7 минут, 4 листа Excel, 33 источника. Как Perplexity Computer сделал работу, на которую у меня уходил день

За 8 минут чтения вы поймёте, что такое Perplexity Computer, чем он отличается от всех кодинг-агентов, что он реально сделал на моей задаче — и получите 7 готовых промптов для трейдинга, разработки, маркетинга, образования, науки и фриланса.

Вчера я дал Perplexity Computer одну задачу.

Семь минут и семь секунд спустя в моей папке загрузок лежала таблица. Четыре листа. Тридцать три процитированных источника. Десять задокументированных расхождений в бенчмарках с указанием источников и объяснением каждого разрыва.

Потом я посмотрел, как он собрал файл. Он не экспортировал текст в таблицу. Он написал Python-скрипт — build_spreadsheet.py — и выполнил его.

Я уставился на экран. Потом закрыл свои 14 открытых вкладок.

Perplexity больше не поисковик. Это другая категория инструмента.

Что такое Perplexity Computer на самом деле

В октябре 2025-го я потратил 40 часов, изучая внутреннее 42-страничное руководство Perplexity по работе с исследованиями. Тот документ показал, как они думают о качестве исследований: цепочки цитирования, ранжирование источников, калибровка ответов. Каждая деталь была продумана.

Perplexity Computer — это слой исполнения, построенный на той же логике.

Он запущен 25 февраля 2026 года. В своей основе Computer — это мультимодельная агентная система, координирующая 19 ИИ-моделей в едином интерфейсе. Центральное рассуждение работает на Claude Opus 4.6 от Anthropic — он отвечает за оркестрацию и задачи кодирования. Когда нужно глубокое исследование, запрос маршрутизируется к Gemini. Быстрые фактологические проверки идут к Grok. Генерация изображений — к Nano Banana. Видеозадачи — к Veo 3.1.

Вы не даёте ему пошаговые инструкции. Вы даёте цель — «сравни расходы на R&D у этих трёх чипмейкеров» — и он разбивает её на подзадачи, выбирает подходящую модель для каждой, запускает их параллельно и собирает результат.

Это не автодополнение с поисковой строкой. Это исследовательский ассистент, работающий внутри неё.

Что я попросил его сделать

Я попросил Computer найти все ИИ-модели, выпущенные с 7 по 14 марта, собрать результаты бенчмарков минимум из трёх независимых источников по каждой модели, отметить все случаи, где два источника расходятся в одном и том же числе, и выстроить ранжирование по соотношению «стоимость / производительность».

Он работал 7 минут 7 секунд, потратил 363,20 кредита и выдал Excel-файл на 4 листа — 10 отмеченных расхождений в бенчмарках с указанием источников, ранжирование по стоимости/производительности для 7 моделей и 33 процитированных URL. Он не экспортировал текст в таблицу. Он написал Python-скрипт, запустил его, столкнулся с ошибками в процессе, сам отладил код и пересобрал файл начисто.

Последняя часть — ответ каждому, кто спрашивает, чем это отличается от глубокого веб-поиска.

В результатах были вещи, которых я не ожидал. Самое крупное расхождение: результат GPT-5.4 на GPQA Diamond — 92,8% в собственном блоге OpenAI и 74,8% по данным NxCode. Разрыв в 18 пунктов, объяснённый настройками reasoning effort, — Computer это отметил и привёл источники.

Самая полезная находка: Nemotron 3 Super от NVIDIA, выпущенный 11 марта по цене $0,10/$0,50 за миллион токенов, показал соотношение стоимость/производительность $0,37 — против $9,17 у GPT-5.4. Тот же уровень производительности, в 25 раз дешевле.

Я бы не стал делать эти расчёты вручную. Computer сделал их, не будучи об этом спрошен.

Кстати, если вы хотите сравнить разные ИИ-модели на своих задачах — не обязательно платить за каждую подписку отдельно. BotHub собирает ведущие мировые нейросети — GPT-4, Claude 3 и другие — в одном интерфейсе. Тестируйте, сравнивайте результаты, выбирайте лучший инструмент для конкретной задачи.

