Как работает контекстный граф

Каждая задача, выполняемая Computer, встраивается в постоянный контекстный граф — структурированную карту, охватывающую проекты, коннекторы, файлы, артефакты, решения и источники . Этот граф растет с каждым сеансом, создавая богатую операционную историю, которую будущие задачи могут автоматически использовать.

В отличие от простой памяти диалогов (которая хранит логи чатов), Brain фиксирует процедурные знания агента: какие рабочие процессы приводят к правильным результатам, какие подходы были скорректированы пользователем, какие шаблоны источников наиболее надежны .

Ночной цикл самосовершенствования

Самая отличительная особенность Brain — способность улучшаться автономно. Через заданные промежутки времени, обычно ночью, Brain анализирует весь контекстный граф и обновляет собственное понимание того, как лучше выполнять аналогичную работу в будущем . Это означает:

• Обучение на успехах: Паттерны, приводящие к правильным результатам, закрепляются.
• Обучение на ошибках: Ошибки и исправления пользователя анализируются и используются для корректировки будущего поведения.
• Рекурсивное улучшение: По мере того как агенты становятся эффективнее в обновлении контекстного графа, качество знаний Brain растет по нарастающей .

Результат — система, которая становится умнее с каждым использованием. Улучшения не просто теоретические — Perplexity опубликовала ранние внутренние замеры в своем блоге :

Эти улучшения накапливаются со временем — пользователи, которые активно используют Brain, видят все больший прогресс по мере того, как агенты изучают их конкретные рабочие шаблоны .

Почему это переход от статичных к «состоятельным» агентам

Brain представляет собой фундаментальный архитектурный сдвиг в работе ИИ-агентов. Большинство современных агентов являются статичными (stateless) — они начинают каждую задачу с нуля, не имея памяти о прошлой работе. Пользователи вынуждены каждый раз заново объяснять контекст, устанавливать предпочтения и переобучать агента своим рабочим процессам.

Brain делает агентов «состоятельными» (stateful). Каждая новая задача подключается к постоянному контекстному графу предыдущих проектов, решений и исправлений . Computer начинает задачу с полным контекстом вместо пустого места, устраняя дублирующую работу и снижая количество ошибок из-за отсутствия исторической информации .

Это отличается от простой памяти диалогов (которая запоминает историю чатов). Brain запоминает операционные знания агента — какие процедуры, инструменты и источники приводят к правильным результатам .

Какие подписки дают доступ к Brain

Brain доступен в рамках исследовательского превью исключительно для подписчиков Perplexity Max ($200/месяц) . Функция разворачивается в первую очередь для Max — топового потребительского тарифа Perplexity, который также предлагает неограниченные Pro-поиски, доступ к полному набору моделей (включая GPT-5, Claude 4, Gemini) и ранний доступ к новым функциям .

Функция недоступна на бесплатном тарифе, тарифе Pro ($20/месяц) или Enterprise Pro на момент запуска.

Место Brain в экосистеме Computer

• Computer (запущен в феврале 2026 года) — это «цифровой работник общего назначения» от Perplexity: агентная платформа, которая принимает высокоуровневые цели на естественном языке, разбивает их на подзадачи и автономно выполняет через веб, API и программный стек пользователя . Она оркестрирует около 19 различных ИИ-моделей для выполнения сквозных рабочих процессов .
• Brain — это слой памяти для Computer. Он превращает Computer в обучающуюся систему, которая становится эффективнее и точнее по мере использования .
• У Perplexity также есть отдельная функция памяти персонализации (развернутая ранее для пользователей Pro и Max), которая запоминает предпочтения пользователя и историю разговоров для поискового/продуктивного ассистента. Brain же отвечает за память агентной работы, а не за память предпочтений пользователя .

Сравнение с системами памяти конкурентов

Отличие Brain очевидно: он запоминает работу агента, а не чат пользователя — и самостоятельно улучшается в автономном режиме за ночь .

• Anthropic (Claude): Имеет ограниченные функции памяти для проектов и пользовательских инструкций, но не имеет самообучающейся системы памяти для агентов. Ночной цикл самопроверки Brain уникален.
• OpenAI (ChatGPT/Operator): Предлагает память предпочтений пользователя и истории разговоров, но агент OpenAI (Operator) не имеет рекурсивной самообучающейся системы памяти, работающей в офлайн-режиме.
• Google (Gemini): Память в основном ориентирована на персонализацию, а не на агентную рабочую память.
• Microsoft Copilot: Корпоративная память привязана к Microsoft Graph (письма, документы), но не является самообучающейся памятью агента, которая учится на паттернах выполнения задач.

Brain делает Perplexity явным первопроходцем в области «состоятельной», самообучающейся памяти для агентов — категории, которую большинство конкурентов пока не реализовали на уровне продукта .

