Perplexity
8 декабря 2025 г.
Perplexity AI: что умеет ИИ от пересказа текста до генерации кода и бизнес-идей
Десять открытых вкладок, куча новостей и отчётов — но ясности по теме всё равно нет. Обычный сценарий поиска информации в 2025 году. Мы попробовали Perplexity AI — инструмент, который обещает собирать и структурировать данные вместо вас. Первая реакция? "Очередной чат-бот, который ничего не умеет". Но после первого запроса скепсис сменился интересом: сервис выдал не просто текст, а ответ с источниками и короткими выдержками. Похоже, мы нашли что-то интересное. Рассказываем о первом знакомстве с AI-поиском и его возможностях.
Что за Perplexity?
Perplexity это гибрид умного поиска и ассистента. Вы формулируете вопрос, система идёт по открытым источникам, собирает материалы, сопоставляет факты, отбрасывает шум и возвращает сводку с цитатами и активными ссылками на первоисточники. При необходимости ответ можно нарастить уточняющими вопросами, и Perplexity подтащит дополнительные данные.Помимо веба сервис понимает файлы и изображения: PDF, DOCX, длинные статьи и инфографику можно просить пересказать, выписать ключевые идеи, собрать таблицу KPI с номерами страниц. Источники поиска настраиваются под задачу. Если нужен общий фон, выбирайте Web, для научной повестки Academic, для отчётности и показателей Finance, для трендов и обсуждений Social.
Под капотом доступны разные модели. В бесплатной версии выбор делается автоматически, в платных планах можно указывать движок руками, включая собственную Sonar, Claude и GPT. Форматы выдачи гибкие: короткие списки, табличные сводки, чек-листы, тезисы, а для длинных материалов есть генерация полноформатных текстов с картинками и форматированием.
Плюсы работы с Perplexity
Самое заметное преимущество Perplexity - экономия времени на первичный сбор данных. Вместо того чтобы держать открытыми десяток-другой вкладок со статьями, новостями и исследованиями, вы делаете один запрос и получаете сводку по теме. Сервис сам ищет, фильтрует и агрегирует материалы - круто!Perplexity выручает, когда нужно оперативно разобрать большой текст. Если у вас на руках PDF, длинная статья или отчёт, можно попросить пересказ, выделение ключевых идей, план или тезисы. В результате вы не тонете в деталях, а сразу видите структуру и главное.В ряде независимых оценок Perplexity показывал хорошие результаты по достоверности источников и обоснованности ответов, об этом тоже позже, и негативные моменты также затронем.
Минусы работы с Perplexity
За удобством скрываются и ограничения. Они важны, если от результата зависят решения. Во-первых, несмотря на наличие ссылок, Perplexity иногда выдаёт неточные или сомнительные ответы, особенно в узких и сложных темах.Во-вторых, качество источников не всегда одинаково высокое. Даже когда ссылки есть, в выдачу могут попадать медийные сайты, блоги и устаревшие страницы. Методологические работы об этом прямо говорят. Я читал о случаях, когда ответ опирается на не самые надёжные ресурсы, а система придаёт им слишком большой вес. Это легко пропустить, если не открывать первоисточники.В-третьих, длинные и многошаговые запросы даются не идеально. Контекст может рассыпаться после пары-тройки уточнений. Ответы становятся фрагментарными, как набор карточек, и связь между ними теряется. Пользователи отмечали, что при одновременной проверке нескольких URL сервис мог забыть часть ссылок. Для длинной работы это, конечно, минус.Есть и вопросы к прозрачности в целом. Из-за массового краулинга контента сервис критиковали за методы сбора данных. Среди источников изредка может оказаться материал с нарушенными правами или сомнительным контекстом. Но это редкие случаи, но их стоит иметь в виду и фильтровать выдачу.
Как формулировать запросы?