Для доступа не требуется VPN, можно использовать российскую карту.

По ссылке вы можете получить 300 000 бесплатных токенов  для первых задач и приступить к работе с нейросетями прямо сейчас!

Хватит сравнивать это с OpenClaw

Я постоянно вижу сравнения в соцсетях и на Reddit — «Perplexity Computer vs OpenClaw vs Claude Code». Они мимо.

OpenClaw — кодинг-агент. Он пишет код, дебажит код, деплоит код. Claude Code делает то же самое. Оба живут в вашем терминале или IDE. Их задача — производить программное обеспечение.

Perplexity Computer не пишет код.

Он читает отчётность, собирает данные из множества источников, перекрёстно проверяет цифры и строит структурированные аналитические материалы с цитированием.

Если вам нужна аналитическая справка по конкурентам или обзор рынка — Computer делает это.

Если вам нужен React-компонент — используйте OpenClaw или Claude Code.

Другая категория. Другой покупатель. Другой рабочий процесс.

Что Perplexity объявила на Ask 2026

11 марта Perplexity провела первую конференцию для разработчиков — Ask 2026. Вот что они представили:

Personal Computer — программное обеспечение, работающее на выделенном Mac mini. Оно даёт облачному ИИ Perplexity постоянный доступ к вашим локальным файлам, приложениям и сессиям — 24 часа в сутки. Подключается к Gmail, Slack, GitHub, Notion и Salesforce. Мониторит триггеры и выполняет задачи, пока вас нет. Чувствительные действия требуют вашего одобрения, а аварийный выключатель даёт немедленный контроль. Доступно подписчикам Max ($200/месяц) через список ожидания.

Корпоративная версия подключается к Snowflake, Databricks, Salesforce и HubSpot. По данным Perplexity, во внутреннем тестировании на более чем 16 000 запросах система выполнила объём работы, оцениваемый в 3,25 человеко-года, за четыре недели — сэкономив около 1,6 миллиона долларов на трудозатратах. Это собственные цифры Perplexity — независимый аудит пока не публиковался.

Четыре новых API — Search, Agent, Embeddings и Sandbox — теперь доступны разработчикам. Это те же компоненты, на которых Computer работает внутри.

Платные данные от Statista, CB Insights и PitchBook теперь напрямую поступают в исследовательский процесс Computer. Для маркетинговых исследований и инвестиционного анализа это означает: вы можете получать данные, для которых раньше требовались отдельные платные подписки.

Computer также вышел на iOS с кросс-девайсной синхронизацией. Начните задачу с телефона, управляйте с десктопа. Android — позже. (Обновление от 18 марта: уже доступно на Android.)

7 промптов, которые превращают Computer в вашего исследовательского ассистента

Формат промптов ниже следует определённой структуре, спроектированной для агентного рабочего процесса Computer. Каждый промпт состоит из пяти частей:

• Задача: чёткая цель в одном предложении

• Найти и собрать: конкретные данные, которые Computer должен вытянуть

• Шаги: аналитическая рамка для работы с данными

• Ограничения: правила качества и честности результата

• Результат: точные поставки, которые вы ожидаете

Стандартный формат: анализ выхода на рынок

Задача: Оценить, стоит ли [КОМПАНИИ] выходить на [ЦЕЛЕВОЙ РЫНОК] в ближайшие 12 месяцев.

Найти и собрать:

• Объём целевого рынка (TAM) минимум из 3 независимых источников

• Топ-5 игроков по доле рынка с актуальной выручкой и темпами роста

• Регуляторные требования и затраты на комплаенс

• Новые игроки за последние 24 месяца, их финансирование и текущие метрики

• Текущие возможности [КОМПАНИИ] из публичной отчётности или пресс-релизов

Шаги:

1. Оценить возможность: сравнить оценки TAM, объяснить расхождения

2. Составить карту конкурентной плотности: где сильны действующие игроки, где есть пробелы

3. Оценить барьеры входа: лицензирование, капитальные требования, дистрибуция, стоимость переключения

4. Оценить соответствие: сопоставить возможности [КОМПАНИИ] с выявленными требованиями

5. Смоделировать два сценария — органический выход vs поглощение существующего игрока — с оценкой стоимости и сроков выхода на выручку

Ограничения: Цитировать каждую цифру объёма рынка с источником. Не использовать фразы вроде «быстрорастущий» без привязки к числу. Отмечать, где данные оценочные, а где отчётные.

