top of page

Il lancio di Perplexity GPT-6.2 aggiunge Astra e Sol

9 minuti fa
Tempo di lettura: 12 min

Il 17 novembre Perplexity ha annunciato GPT-6.2 Astra e GPT-6.2 Sol per Search e Computer, dichiarando punteggi WANDR pari a 0,783 e 0,746. Il lancio di Perplexity GPT-6.2 offre agli utenti un'ulteriore scelta di modelli, accompagnata da evidenze riportate dall'azienda di migliori prestazioni nella ricerca. Questi dati descrivono però la valutazione di Perplexity, non risultati verificati in modo indipendente nel lavoro quotidiano.

Il confronto centrale riguarda la qualità dichiarata più elevata e le risorse necessarie per ottenerla. Astra supera Sol nel punteggio annunciato, mentre Sol presenta un costo dichiarato per attività di benchmark sostanzialmente inferiore. Nessuno dei due risultati stabilisce quale modello produca il lavoro finale più utile per un utente specifico.

OpenAI ha presentato separatamente i modelli sottostanti, posizionando Astra per i progetti complessi e Sol per il lavoro quotidiano. L'annuncio di Perplexity riguarda la loro integrazione nei propri prodotti. Questa distinzione conta perché il comportamento di un modello dipende dagli strumenti di ricerca circostanti, dalle istruzioni, dalle impostazioni di esecuzione e dal processo di valutazione.

Cosa cambia con il lancio di Perplexity GPT-6.2

Perplexity ha aggiunto due opzioni di modello, ma l'annuncio non stabilisce un accesso o un comportamento identici per ogni account.

L'aggiornamento sulla disponibilità dei modelli dell'azienda cita sia Search sia Computer. Riporta inoltre miglioramenti rispetto alle versioni precedenti di Astra e Sol su WANDR, il benchmark di Perplexity per il lavoro di ricerca. Un benchmark è un carico di lavoro di valutazione definito, usato per confrontare sistemi in condizioni specifiche.

Per gli utenti esistenti, il cambiamento immediato è la disponibilità nel prodotto. I modelli vengono offerti all'interno di un servizio che già utilizzano, anziché richiedere un'applicazione separata o un'integrazione diretta per sviluppatori. Questo rende l'annuncio rilevante per chi sceglie modelli all'interno di un flusso di lavoro consolidato.

La disponibilità richiede comunque un'interpretazione attenta. Il breve annuncio non specifica pienamente l'idoneità in base all'abbonamento, le restrizioni geografiche, i controlli amministrativi o l'accesso nelle diverse superfici applicative. I lettori dovrebbero evitare di presumere che ogni account riceva accesso illimitato solo perché entrambi i prodotti compaiono nell'annuncio.

L'integrazione differisce inoltre dal rilascio dei modelli sottostanti da parte di OpenAI. OpenAI descrive Astra come orientato al lavoro professionale più impegnativo e Sol come un'opzione efficiente per le attività quotidiane. Il suo rilascio dei modelli GPT-6.2 riguarda i propri prodotti e la piattaforma per sviluppatori.

Perplexity aggiunge un ulteriore ambiente operativo attorno a questi modelli. Tale ambiente determina come una richiesta raggiunge il modello, quali informazioni riceve e quali azioni può intraprendere. Di conseguenza, un risultato ottenuto tramite l'applicazione di un fornitore non predice automaticamente i risultati all'interno di un'altra.

Questa distinzione diventa particolarmente rilevante per la ricerca. Un modello può ragionare correttamente su informazioni incomplete e produrre comunque una risposta incompleta. Al contrario, un'applicazione può recuperare materiale utile che il modello non riesce a valutare o incorporare con precisione.

Il lancio offre quindi agli utenti una nuova combinazione di comportamento del modello e del prodotto. Il suo valore pratico dipende dal fatto che migliori gli incarichi completati, non semplicemente dalla comparsa del nome del modello in un selettore. Il benchmark annunciato fornisce un segnale iniziale, con dei limiti.

Questi limiti dovrebbero orientare le aspettative senza oscurare la notizia. Perplexity afferma che entrambi i modelli migliorano rispetto ai rispettivi predecessori nella propria valutazione. Si tratta di un'affermazione concreta sul prodotto che vale la pena esaminare, anche se l'annuncio non fornisce tutto il necessario per riprodurla.

Esiste anche una distinzione tra accesso e comportamento predefinito. Un servizio può offrire un modello senza selezionarlo automaticamente per ogni richiesta. Il solo annuncio non stabilisce quale modello gestirà la prossima ricerca o attività in Computer di un determinato utente.

