalitet stadig bedre .

Resultatet er et system som blir smartere jo mer det brukes. Forbedringene er ikke bare teoretiske – Perplexity publiserte tidlige interne målinger direkte på bloggen sin :

Disse gevinstene akkumuleres over tid – brukere som bruker Brain lenger, ser større forbedringer ettersom agentene lærer deres spesifikke arbeidsmønstre .

Hvorfor dette er et skifte fra tilstandsløse til tilstandsbevisste agenter

Brain representerer et grunnleggende arkitekturskifte i hvordan KI-agenter fungerer. De fleste agenter i dag er tilstandsløse – de starter hver oppgave fra bunnen av, uten minne om tidligere arbeid. Brukere må forklare kontekst på nytt, etablere preferanser på nytt og gjenopplære agenten for hver gang.

Brain gjør agenter tilstandsbevisste. Hver ny oppgave kobles inn i den permanente kontekstgrafen med tidligere prosjekter, beslutninger og korrigeringer . Computer starter hver oppgave med full kontekst i stedet for fra ingenting, noe som eliminerer overflødig arbeid og reduserer feil som skyldes manglende historisk informasjon .

Dette er forskjellig fra enkel samtalelagring (som husker chatlogg). Brain husker agentens operasjonelle kunnskap – hvilke prosedyrer, verktøy og kildemønstre som gir korrekte resultater .

Hvilke abonnementsnivåer tilbyr Brain?

Brain er tilgjengelig som en forskningsforhåndsvisning eksklusivt for Perplexity Max-abonnenter (200 dollar/måned) . Det rulles ut først til Max, Perplexics toppnivå for forbrukere, som også gir ubegrensede Pro-søk, tilgang til hele modellutvalget (inkludert GPT-5, Claude 4, Gemini) og tidlig tilgang til nye funksjoner .

Funksjonen er ikke tilgjengelig på gratis-, Pro- (20 dollar/måned) eller Enterprise Pro-nivåene ved lansering.

Hvor Brain passer inn i Computer-økosystemet

• Computer (lansert februar 2026) er Perplexitys «generelle digitale arbeider» – en agentisk plattform som tar høynivåmål på naturlig språk, deler dem opp i deloppgaver og utfører dem autonomt på tvers av nettet, API-er og brukerens programvare . Plattformen orkestrerer omtrent 19 ulike KI-modeller for å fullføre ende-til-ende-arbeidsflyter .
• Brain er minnelaget for Computer. Det gjør Computer til et læringssystem som blir mer effektivt og nøyaktig jo mer det brukes .
• Perplexity har også en separat personliggjøringsfunksjon (rullet ut tidligere til Pro- og Max-brukere) som husker brukerpreferanser og samtalelogg for søk/produktivitetsassistenten – Brain handler om agentisk arbeidsminne, ikke brukerpreferanser .

Hvordan Brain sammenlignes med konkurrentenes minnesystemer

Brains særpreg er tydelig: det husker agentens arbeid, ikke brukerens chat – og det forbedrer seg selv autonomt over natten .

• Anthropic (Claude): Har begrensede minnefunksjoner for prosjekter og egne instruksjoner, men ikke noe selvforbedrende agentminne. Brains nattegjennomgang er unik.
• OpenAI (ChatGPT/Operator): Tilbyr minne om brukerpreferanser og samtalelogg på tvers av chat, men OpenAIs agent (Operator) har ikke et rekursivt selvforbedrende minnesystem som fungerer offline.
• Google (Gemini): Minnet er hovedsakelig fokusert på personliggjøring, ikke agentisk arbeidsminne.
• Microsoft Copilot: Bedriftsminne knyttet til Microsoft Graph (e-post, dokumenter), men ikke et selvforbedrende agentminne som lærer av oppgaveutførelsesmønstre.

Brain gjør Perplexity til en tydelig førstebeveger innen tilstandsbevisst, selvforbedrende agentminne – en kategori som de fleste konkurrenter ennå ikke har adressert på produktnivå .