Hur kontextgrafen fungerar

Varje uppgift Computer utför kopplas in i en bestående kontextgraf – en strukturerad karta som spänner över projekt, kopplingar, filer, artefakter, beslut och källor . Denna graf växer med varje session och skapar en rik operationshistorik som framtida uppgifter automatiskt kan dra nytta av.

Till skillnad från enkelt samtalsminne (som lagrar chattloggar) fångar Brain agentens procedurella kunskap: vilka arbetsflöden som ger korrekta resultat, vilka tillvägagångssätt som korrigerades av användaren och vilka källmönster som är mest pålitliga .

Självförbättringsloopen över natten

Brains mest utmärkande egenskap är dess förmåga att förbättras autonomt. Med jämna mellanrum – vanligtvis över natten – granskar Brain hela kontextgrafen och uppdaterar sin egen förståelse för hur man gör liknande arbete bättre . Detta innebär:

• Lär sig av framgång: Mönster som ledde till korrekta utdata förstärks.
• Lär sig av misslyckanden: Misstag och användarkorrigeringar analyseras och används för att justera framtida beteende.
• Rekursiv förbättring: I takt med att agenter blir effektivare på att uppdatera kontextgrafen, ökar Brains kunskapskvalitet exponentiellt .

Resultatet är ett system som blir smartare ju mer det används. Vinsterna är inte bara teoretiska – Perplexity publicerade tidiga interna mätningar direkt på sin blogg :

Dessa vinster ackumuleras över tid – användare som använder Brain längre ser större förbättringar när agenterna lär sig deras specifika arbetsmönster .

Varför detta är en övergång från tillståndslösa till tillståndsburna agenter

Brain representerar ett fundamentalt arkitektoniskt skifte i hur AI-agenter fungerar. De flesta agenter idag är tillståndslösa – de börjar varje uppgift från grunden, utan minne av tidigare arbete. Användare måste återigen förklara sammanhang, återetablera preferenser och återträna agenten på sina arbetsflöden varje gång.

Brain gör agenter tillståndsburna. Varje ny uppgift kopplas in i den bestående kontextgrafen över tidigare projekt, beslut och korrigeringar . Computer börjar varje uppgift med full kontext istället för från ingenting, vilket eliminerar redundant arbete och minskar fel från saknad historisk information .

Detta skiljer sig från enkelt samtalsminne (som kommer ihåg chattloggar). Brain kommer ihåg agentens operationella kunskap – vilka procedurer, verktyg och källmönster som producerar korrekta resultat .

Vilka prenumerationsnivåer erbjuder Brain

Brain är tillgängligt som en forskningsförhandsvisning exklusivt för Perplexity Max-prenumeranter (200 $/månad) . Det rullas ut först till Max, Perplexites högsta konsumentnivå, som också erbjuder obegränsade Pro-sökningar, full tillgång till modellutbudet (inklusive GPT-5, Claude 4, Gemini) och tidig tillgång till nya funktioner .

Funktionen är inte tillgänglig på Free-, Pro- (20 $/månad) eller Enterprise Pro-nivåerna vid lanseringen.

Var Brain passar in i Computer-ekosystemet

• Computer (lanserad februari 2026) är Perplexitys "allmänna digitala arbetare" – en agentisk plattform som tar högnivåmål på naturligt språk, delar upp dem i deluppgifter och utför dem autonomt över webben, API:er och användarens programvarustack . Den orkestrerar cirka 19 olika AI-modeller för att slutföra hela arbetsflöden .
• Brain är minneslagret för Computer. Det gör Computer till ett lärande system som blir mer effektivt och korrekt ju mer det används .
• Perplexity har också en separat personanpassningsminnesfunktion (rullades ut tidigare till Pro- och Max-användare) som kommer ihåg användarpreferenser och samtalshistorik för sök-/produktivitetsassistenten – Brain handlar om agentiskt arbetsminne, inte användarpreferensminne .

Hur Brain jämför med konkurrerande minnessystem

Brains differentiering är tydlig: det kommer ihåg agentens arbete, inte användarens chatt – och det förbättrar sig själv autonomt över natten .

• Anthropic (Claude): Har begränsade minnesfunktioner för projekt och anpassade instruktioner men inget självförbättrande agentminnessystem. Brains självgranskningsloop över natten är unik.
• OpenAI (ChatGPT/Operator): Erbjuder minne av användarpreferenser och samtalshistorik i chatten, men OpenAI:s agent (Operator) har inget rekursivt självförbättrande minnessystem som fungerar offline.
• Google (Gemini): Minne är främst fokuserat på personanpassning, inte agentiskt arbetsminne.
• Microsoft Copilot: Företagsminne kopplat till Microsoft Graph (e-post, dokument), men inte ett självförbättrande agentminne som lär sig av uppgiftsutförandemönster.

Brain gör Perplexity till en tydlig första aktör inom tillståndsberett, självförbättrande agentminne – en kategori som de flesta konkurrenter ännu inte har adresserat på produktnivå .