Per i lettori che valutano il cambiamento, il punto di partenza utile è circoscritto. Perplexity afferma che questi modelli sono disponibili nei prodotti indicati e riporta punteggi più alti. Stabilire se uno dei due diventerà la scelta migliore per il lavoro quotidiano richiede evidenze dagli incarichi che gli utenti affidano effettivamente loro.

Questa domanda conduce direttamente al rapporto tra prestazioni dichiarate e uso delle risorse. I modelli non occupano la stessa posizione nel confronto di Perplexity, e trattarli come intercambiabili cancellerebbe la distinzione più utile dell'annuncio.

Astra guida il punteggio, mentre Sol modifica il compromesso

I risultati annunciati presentano una scelta tra prestazioni aggregate più elevate e un costo dichiarato per attività inferiore, non un vincitore universale.

Secondo Perplexity, GPT-6.2 Astra ha ottenuto 0,783, con un aumento di 0,095 rispetto a GPT-6 Astra nel confronto indicato. GPT-6.2 Sol ha ottenuto 0,746, in aumento di 0,065 rispetto a GPT-6.1 Sol. Restano risultati riportati dall'azienda, senza una replica indipendente attestata dall'annuncio.

I miglioramenti sono differenze assolute di punteggio. Non dovrebbero essere descritti come aumenti percentuali relativi. Allo stesso modo, i punteggi non dovrebbero trasformarsi in affermazioni secondo cui uno dei modelli completa con successo una percentuale equivalente di normali incarichi lavorativi.

Il vantaggio dichiarato di Astra su Sol è pari a 0,037 nella misura annunciata. Questa sottrazione descrive la distanza tra i punteggi pubblicati. Non rivela quali categorie di attività determinino la differenza, con quale costanza emerga o se gli utenti la noterebbero.

Per un team che gestisce indagini complesse, una differenza aggregata modesta potrebbe contare se riflettesse meno omissioni rilevanti. Per il lavoro di routine, la stessa differenza potrebbe offrire pochi vantaggi pratici. Si tratta di scenari decisionali, non di risultati dimostrati dal post.

Il costo dichiarato inferiore per attività di Sol introduce l'altro lato del confronto. Un modello meno intensivo in termini di risorse può risultare interessante quando il lavoro si ripete frequentemente o quando gli utenti esplorano diverse risposte possibili. Tuttavia, un costo di benchmark inferiore non dimostra una spesa operativa totale inferiore.

La revisione umana resta parte di tale totale. Un'esecuzione apparentemente economica può diventare costosa se un revisore deve ricostruire prove mancanti o correggere conclusioni non supportate. Un modello più impegnativo può allo stesso modo sprecare risorse se il suo sforzo aggiuntivo non migliora il risultato finale.

La pressione ricade quindi più direttamente sulle persone che impostano i modelli predefiniti. Acquirenti aziendali, sviluppatori di applicazioni e amministratori di team hanno bisogno di una ragione per scegliere un punto operativo rispetto a un altro. Il punteggio più alto da solo non può fornire tale ragione.

Un'impostazione predefinita ottimizzata per gli incarichi difficili può allocare risorse in eccesso al lavoro semplice. Un'impostazione predefinita ottimizzata per l'economia può lasciare gli incarichi difficili bisognosi di un ulteriore tentativo. Il lancio rende questa questione di allocazione più visibile perché entrambe le opzioni compaiono nella stessa famiglia di prodotti.

È qui che il confronto tra GPT-6.2 Astra e Sol diventa una questione di flusso di lavoro. La distinzione rilevante è se un determinato incarico tragga beneficio da ulteriori indagini, da una gestione più solida dei vincoli o da una sintesi più accurata. L'annuncio non identifica questi confini per gli utenti.

Il costo delle attività di benchmark differisce inoltre dalla fattura di un cliente. È una misurazione associata a una valutazione, non un preventivo di abbonamento né una tariffa standard per ogni richiesta futura. La contabilizzazione dell'uso e i limiti del prodotto richiedono documentazione separata.

Il lancio di Perplexity GPT-6.2 supporta pertanto una conclusione prudente: l'azienda riporta miglioramenti con due diversi profili di risorse. Non stabilisce che Astra giustifichi sempre risorse aggiuntive o che Sol offra il miglior valore per ogni carico di lavoro.

