Perplexity 上线 GLM 5.2 驱动的 Computer orchestrator 预览模型

Perplexity 近日在其「Computer」产品中上线了一款研究预览版 orchestrator 模型。该模型基于智谱 GLM 5.2，并针对 Perplexity Computer 的 harness 进行了后训练适配，被官方称为可在保持接近前沿性能的同时，将成本压缩至 Opus 4.8 的约 0.344 倍。

模型来源与适配方式

根据 Perplexity 官方在 X 平台的说明，这款 orchestrator 并非直接调用 GLM 5.2 的通用对话能力，而是将其作为 Computer 工作流中的调度与编排核心，再叠加针对性的后训练，使其适配 Computer 场景下的任务路由与执行逻辑。这意味着 GLM 5.2 在该产品中承担的是「大脑」级别的角色，而非普通的后端模型。

性能与成本对比

Perplexity 给出的关键数据是「near-frontier performance at 0.344x of the cost of Opus」，即：

• 性能层面：接近 Opus 4.8 的水平（near-frontier）；
• 成本层面：仅为其约 34.4%。

这意味着在 Computer 这一具体场景中，Perplexity 用一款经过适配的中文系大模型，替代或部分替代了原本由 Opus 承担的 orchestrator 角色，并取得了显著的成本优势。

战略意义与待观察点

对 Perplexity 而言，使用中国厂商的模型作为核心编排引擎，是一次跨区域的模型整合尝试；对智谱而言，GLM 系列被国际一线 AI 产品选中作为底层模型之一，也体现了其在国际市场上的能见度。不过需要注意的是：

• 当前仍为 research preview，稳定性、延迟与长期可用性有待验证；
• 官方未公开具体 benchmark 细节，性能结论主要来自 Perplexity 自身描述；
• GLM 5.2 在该场景下的具体配置、推理规模与 token 计费方式尚未披露。

综合来看，这一更新对 Perplexity Computer 用户具有直接影响，也为业界展示了一种「低成本模型 + 后训练适配」实现接近前沿体验的可行路径。