Как работает контекстный граф

Каждая задача, выполняемая Computer, встраивается в постоянный контекстный граф — структурированную карту, охватывающую проекты, коннекторы, файлы, артефакты, решения и источники . Этот граф растет с каждым сеансом, создавая богатую операционную историю, которую будущие задачи могут автоматически использовать.

В отличие от простой памяти диалогов (которая хранит логи чатов), Brain фиксирует процедурные знания агента: какие рабочие процессы приводят к правильным результатам, какие подходы были скорректированы пользователем, какие шаблоны источников наиболее надежны .

Ночной цикл самосовершенствования

Самая отличительная особенность Brain — способность улучшаться автономно. Через заданные промежутки времени, обычно ночью, Brain анализирует весь контекстный граф и обновляет собственное понимание того, как лучше выполнять аналогичную работу в будущем . Это означает:

• Обучение на успехах: Паттерны, приводящие к правильным результатам, закрепляются.
• Обучение на ошибках: Ошибки и исправления пользователя анализируются и используются для корректировки будущего поведения.
• Рекурсивное улучшение: По мере того как агенты становятся эффективнее в обновлении контекстного графа, качество знаний Brain растет по нарастающей .

Результат — система, которая становится умнее с каждым использованием. Улучшения не просто теоретические — Perplexity опубликовала ранние внутренние замеры в своем блоге :

Эти улучшения накапливаются со временем — пользователи, которые активно используют Brain, видят все больший прогресс по мере того, как агенты изучают их конкретные рабочие шаблоны .

Почему это переход от статичных к «состоятельным» агентам

Brain представляет собой фундаментальный архитектурный сдвиг в работе ИИ-агентов. Большинство современных агентов являются статичными (stateless) — они начинают каждую задачу с нуля, не имея памяти о прошлой работе. Пользователи вынуждены каждый раз заново объяснять контекст, устанавливать предпочтения и переобучать агента своим рабочим процессам.

Brain делает агентов «состоятельными» (stateful). Каждая новая задача подключается к постоянному контекстному графу предыдущих проектов, решений и исправлений . Computer начинает задачу с полным контекстом вместо пустого места, устраняя дублирующую работу и снижая количество ошибок из-за отсутствия исторической информации .

Это отличается от простой памяти диалогов (которая запоминает историю чатов). Brain запоминает операционные знания агента — какие процедуры, инструменты и источники приводят к правильным результатам .

Какие подписки дают доступ к Brain

Brain доступен в рамках исследовательского превью исключительно для подписчиков Perplexity Max ($200/месяц) . Функция разворачивается в первую очередь для Max — топового потребительского тарифа Perplexity, который также предлагает неограниченные Pro-поиски, доступ к полному набору моделей (включая GPT-5, Claude 4, Gemini) и ранний доступ к новым функциям .

Функция недоступна на бесплатном тарифе, тарифе Pro ($20/месяц) или Enterprise Pro на момент запуска.

Место Brain в экосистеме Computer

• Computer (запущен в феврале 2026 года) — это «цифровой работник общего назначения» от Perplexity: агентная платформа, которая принимает высокоуровневые цели на естественном языке, разбивает их на подзадачи и автономно выполняет через веб, API и программный стек пользователя . Она оркестрирует около 19 различных ИИ-моделей для выполнения сквозных рабочих процессов .
• Brain — это слой памяти для Computer. Он превращает Computer в обучающуюся систему, которая становится эффективнее и точнее по мере использования .
• У Perplexity также есть отдельная функция памяти персонализации (развернутая ранее для пользователей Pro и Max), которая запоминает предпочтения пользователя и историю разговоров для поискового/продуктивного ассистента. Brain же отвечает за память агентной работы, а не за память предпочтений пользователя .

Сравнение с системами памяти конкурентов

Отличие Brain очевидно: он запоминает работу агента, а не чат пользователя — и самостоятельно улучшается в автономном режиме за ночь .

• Anthropic (Claude): Имеет ограниченные функции памяти для проектов и пользовательских инструкций, но не имеет самообучающейся системы памяти для агентов. Ночной цикл самопроверки Brain уникален.
• OpenAI (ChatGPT/Operator): Предлагает память предпочтений пользователя и истории разговоров, но агент OpenAI (Operator) не имеет рекурсивной самообучающейся системы памяти, работающей в офлайн-режиме.
• Google (Gemini): Память в основном ориентирована на персонализацию, а не на агентную рабочую память.
• Microsoft Copilot: Корпоративная память привязана к Microsoft Graph (письма, документы), но не является самообучающейся памятью агента, которая учится на паттернах выполнения задач.

Brain делает Perplexity явным первопроходцем в области «состоятельной», самообучающейся памяти для агентов — категории, которую большинство конкурентов пока не реализовали на уровне продукта .