Un confronto significativo collegherebbe l'output di ciascun modello agli stessi criteri di accettazione. Ha completato la raccolta richiesta, supportato le proprie affermazioni e lasciato meno lavoro a un revisore? Queste domande avvicinano la discussione all'utilità professionale più di una singola classifica aggregata.

WANDR verifica se la ricerca è coerente nel suo insieme

La rilevanza di WANDR deriva dal test di raccolte supportate da evidenze, sebbene il nuovo annuncio lasci poco chiara la sua esatta configurazione di punteggio.

WANDR sta per Wide ANd Deep Research. Il suo paper sul benchmark di ricerca descrive 500 attività che richiedono agli agenti di individuare entità idonee e analizzarle tramite fonti di supporto. Un agente di ricerca è un sistema che usa strumenti per raccogliere informazioni e completare un incarico di ricerca.

Questa struttura dell'attività è più vicina alla creazione di una raccolta documentata che alla risposta a una domanda isolata. Un risultato utile deve identificare elementi adeguati e comprovare i dettagli richiesti. Produrre semplicemente un riassunto convincente non soddisfa il problema di ricerca sottostante.

Il benchmark pubblicato distingue la precisione, ossia la correttezza del materiale inviato, dal richiamo, ossia la copertura del materiale richiesto. Riporta inoltre l'F1, una misura che bilancia queste dimensioni. Il punteggio morbido e quello rigido distinguono i progressi parziali dai requisiti completati integralmente.

Queste distinzioni rendono difficile interpretare il più recente punteggio sintetico senza ulteriori informazioni. L'annuncio non specifica abbastanza dettagli per associare con sicurezza i numeri principali a ogni misura del benchmark pubblicato. I lettori dovrebbero mantenere questa incertezza.

La valutazione della ricerca ampia di Perplexity include un'attività concreta sulle nomine di dirigenti. Richiede prove della nomina insieme a prove separate dello status di quotazione della società. L'esempio illustra perché trovare un'azienda appropriata non completa necessariamente la relativa scheda.

Per un analista, questa differenza ha conseguenze pratiche. Una voce può sembrare plausibile pur senza supporto per una condizione essenziale. Se la condizione mancante influenza l'idoneità, l'intera voce può diventare inutilizzabile nonostante il materiale circostante sia accurato.

Si consideri un team ipotetico che confronta potenziali fornitori. Un assistente di ricerca potrebbe identificare aziende rilevanti e riassumere correttamente i loro prodotti. L'incarico potrebbe comunque fallire se il team necessita anche di copertura geografica verificata, certificazioni aggiornate o compatibilità documentata.

Questo scenario spiega perché la ricerca ampia resiste a semplici giudizi di qualità. Un revisore deve valutare sia la correttezza delle singole affermazioni sia la completezza della raccolta. Una risposta fluida può nascondere debolezze in entrambe le dimensioni.

La precedente valutazione pubblica del benchmark includeva sistemi di Perplexity, Anthropic, OpenAI e altri fornitori. Ciò crea un contesto competitivo utile, ma non stabilisce una classifica attuale tra i loro prodotti più recenti. Le configurazioni storiche non possono sostituire un confronto contemporaneo condotto a parità di condizioni.

Il confronto centrale resta tra output utile e sforzo necessario per produrlo. Il sistema di un altro fornitore potrebbe comportarsi diversamente per via del suo accesso alla ricerca, della strategia di esecuzione o della gestione delle evidenze. L'identità del modello è soltanto una parte di quel sistema.

Per i lavoratori della conoscenza, lo stesso problema continua dopo la generazione. La ricerca deve rimanere ispezionabile quando qualcuno riprende una conclusione o la condivide con i colleghi. Una base di conoscenza personale offre un contesto rilevante per organizzare tale materiale conservato.

L’organizzazione non convalida tuttavia in modo indipendente un’affermazione. Una conclusione archiviata necessita comunque di prove a sostegno della sua portata e della sua data. Il collegamento utile è la continuità tra l’incarico originale, il materiale citato e la decisione finale.

I risultati WANDR sono quindi rilevanti perché rispondono a esigenze di ricerca riconoscibili. Il loro valore aumenterebbe sensibilmente se Perplexity collegasse gli ultimi numeri a una metrica, una configurazione, un insieme di attività e un confronto riproducibile chiaramente identificati.

Il confronto dei punteggi presenta ancora elementi mancanti

La principale incertezza riguarda la comparabilità: i lettori devono sapere con precisione cosa è rimasto costante tra le esecuzioni riportate.