Результат: Таблица сравнения объёмов рынка, карта конкурентов, оценка барьеров, оценка соответствия, модель двух сценариев, рекомендация «входить / не входить» с тремя сильнейшими аргументами.

1. Трейдинг: сигнал секторной ротации

Задача: Определить 3 сектора акций с наибольшей вероятностью опережающей динамики в ближайшем квартале на основе макроданных и потоков капитала.

Найти и собрать: Последние данные по ВВП, ИПЦ и безработице; последнее заявление ФРС и точечный прогноз; потоки в ETF по секторам за 30, 60 и 90 дней; коэффициенты пересмотра прибыли по секторам; кредитные спреды vs 12-месячное среднее.

Шаги: Классифицировать текущий макрорежим → найти 3 исторических периода-аналога → сопоставить с текущими потоками → отфильтровать по импульсу прибыли → ранжировать по конвергенции сигналов.

Ограничения: Минимум 2 из 3 сигналов должны быть согласованы. Отмечать противоречия. Разделять структурный взгляд (6+ месяцев) и тактическую сделку (1–3 месяца).

Результат: Классификация макрорежима, таблица исторических аналогов, тепловая карта потоков, таблица пересмотров прибыли, ранжирование 3 секторов с обоснованием и конкретным сигналом, при котором каждый выбор становится недействительным.

2. Разработка: аудит технического долга

Задача: Оценить технический долг в [РЕПОЗИТОРИЙ] и составить приоритизированный план исправления.

Найти и собрать: Структура репозитория, языки, зависимости; issues с тегами bug/tech-debt/refactor за 12 месяцев; конфигурация CI/CD и логи сбоев за 30 дней; покрытие тестами по модулям; версии зависимостей и известные CVE.

Шаги: Карта здоровья модулей → 5 модулей с наибольшим риском → конкретные элементы долга в каждом → оценка трудозатрат → приоритизация по (критичность × частота изменений).

Ограничения: Не отмечать стилистические предпочтения как техдолг. Только то, что влияет на надёжность, безопасность или скорость разработки.

Результат: Таблица здоровья модулей, топ-5 рисковых модулей, приоритизированный бэклог с оценками, спринт-план на 4 недели для топ-10 задач.

3. Маркетинг: разбор кампании конкурента

Задача: Реконструировать маркетинговую стратегию [КОНКУРЕНТА] за последние 90 дней и выявить 3 тактики, достойные повторения.

Найти и собрать: Рекламные креативы из Meta Ad Library и Google Ads Transparency; топ-10 органических постов по вовлечённости; активные лендинги; SEO-позиции по категории продукта; PR-упоминания и инфлюенсерские партнёрства.

Шаги: Воронка кампании → 3 лучших креатива по длительности размещения → паттерны сообщений → SEO-разрыв с вашим сайтом → оценка месячного рекламного бюджета.

Ограничения: Не выводить внутренние метрики (конверсия, ROAS). Все оценки — на основе наблюдаемых сигналов. Отделять верифицированное от предположений.

Результат: Карта воронки, анализ 3 лучших креативов, резюме паттернов сообщений, SEO-анализ разрывов, оценка бюджета, 3 тактики для адаптации.

4. Образование: анализ разрыва в учебной программе

Задача: Сравнить [ПРОГРАММУ] в [ВУЗЕ] с текущими требованиями рынка для [ДОЛЖНОСТИ] и выявить 5 крупнейших разрывов.

