CEO Aravind Srinivas sagte gegenüber Semafor, Perplexity habe eine annualisierte Umsatzrate von 1 Mrd. Dollar überschritten.
Warum es wichtig ist: Agenten-Produkte erzielen inzwischen echte Umsätze, was Käufern hilft einzuschätzen, wie ausgereift die Anbieter von Agenten sind. Die Umsatzzahl stammt vom CEO und ist nicht geprüft.
Mit der neuen Monitor API von Perplexity können Entwickler ein Thema oder eine Seite beobachten und erhalten einen Webhook, sobald sich etwas Relevantes ändert.
Warum es wichtig ist: Webhook-basiertes Monitoring bietet Entwicklern von KI-Agenten eine Push-basierte Alternative dazu, Seiten regelmäßig auf Änderungen abzufragen.
Decider v1.3 von Perplexity bringt eine Locate-Aufgabe, die Span-Offsets liefert. Laut Unternehmen schlägt das Modell die eigenen Klassifikatoren im Produktivbetrieb um 6,54 Punkte.
Warum es wichtig ist: Teams, die Extraktion oder PII-Schwärzung betreiben, könnten ein kostenloses Modell, das auf Span-Ebene arbeitet, gegen ihre aktuellen Klassifikatoren testen.
THE DECODER berichtet, dass Perplexity dauerhaft aktive Agenten für laufende Arbeit eingeführt hat.
Warum es wichtig ist: Dauerhaft laufende Agenten, die ohne Sitzung arbeiten, stellen höhere Anforderungen an Überwachung und Berechtigungskontrollen in betrieblichen Abläufen.
Perplexity hat mit Embed v2 Context Vision-Language-Embedding-Modelle mit offenen Gewichten in den Größen 9B und 600M veröffentlicht. Sie dienen der Suche in Texten, Bildern und PDFs.
Warum es wichtig ist: Offene Embedding-Modelle, die auch visuelle Dokumente verarbeiten, könnten den Aufbau einer Suche über gescannte oder bildlastige Unternehmensdateien vereinfachen.