Perplexity

1. 调研缘由

我们这次重点看 Perplexity 的核心搜索/回答引擎、Spaces 和订阅体系。Comet 浏览器、Computer 和 Sonar API 只用来交代它的产品边界和生态延伸，不单独展开。

Perplexity 官方把核心产品定位成一个免费的 AI 答案引擎：你提问，它根据实时网页信息给出回答，你可以顺着同一个线程继续追问，也可以把线程存进 Space。[S1]

Spaces 一开始只是保存研究线程的项目空间，现在已经扩展到了文件、项目指令、协作权限和 Computer 任务上下文。2026 年官方更新还把 Computer 和可复用 Skills 接入了 Spaces。[S2][S8]

引用来源是它的一个卖点，但独立研究、新闻引用审计和出版商诉讼也分别从来源质量、引用准确性和内容使用边界这几个角度提出了质疑。[S15][S16][S17][S18]

2. 简介与产品工作流

Perplexity 是个用自然语言提问就能得到答案的引擎。它把网上搜到的信息整理成直接回答，并在回答里附上来源链接，方便你进一步查证。[S1]

核心工作流大致是这样：

1. 你输入一个事实查询、研究问题或者比较型问题；
2. Perplexity 基于网页来源生成回答并展示引用；
3. 你通过追问继续把问题收窄，或者点开来源页自己去核实；
4. 要是课题需要持续研究，可以建一个 Space，把线程、文件、项目指令和协作者都放到同一个上下文中；
5. 在 Spaces 里，你可以给团队成员分配查看或协作权限；Enterprise 用户还能接入 Google Drive、SharePoint、OneDrive、Box、Dropbox 等应用里的文件来源。[S1][S2]

Spaces 的产品重点是让你把一次次零散的问答沉淀成项目上下文。根据官方说明，Space 支持自定义指令、固定文件和线程、全文搜索、邀请协作者以及选择来源。[S2]

3. 团队与资本背景

Aravind Srinivas 是 Perplexity 的联合创始人兼 CEO。Harvard SEAS 的活动介绍里提到，他 2022 年联合创立 Perplexity 之前，曾在 OpenAI、Google 和 DeepMind 做研究。[S9]

Reuters 把 Perplexity 称作旧金山的一家创业公司。融资方面，Reuters 在 2024 年报道，它当年 1 月完成 7,360 万美元 B 轮融资，由 IVP 领投，投后估值约 5.2 亿美元；报道还提到它得到了 Jeff Bezos 和 NVIDIA 的支持。[S10]

至于后面的估值，得把已确认的消息和媒体报道分开看。Reuters 在 2025 年 9 月转述《The Information》的说法，称 Perplexity 获得 2 亿美元融资承诺、估值 200 亿美元；Reuters 当时也明确说没有独立核实过，Perplexity 那边也没发表评论。[S11]

我们这次没找到经过审计的收入、用户留存、付费转化率或完整股权结构的公开资料。

4. 技术基础与生态位

从公开技术路线看，Perplexity 不是一个单模型产品。它的 Pro 方案提供了自家模型，也可以选 GPT、Claude、Gemini 等外部模型；开发者那边的 Agent API 还能通过统一接口调用 OpenAI、Anthropic、Google、xAI 的模型和联网工具。[S3][S6]

另外，Perplexity 在 2026 年还公开了一套针对网页搜索 Agent 的后训练流程，表明他们会在开源模型上做监督微调和强化学习，来优化搜索、工具使用和回答质量。[S7]

所以，我们在这篇简调里把它的 model_strategy 标成“多模型混合”：消费者产品这边有自研搜索模型、外部模型选择和搜索编排；开发者产品那边又提供多家模型和搜索工具的统一接口。至于每次消费者查询到底怎么路由模型、筛选来源和排序，公开资料仍然有限。[S3][S6][S7]

API 层目前包括四类产品：

• Search API：返回可过滤、排序的实时网页搜索结果；
• Sonar API：返回带引用的联网回答；
• Agent API：提供多模型访问、联网搜索和工具控制；
• Embeddings API：用于语义搜索与 RAG 等开发场景。[S6]

在数据处理这块，官方说明里提到，Enterprise 用户的文件和搜索默认不用于 AI 训练；Pro 和 Max 用户可以在设置里选择退出模型训练。官方 Hub 还表示，Pro 和 Enterprise 的查询不会被拿去训练第三方模型。[S1][S2]

Comet 和 Computer 不是我们这次的重点，但它们已经和 Spaces 打通了：Computer 可以在 Space 里继承文件和指令上下文，创建、修改文档、表格、演示文稿等；Space Skills 也可以拿来复用团队的任务流程。[S8]

