推荐理由：Perplexity Agent API 现在能调用 GLM-5.2 了，这个模型编码和智能体任务很强，还能边推理边搜索，价格也透明。

推荐理由：Perplexity搞了个Brain，能给Computer自动建上下文图，让它记住之前的事，越用越聪明，Max用户快去试试。

推荐理由：OpenRouter 出了个新玩法 Fusion，多个模型一起干活还能用工具，比单用最贵的模型还省钱，实测在 DRACO 基准上比前沿模型强。

推荐理由：做深度调研或竞品分析的团队终于有了一个能自动并行搜索的智能体——Perplexity Computer 把 Deep Research 变成原生技能，不用再手动切换模式，建议试试看能否替代你现有的研究流程。

推荐理由：Perplexity 把深度研究能力直接嵌入到智能体框架里，做研究或数据分析的团队可以省去来回切换工具的麻烦，Pro/Max 用户值得立刻试试。

推荐理由：Perplexity 用代码驱动搜索的方式解决了传统深度研究效率低、泛化差的问题，做信息检索或研究分析的团队值得关注这一新范式。

推荐理由：Perplexity Computer 用真实数据证明了自主代理比传统搜索快 87%、省 94% 成本，做研究、写报告、跨领域查资料的知识工作者可以直接用起来，效率提升肉眼可见。

推荐理由：Perplexity 的“Search as Code”解决了固定 API 的僵化问题，做搜索增强或 AI 应用的团队可以大幅降低 token 成本并提升性能，值得直接尝试。

推荐理由：Perplexity 把搜索从“聊天”变成了“编程”，做研究、数据采集或竞品分析的团队可以大幅减少手动操作，值得一试。

推荐理由：Perplexity 把搜索从工具调用升级为代码生成，解决了智能体多步搜索效率低、难适配的问题。做 AI 智能体或搜索产品的开发者值得关注，可以直接在 Agent API 里体验。

推荐理由：Perplexity 把内部安全实践开源了，做软件供应链安全的团队可以直接拿来用，减少被投毒的风险。

推荐理由：做智能体应用开发的团队终于有了一个默认安全的沙箱方案——Perplexity 把密钥管理、内容检测、数据加密和存储计算分离都做了，建议直接参考他们的设计思路。

推荐理由：做大规模模型推理部署的团队值得关注——GB200 在 MoE 模型上的推理效率提升显著，Perplexity 的实践给出了可直接参考的优化路径。