Hur kontextgrafen fungerar

Varje uppgift Computer utför kopplas in i en bestående kontextgraf – en strukturerad karta som spänner över projekt, kopplingar, filer, artefakter, beslut och källor . Denna graf växer med varje session och skapar en rik operationshistorik som framtida uppgifter automatiskt kan dra nytta av.

Till skillnad från enkelt samtalsminne (som lagrar chattloggar) fångar Brain agentens procedurella kunskap: vilka arbetsflöden som ger korrekta resultat, vilka tillvägagångssätt som korrigerades av användaren och vilka källmönster som är mest pålitliga .

Självförbättringsloopen över natten

Brains mest utmärkande egenskap är dess förmåga att förbättras autonomt. Med jämna mellanrum – vanligtvis över natten – granskar Brain hela kontextgrafen och uppdaterar sin egen förståelse för hur man gör liknande arbete bättre . Detta innebär:

• Lär sig av framgång: Mönster som ledde till korrekta utdata förstärks.
• Lär sig av misslyckanden: Misstag och användarkorrigeringar analyseras och används för att justera framtida beteende.
• Rekursiv förbättring: I takt med att agenter blir effektivare på att uppdatera kontextgrafen, ökar Brains kunskapskvalitet exponentiellt .

Resultatet är ett system som blir smartare ju mer det används. Vinsterna är inte bara teoretiska – Perplexity publicerade tidiga interna mätningar direkt på sin blogg :

Dessa vinster ackumuleras över tid – användare som använder Brain längre ser större förbättringar när agenterna lär sig deras specifika arbetsmönster .

Varför detta är en övergång från tillståndslösa till tillståndsburna agenter

Brain representerar ett fundamentalt arkitektoniskt skifte i hur AI-agenter fungerar. De flesta agenter idag är tillståndslösa – de börjar varje uppgift från grunden, utan minne av tidigare arbete. Användare måste återigen förklara sammanhang, återetablera preferenser och återträna agenten på sina arbetsflöden varje gång.

Brain gör agenter tillståndsburna. Varje ny uppgift kopplas in i den bestående kontextgrafen över tidigare projekt, beslut och korrigeringar . Computer börjar varje uppgift med full kontext istället för från ingenting, vilket eliminerar redundant arbete och minskar fel från saknad historisk information .

Detta skiljer sig från enkelt samtalsminne (som kommer ihåg chattloggar). Brain kommer ihåg agentens operationella kunskap – vilka procedurer, verktyg och källmönster som producerar korrekta resultat .

Vilka prenumerationsnivåer erbjuder Brain

Brain är tillgängligt som en forskningsförhandsvisning exklusivt för Perplexity Max-prenumeranter (200 $/månad) . Det rullas ut först till Max, Perplexites högsta konsumentnivå, som också erbjuder obegränsade Pro-sökningar, full tillgång till modellutbudet (inklusive GPT-5, Claude 4, Gemini) och tidig tillgång till nya funktioner .

Funktionen är inte tillgänglig på Free-, Pro- (20 $/månad) eller Enterprise Pro-nivåerna vid lanseringen.

Var Brain passar in i Computer-ekosystemet

• Computer (lanserad februari 2026) är Perplexitys "allmänna digitala arbetare" – en agentisk plattform som tar högnivåmål på naturligt språk, delar upp dem i deluppgifter och utför dem autonomt över webben, API:er och användarens programvarustack . Den orkestrerar cirka 19 olika AI-modeller för att slutföra hela arbetsflöden .
• Brain är minneslagret för Computer. Det gör Computer till ett lärande system som blir mer effektivt och korrekt ju mer det används .
• Perplexity har också en separat personanpassningsminnesfunktion (rullades ut tidigare till Pro- och Max-användare) som kommer ihåg användarpreferenser och samtalshistorik för sök-/produktivitetsassistenten – Brain handlar om agentiskt arbetsminne, inte användarpreferensminne .

Hur Brain jämför med konkurrerande minnessystem

Brains differentiering är tydlig: det kommer ihåg agentens arbete, inte användarens chatt – och det förbättrar sig själv autonomt över natten .

• Anthropic (Claude): Har begränsade minnesfunktioner för projekt och anpassade instruktioner men inget självförbättrande agentminnessystem. Brains självgranskningsloop över natten är unik.
• OpenAI (ChatGPT/Operator): Erbjuder minne av användarpreferenser och samtalshistorik i chatten, men OpenAI:s agent (Operator) har inget rekursivt självförbättrande minnessystem som fungerar offline.
• Google (Gemini): Minne är främst fokuserat på personanpassning, inte agentiskt arbetsminne.
• Microsoft Copilot: Företagsminne kopplat till Microsoft Graph (e-post, dokument), men inte ett självförbättrande agentminne som lär sig av uppgiftsutförandemönster.

Brain gör Perplexity till en tydlig första aktör inom tillståndsberett, självförbättrande agentminne – en kategori som de flesta konkurrenter ännu inte har adresserat på produktnivå .