L’annuncio fornisce punteggi e miglioramenti rispetto ai predecessori, ma non offre una descrizione sperimentale completa. Restano senza risposta domande sulla selezione delle attività, sulle impostazioni di esecuzione, sulle prove ripetute e sulla variante esatta del punteggio. Queste omissioni limitano le conclusioni ricavabili dai numeri.

Un benchmark può essere pubblico mentre un risultato specifico resta difficile da riprodurre. Pubblicare le attività e il software di valutazione rende possibile il controllo. Per riprodurre un nuovo punteggio servono comunque informazioni sufficienti su come il sistema valutato sia stato effettivamente eseguito.

Anche un framework di valutazione, ovvero il software che coordina le attività e assegna i punteggi, è importante. Modifiche alle istruzioni, agli strumenti, ai limiti di esecuzione o alla valutazione possono influire sul risultato misurato. Un confronto chiaro dovrebbe identificare questi componenti insieme alla versione del modello.

Lo sforzo di ragionamento è un’altra variabile, perché determina quante risorse computazionali un sistema assegna a un incarico. I precedenti controlli dello sforzo di Perplexity collegano esplicitamente le impostazioni Computer a intelligenza e costo. Questi controlli illustrano perché la configurazione debba accompagnare un’affermazione sulle prestazioni.

Senza impostazioni equivalenti, un punteggio più alto può riflettere diversi cambiamenti che operano insieme. Il modello sottostante potrebbe migliorare, il sistema circostante potrebbe migliorare oppure l’esecuzione potrebbe ricevere risorse differenti. L’annuncio non isola i rispettivi contributi.

Questo non invalida il risultato del prodotto. Spesso gli utenti si interessano all’intera applicazione, non al modello isolato. Limita però qualsiasi affermazione secondo cui il cambiamento osservato misuri soltanto le capacità del nuovo modello.

Le differenze nelle basi di riferimento storiche aggiungono un altro motivo di cautela. Materiali pubblici precedenti di Perplexity riportavano per GPT-6 Astra un punteggio di 0.682. Il nuovo punteggio e il miglioramento dichiarato implicano una diversa base di confronto. L’annuncio disponibile non spiega tale differenza.

Un insieme di attività modificato, un metodo di valutazione diverso o una configurazione differente potrebbero spiegare basi di riferimento discordanti. Le prove esaminate qui non stabiliscono quale spiegazione si applichi. Sarebbe fuorviante sia inventare una spiegazione sia trattare ogni numero storico come direttamente comparabile.

La stessa prudenza vale per le versioni dei benchmark. Un punteggio presentato in un post di lancio non dovrebbe diventare automaticamente un nuovo punto su un grafico continuo dei progressi. Un grafico simile richiede una misurazione stabile o una riconciliazione esplicita tra le versioni.

Una replica indipendente rafforzerebbe le prove, ma dovrebbe riprodurre le condizioni rilevanti. Un’applicazione diversa che utilizza lo stesso modello non è necessariamente una replica del risultato del prodotto Perplexity. Risponde a una domanda correlata su un altro ambiente operativo.

I punteggi aggregati nascondono anche la distribuzione degli esiti. Gli utenti devono sapere se il miglioramento raggiunge gli incarichi difficili o si concentra nelle categorie più semplici. Una media più alta può coesistere con fallimenti ricorrenti proprio nel lavoro che una particolare organizzazione considera importante.

Infine, l’annuncio non dimostra l’affidabilità in produzione. Non mostra come cambiano le prestazioni con limiti di account, condizioni di ricerca variabili o un uso professionale ripetuto. Queste domande meritano osservazioni separate, non supposizioni tratte dal benchmark.

La posizione scettica appropriata è quindi specifica. Perplexity segnala un miglioramento e il risultato merita attenzione. Il solo riepilogo pubblico non dimostra una superiorità universale, una tendenza storica stabile o benefici prevedibili per ogni cliente.

Le prossime prove dovrebbero collegare i punteggi al lavoro completato

Le prossime prove utili dovrebbero rendere il confronto riproducibile, chiarire l’accesso e mostrare se gli utenti ricevono risultati finali migliori.

Il primo segnale è una pubblicazione dettagliata che colleghi i punteggi annunciati a una configurazione di valutazione identificabile. Significa indicare la misura di punteggio, la versione del benchmark, la copertura delle attività e le impostazioni operative rilevanti. Dovrebbe inoltre spiegare la relazione con i precedenti risultati Astra.