Найти и собрать: Учебный план; 50 свежих вакансий для [ДОЛЖНОСТИ]; отраслевые сертификации; работодательские опросы о дефиците навыков; программы 3 вузов-конкурентов.

Шаги: Таблица частотности навыков → карта покрытия учебным планом → сравнение с конкурентами → оценка трудозатрат на закрытие каждого разрыва → приоритизация по (частота в вакансиях × отсутствие в программе).

Ограничения: Учитывать только навыки, встречающиеся минимум в 10% выборки вакансий. Указывать количество упоминований для каждого навыка.

Результат: Таблица частотности, карта покрытия, матрица сравнения с конкурентами, топ-5 разрывов с вариантами устранения, рекомендуемый график внедрения.

5. Наука: синтез литературного обзора

Задача: Составить структурированный литературный обзор по [ТЕМЕ] за [ПЕРИОД] и выявить 3 наиболее спорных результата.

Найти и собрать: 20 самых цитируемых статей; для каждой — авторы, журнал, год, выборка, методология, основной вывод; мета-анализы; репликации и опровержения; источники финансирования.

Шаги: Группировка по методологии → 3 случая прямого противоречия → анализ причин расхождений → карта цитирования → 3 открытых вопроса.

Ограничения: Не называть исследования «прорывными» — указывать количество цитирований. Приводить точные размеры выборок. Указывать конкретные ограничения методологии.

Результат: Сводная таблица 20 статей, распределение по методологии, 3 спорных результата с аргументами обеих сторон, карта цитирования, 3 открытых вопроса с описанием данных, необходимых для ответа.

6. Фриланс: скоупинг проекта для клиента

Задача: Составить полный скоуп и ценовую оценку для проекта [ТИП] с [КЛИЕНТОМ].

Найти и собрать: Сайт и документация клиента; отраслевые почасовые ставки из фрилансерских обзоров; 3 сопоставимых завершённых проекта; типичные триггеры расползания скоупа; технические требования и стоимость лицензий.

Шаги: Разбивка на поставки с критериями приёмки → оценка часов на каждую → расчёт цены с 15% буфером → 3 наиболее вероятных триггера расползания с исключающими пунктами → график вех.

Ограничения: Закладывать 20% часов разработки на ревизии. Не давать фиксированную цену без спецификации включённого и исключённого. Отмечать неоднозначные требования.

Результат: Разбивка поставок, почасовая оценка по фазам, итоговая цена с буфером, исключающие пункты, график вех, список требований, нуждающихся в уточнении у клиента.

Математика кредитов

Perplexity Computer доступен подписчикам Pro и Max. Пользователи Pro получают доступ через новую страницу «Usage and Credits», новые пользователи получают 4 000 бонусных кредитов.

Подписчики Max платят $200/месяц и получают 10 000 кредитов плюс 20 000 бонусных. Каждая задача Computer стоит кредитов в зависимости от сложности — простой поиск может обойтись в 5–10 кредитов, глубокий многошаговый анализ вроде промптов выше — в 100+.

Если вы уже платите за Perplexity Pro, протестируйте систему кредитов, прежде чем переходить на Max. Запустите три-четыре реальных задачи из вашего рабочего процесса и посмотрите, как быстро сгорает лимит. Это скажет больше, чем любой калькулятор цен.

За чем я слежу дальше

В прошлом году я потратил 40 часов, реконструируя то, как Perplexity думает об исследованиях. Теперь они построили машину, следующую той же логике — с 19 моделями, выполняющими работу.

Продукт не без проблем. Система кредитов непрозрачна — нет публичной разбивки по стоимости конкретных типов задач. Требование Mac mini для Personal Computer отсекает всех, кто не в экосистеме Apple. А корпоративные цифры Perplexity (3,25 года работы за четыре недели) — самоотчёт без независимой проверки.

Но базовая функция работает. Я дал ему исследовательскую задачу. Он вернулся с процитированными источниками, реальными цифрами и структурированным результатом, который я мог редактировать, а не строить с нуля. Это другой тип инструмента, чем то, чем Perplexity был ещё несколько месяцев назад.