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 ^[1], 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 ^[2].

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 ^[3]  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 ^[4].

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.