A Perplexity lançou o Computer, uma plataforma que reúne dezenas de agentes de IA especializados e os faz trabalhar juntos em tarefas complexas.
Em vez de oferecer só mais um modelo, a proposta é orquestrar múltiplos modelos de diferentes fornecedores dentro de um fluxo único.
O sistema recebe o objetivo que você define e automaticamente quebra o problema em subtarefas.
Cada subtarefa é atribuída a um subagente que roda de forma assíncrona, sem que você precise esperar a anterior terminar para começar outra.
São 19 agentes integrados, com atuações específicas como busca, geração de código, criação de documentos, imagens e até chamadas a APIs.
Entre os modelos usados estão soluções conhecidas do mercado, cada uma encarregada de um papel distinto na cadeia de trabalho.
Por exemplo, a coordenação de raciocínio e orquestração de subagentes fica a cargo do Claude Opus 4.6, segundo a divulgação da Perplexity.
Pesquisa profunda e criação de novos subagentes são atribuídas ao Google Gemini.
Geração de imagens fica com o Google Nano Banana e vídeo com o Veo 3.1.
Tarefas rápidas e leves são tratadas pelo xAI Grok, enquanto buscas e recuperação de contexto ficam sob responsabilidade do ChatGPT 5.2 da OpenAI.
Cada tarefa roda em um ambiente computacional isolado com acesso a um sistema de arquivos real e a um navegador, sem necessidade de setup local.
Isso significa que você pode disparar dezenas de tarefas em paralelo e acompanhar sem bloquear sua máquina.
Um ponto interessante é o posicionamento da Perplexity como plataforma *modelo-agnóstica*.
Os agentes podem ser trocados conforme o mercado evolui, e o usuário pode selecionar manualmente modelos para subtarefas específicas.
Para desenvolvedores, isso abre possibilidades de automação de fluxo de trabalho que vão de prototipagem full‑stack até pipelines de pesquisa e produção de conteúdo multimídia.
Mas também há desafios práticos a considerar antes de adotar em produção.
Observabilidade e depuração de um sistema que cria subagentes automaticamente podem ser complexas e exigir boas ferramentas de logging e rastreabilidade.
Riscos de privacidade e segurança aparecem quando agentes têm acesso a navegador e sistema de arquivos; políticas e isolamento são essenciais.
Além disso, o custo e a latência ao orquestrar múltiplos modelos de ponta precisam ser avaliados projeto a projeto.
Na prática, a plataforma promete acelerar tarefas compostas e reduzir o trabalho manual de coordenação — mas cabe ao time técnico validar confiabilidade, custos e governança.
Se você trabalha com automação, engenharia de prompt ou integrações entre APIs, vale acompanhar como essa abordagem multimodelo evolui.