Se questi dettagli riconciliano le basi di riferimento e supportano confronti a condizioni equivalenti, la fiducia nel miglioramento aumenterebbe. Se rivelano condizioni sostanzialmente diverse, l’affermazione richiederebbe un’interpretazione più circoscritta. In entrambi i casi, aiuterebbero i lettori a comprendere cosa significhino realmente i guadagni riportati.

Una pubblicazione più completa dovrebbe anche rendere visibili gli insuccessi. Esempi di lavoro incompleto, elementi non supportati o attività che richiedono un altro tentativo aiuterebbero gli utenti a individuare i limiti. Le sole dimostrazioni riuscite non possono spiegare quando un modello dovrebbe smettere di essere la scelta predefinita.

Il secondo segnale è una documentazione del prodotto chiara e aggiornata che copra l’accesso e la selezione dei modelli. I lettori devono sapere quali account possono usare ciascun modello e dove si applica la scelta. Le restrizioni amministrative e la disponibilità regionale dovrebbero essere esplicite ovunque influenzino l’accesso.

Se l’esperienza documentata corrisponde all’annuncio per tutti gli account idonei, il rollout diventa più facile da valutare come cambiamento pratico del prodotto. Se la disponibilità resta limitata o il comportamento varia, i lettori dovrebbero distinguere il supporto esteso del modello dalla propria esperienza accessibile.

Anche il comportamento di selezione merita pari attenzione. Un’opzione di modello visibile, un modello selezionato automaticamente e un modello di supporto all’interno di un incarico più ampio sono esperienze diverse. Chiarire questi ruoli aiuterebbe gli utenti ad attribuire un risultato osservato alla configurazione corretta.

Il terzo segnale è costituito da prove ricavate da carichi di lavoro professionali equivalenti. Gli esempi più solidi confronterebbero output accettati, correzioni dei revisori, tempo di completamento e fallimenti ripetuti. Preserverebbero l’incarico e i criteri di accettazione, invece di modificare il test dopo aver visto una risposta.

Per gli acquirenti, tali prove collegherebbero le affermazioni sulle prestazioni alle decisioni operative. Un risultato che riduce il lavoro correttivo rafforza l’argomentazione a favore dell’adozione. Un risultato che migliora la presentazione lasciando invariati gli stessi vuoti di prova offre un beneficio più limitato.

Per gli sviluppatori, la domanda equivalente è se un modello migliori il comportamento affidabile dell’applicazione. Risposte individuali migliori contano meno se i passaggi successivi richiedono ancora interventi frequenti. L’unità rilevante è il flusso di lavoro completato che lo sviluppatore deve supportare.

Questo rende anche più nitido il confronto tra GPT-6.2 Astra e Sol. Astra merita il suo posto quando risorse aggiuntive producono un lavoro accettato sostanzialmente migliore. Sol diventa interessante quando soddisfa gli stessi requisiti con un minore impiego di risorse.

Nessuno dei due esiti dovrebbe essere presunto dal punteggio aggregato. Alcuni incarichi metteranno in luce differenze che altri non evidenziano. Una valutazione difendibile dovrebbe preservare tali differenze invece di forzare ogni attività in un’unica classifica dei modelli.

Nei prossimi mesi, questi segnali determineranno se il rollout di Perplexity GPT-6.2 cambierà la selezione quotidiana dei modelli. L’annuncio offre un motivo per rivalutare le impostazioni predefinite esistenti. Prove più dettagliate determineranno fino a che punto debba spingersi tale rivalutazione.

Prima di modificare l’impostazione predefinita di un team, confrontate i modelli su lavori che dispongono già di criteri di accettazione chiari. Conservate la richiesta, le fonti di supporto, l’output generato e le correzioni dei revisori. Includete incarichi in cui l’assenza di prove avrebbe rilevanza, accanto al lavoro di routine in cui uno sforzo aggiuntivo potrebbe apportare poco. Valutate se il risultato sia pronto all’uso, se le sue affermazioni restino tracciabili e se un’altra persona debba completare la ricerca. Tenete separati i costi delle attività del benchmark dai termini di abbonamento e dal carico di revisione del vostro team. Considerate i guadagni WANDR riportati come un motivo per esaminare le nuove opzioni, poi lasciate che il lavoro accettato determini quale modello meriti un posto nel vostro flusso di lavoro.

 
 

Inizia gratis

Un assistente IA local-first con gestione della conoscenza personale

Per una migliore esperienza con l’IA,

al momento remio supporta solo Windows 10+ (x64) e M-Chip Macs.

Il tuo partner AI al lavoro
Fai di più con remio

Pianifica. Crea. Consegna.
Tutto in un unico posto.

bottom of page