Лучше всего работает принцип одна цель на один запрос. Если задача звучит как всё и сразу, ответ будет расплывчатым. Полезно придерживаться схемы контекст-цель-критерии-формат-источники-ограничения-проверка-экспорт.Контекст фиксирует регион, период и предметную область.Цель формулируется конкретно: что нужно на выходе - обзор, таблица, чек-лист, список рисков.Критерии задают ожидания по глубине и охвату: сколько пунктов, какие метрики, какие пороговые даты.Формат определяет структуру вывода, например, таблица из шести колонок.Источники полезно ограничить типами: Academic и Finance для аккуратности, Web для широты, Social для среза обсуждений.Ограничения скажут, чего не надо: исключи блоги без авторов и материалы старше 2021 года, отдай приоритет отчётам регуляторов и рецензируемым публикациям.Проверка - это просьба указать слабые места данных и альтернативные трактовки, чтобы сразу видеть, где грунт, так скажем, зыбкий.Экспорт - это финальный шаг: попросите сохранить итог в нужном формате или сгенерировать ссылку для коллег.Интересные исследования о Perplexity
В 2025 году вышло исследование под названием Assessing Web Search Credibility and Response Groundedness in Chat Assistants. Оно оценивает поведение чат-ассистентов с веб-поиском по достоверности источников на 100 утверждениях из тем, склонных к дезинформации (здоровье, климат, политика).
Perplexity лидирует по credibility rate (86.3%) и минимальному использованию низкодостоверных источников (0.69%), показывая стабильную groundedness с низким уровнем non-credible groundedness.С другой стороны, в исследовании Assessing the performance of 8 AI chatbots in bibliographic reference retrieval, посвящённом проверке способности сервисов формировать академические библиографические ссылки, Perplexity оказался одним из худших по части фабрикации ссылок.
Анализ 8 чатботов выявил, что только 26.5% ссылок полностью верны, 39.8% - ошибочны или сфабрикованы. Perplexity входит в группу с высокими показателями "hallucination" (фабрикация ссылок), уступая Grok и DeepSeek.В работе DeepTRACE: Auditing Deep Research AI Systems for Tracking Reliability Across Citations and Evidence, где анализировали надёжность deep‑research систем вроде Perplexity на более фундаментальном уровне, подчеркнута тенденция к чрезмерной уверенности и возможной манипуляции фактами.
Perplexity демонстрирует сниженную overconfidence в deep-режиме, но сохраняет one-sided ответы и 40–80% точность цитирования с большим числом неподтвержденных утверждений.Давайте посмотрим реальные возможности на тестах!
Тестируем!
- Многоэтапный анализ научной статьи
2. Комплексный анализ данных с визуализациейВозьми данные из двух исследований ('Assessing Web Search Credibility' arxiv.org/abs/2510.13749 и 'Bibliographic Reference Retrieval' arxiv.org/abs/2505.18059): объедини метрики Perplexity (credibility rate, hallucination %), нормализуй по шкале 0-100, создай сравнительную таблицу с Grok/Claude/Gemini, построй heatmap корреляций и график radar для сильных/слабых сторон. Выводи код Python и интерпретацию.
3. Написание кодаСоздай полный Python-код для анализа портфеля акций. Сгенерируй случайные данные по 5 акциям (AAPL, TSLA, NVDA, GOOGL, MSFT) за 2025 год: цены, об��емы, волатильность. Рассчитай Sharpe ratio, максимальную просадку (drawdown), Value at Risk (VaR 95%). Сравни портфели: 100% акции vs 60/40 акции/облигации vs S&P500 в таблице. Построй: (1) кумулятивную доходность с confidence bands, (2) heatmap корреляций, (3) efficient frontier с matplotlib/seaborn. Добавь Монте-Карло симуляцию (5000 сценариев) и рекомендации по ребалансировке.
4. Разработка бизнес-идейПроанализируй текущие вызовы в сфере deep-research AI, особенно по проблемам цитирования и достоверности данных. Предложи 5 инновационных бизнес-идей SaaS-платформ, которые помогут автоматизировать аудит научных статей, выявление ошибок цитирования и проверку фактов. Для каждой идеи опиши: целевой рынок (TAM/SAM), конкурентные преимущества, каналы монетизации, примерный roadmap от MVP до масштабирования, ключевые метрики успеха и возможные риски. Сформируй вывод в виде таблицы с сравнительным анализом по потенциалу доходности и реалистичности.
Если взглянуть на все тесты - код, бизнес-идеи, анализ научных статей - Perplexity обработала их без явных проблем. Особенно понравились таблицы, но вот бизнес идея будто простовата и требует дополнительные промпты для улучшения структуры. Тут, мне кажется, GPT справился бы лучше.