5. 市场与外部信号

定价与商业化

到 2026 年 6 月 30 日，Perplexity 的主要套餐层级是这样的：

层级	当前公开定位与定价
Free / Standard	免费使用核心搜索与回答功能。[S1]
Perplexity Pro	20 美元/月或 200 美元/年；包含 Spaces、更多文件上传、Pro Search、Research、模型选择与更高使用额度。[S1][S3]
Perplexity Max	200 美元/月或 2,000 美元/年；面向高频研究和重度用户，提供更高等级模型访问、Computer 相关能力和更高额度。[S4]
Enterprise Pro	40 美元/席位/月或 400 美元/席位/年；提供组织级文件检索、权限与数据处理控制等能力。[S5]
Enterprise Max	325 美元/席位/月或 3,250 美元/席位/年；提供更高使用等级、更多文件容量、审计日志和数据保留配置等企业能力。[S5]
API	单独按量计费，不包含在 Enterprise 席位订阅中；产品包括 Search、Sonar、Agent 与 Embeddings API。[S5][S6]

模型可用范围、文件容量、credits、查询额度以及套餐功能都可能调整，请以当天官方页面为准。

增长信号方面，TechCrunch 在 2025 年 6 月报道，Aravind Srinivas 在 Bloomberg Tech Summit 上说，Perplexity 当年 5 月处理了大约 7.8 亿次查询，还说查询量环比增长超过 20%。这是 CEO 自己的公开说法，不是第三方审计的用户或收入数据。[S12]

内容合作是另一个外部信号。Reuters 在 2024 年报道，Perplexity 的 Publishers Program 新加入了《洛杉矶时报》《The Independent》、Prisa Media、Newspicks 等合作方，并给参与出版商提供广告分成、API 访问和内容表现数据。[S13]

跟核心搜索产品相关但不属于我们这次研究范围的 Comet Plus，则试着把订阅收入分给出版商。Axios 报道称，Perplexity 当时计划将 Comet Plus 订阅收入的 80% 分给参与的出版商，并设了一个 4,250 万美元的早期补偿池。[S14]

6. 公开评价与主要分歧

正面评价（独立学术研究）：

有一篇已被 EACL 2026 Main 接收的研究，挑了五类容易受错误信息影响的议题，用 100 个主张测试了 GPT-4o、GPT-5、Perplexity 和 Qwen Chat。论文结论是，在它所定义的“来源可信度”这个指标下，Perplexity 得分最高。[S15]

这说明在那个样本和那个指标下，它较少引用低可信度来源；这不等于每个回答都对，也不直接代表引用总能精确支撑回答里的每一句话。[S15]

主要批评/质疑（独立媒体审计）：

Columbia Journalism Review 对八个生成式搜索工具做了新闻引用测试，包括 Perplexity、Perplexity Pro、ChatGPT Search、Gemini 等。测试发现，Perplexity 和 Perplexity Pro 在一些被网站爬虫规则限制的出版商内容上，出现了“能正确识别或回答”的情况；CJR 因此质疑它们在遵循爬虫规则和内容来源上的表现。[S16]

同一审计还发现，有些回答虽然识别到了相关新闻，但链接指向的是转载版本、非官方重发版本或不是原始出版商的页面。CJR 认为，这会影响原始来源的归属和导流。[S16]

主要批评/质疑（出版商与法律争议）：

《纽约时报》在 2025 年起诉了 Perplexity，声称它未经许可复制、分发和展示大量文章，还说它的产品可能生成虚构内容，然后错误地归到《纽约时报》头上。Perplexity 之前回应过，说公司抓取数据不是为了训练基础模型，而是在索引网页并提供事实引用。案子还在诉讼中，这些指控还没有被法院确认。[S17]

CNN 在 2026 年起诉了 Perplexity，声称它未经授权复制 CNN 的新闻、视频和图片，并向用户分发相同或实质相似的内容。Perplexity 发言人回应说“事实不受版权保护”。这个案子也还没有最终的司法裁决。[S18]

存在分歧之处：

这里存在分歧：EACL 研究关注的是引用来源的可信度；CJR 审计关注的是新闻内容识别、原始链接、爬虫限制和回答准确性。两边测试的对象和指标不一样，所以不能把一方的结论直接套到另一方身上。[S15][S16]

出版商合作计划说明 Perplexity 正在尝试通过广告分成、订阅分成和 API 支持来建立内容合作机制；但合作计划和版权诉讼是并行的，内容授权、原始来源归属和收入分配依然是公开争议的焦点。[S13][S14][S17][S18]

7. 同类对比（与头部/高知名度同类项目）

主要对标项目： ChatGPT Search / Deep Research；Google AI Mode。

关键维度对比（事实，标来源）：

维度	Perplexity	ChatGPT Search / Deep Research	Google AI Mode
搜索回答入口	用实时网页来源生成直接回答，并展示行内引用和后续追问入口。[S1]	可以联网搜索，并在回答里提供来源链接；你还可以继续追问，系统会结合聊天上下文接着搜索。[S19]	在 Google Search 里提供 AI 回答、后续追问和网页链接，面向复杂、多步骤和比较类的查询。[S21]
项目化研究上下文	Spaces 可以保存线程、文件、自定义指令和协作权限。[S2]	ChatGPT 提供 Projects；它的付费层有 Deep Research、Projects 及相关研究能力。[S20]	AI Mode 支持多轮线程和历史记录；我们没把它单独列成一个项目工作区，因为公开资料还不足以和 Spaces 或 Projects 做同口径的功能对比。[S21]
开发者产品	提供 Search、Sonar、Agent 和 Embeddings API；其中 Sonar 是面向带引用的联网回答。[S6]	OpenAI 提供联网搜索功能和 API 工具，但在这个表里，我们不把 ChatGPT 消费者产品和 OpenAI API 当成同一层级的产品。[S19]	AI Mode 是 Google Search 的用户侧功能；我们不会在这个表里把 Gemini API 和 AI Mode 混成一个产品来写。[S21]
订阅结构	Free、Pro、Max、Enterprise Pro、Enterprise Max 和独立 API 按量计费并存。[S1][S4][S5][S6]	Free、Go、Plus、Pro、Business 与 Enterprise 并存；Search、Projects 和 Deep Research 在不同计划中的可用范围不同。[S20]	本次引用的 Google AI Mode 官方资料未列独立的 AI Mode 订阅价格。[S21]

公开评价中的对比（标源，非个人裁决）：

CJR 的新闻引用测试同时覆盖了 Perplexity、Perplexity Pro、ChatGPT Search 和 Gemini，但没有直接测试 Google AI Mode。它的结论并不是要给哪个工具排个高下，而是指出这些生成式搜索工具都可能出现自信却错误的回答、原始来源链接不准、引用的是转载版本，或者没法妥善处理受限内容的问题。[S16]

所以，我们不会把“带引用”直接等同于“已经做过事实核查”。Perplexity、ChatGPT Search 和 Google AI Mode 都应该区分：回答流不流畅、来源可不可信、链接能不能支撑具体的主张，以及用户有没有真的点开原始来源去核实。[S15][S16][S19][S21]

8. 信息缺口与后续观察

• 没有找到经审计的月活、付费用户数、企业客户数、留存率和收入拆分。
• 没有找到完整公开的模型路由、检索排序、来源选择和引用校验机制。
• 200 亿美元估值是 Reuters 转述《The Information》的报道，Reuters 当时没能独立核实。
• Publishers Program 和 Comet Plus 的实际支付金额、参与出版商留存、导流效果和收入分配结果，公开数据还不充足。
• 《纽约时报》、CNN 等案件的后续裁决、和解或撤诉情况，需要持续跟踪。
• Pro、Max、Enterprise 和 API 的模型范围、额度和 credits 更新很快，后续复查时最好优先检查定价页、帮助中心和 API 文档。
• 我们这次没做实际测试；Spaces 在长期研究、多人协作、文件检索和 Computer 联动方面的稳定性，还需要靠后续实际体验来补充。

9. 归纳洞察 ★

Perplexity 的产品主线依然是“提问，得到可继续追问的答案和来源”。Spaces 把线程、文件、项目指令放进同一个上下文之后，产品就开始承接重复研究和团队知识整理，而不只是一次性搜索了。[S1][S2]

它的商业结构同时覆盖了免费入口、个人订阅、企业席位和按量 API。消费者侧的答案引擎仍然是最容易理解的入口，但企业文件检索、协作空间和开发者 API 已经将产品延伸到了知识工作和应用集成的场景。[S5][S6]

引用来源既是它交互设计的一部分，也是风险最集中的地方。来源可信度研究、新闻引用审计和出版商诉讼评估的是不同的问题：来源质量怎么样、引用能不能准确支撑回答，以及内容使用有没有拿到授权。以后再研究这类产品的时候，需要把这三层分开来看。[S15][S16][S17][S18]

10. 来源与更新时间

• 信息截至(as_of): 2026-06-30
• 最后复查(last_checked): 2026-06-30
• 最后更新(last_updated): null