Perplexity lanza Computer, un sistema de orquestación que divide un objetivo en subtareas, crea subagentes y asigna cada parte al modelo más adecuado —incluido Claude Opus como motor central—, con ejecución en entornos aislados y trabajos que pueden durar “horas o incluso meses”.
Perplexity ha decidido que el futuro de los agentes no se juega en escoger “el mejor modelo”, sino en dirigir una orquesta. Ese es el planteamiento de Perplexity Computer, su nuevo producto de automatización avanzada: un “trabajador digital” capaz de operar software como lo haría un compañero humano (navegar, redactar, analizar datos, programar, llamar a APIs) y, sobre todo, encadenar flujos de trabajo completos sin quedarse atrapado en una sola familia de modelos. La compañía lo presenta como el siguiente paso natural tras su buscador con IA y su navegador Comet: pasar de contestar preguntas a producir resultados.
La novedad no es solo la ambición “agéntica”. Es la arquitectura: Computer descompone un objetivo (“prepara un informe”, “crea una aplicación”, “diseña una campaña”, “automatiza un proceso”), genera subtareas y crea subagentes que ejecutan trabajo en paralelo. Un agente puede redactar mientras otro recopila fuentes, otro limpia un dataset y otro prepara una integración con una herramienta externa. Esa coordinación, dice Perplexity, es automática y asíncrona: el usuario puede dejar el trabajo corriendo y volver cuando haya entregables.
De la “app de IA” al “sistema de trabajo”
Durante 2023-2025, el mercado se habituó a dos formatos: chatbots que responden y agentes que “hacen cosas” con más o menos fiabilidad. Perplexity intenta colocar Computer en una tercera categoría: un sistema que crea y ejecuta workflows, con persistencia temporal y con un arnés de seguridad basado en entornos aislados. No es un matiz menor: la mayoría de agentes autónomos tropiezan cuando pasan de la demo a la operación diaria, porque el mundo real exige gestionar credenciales, archivos, errores, cambios de contexto y decisiones intermedias.
Perplexity insiste en que cada tarea corre en un entorno de cómputo aislado con un sistema de archivos real, un navegador real e integraciones reales. La palabra clave aquí es “aislado”: es una respuesta directa a uno de los grandes miedos corporativos con los agentes (que un flujo de trabajo con acceso a herramientas acabe siendo una puerta trasera).
La pieza central: orquestación “multimodelo” como producto
La tesis de Perplexity es contraria a la “comoditización” simple de modelos. Su argumento: los modelos se especializan, y por eso un flujo completo necesita acceso a varios y capacidad de elegir. En su anuncio, la compañía detalla una combinación concreta “a fecha de hoy”:
- Claude Opus 4.6 como motor de razonamiento central
- Gemini para investigación profunda y creación de subagentes
- ChatGPT 5.2 para contexto largo y búsqueda amplia
- Grok para tareas ligeras y velocidad
- Nano Banana para imágenes
- Veo 3.1 para vídeo
La parte relevante no es la lista —que puede cambiar— sino la promesa: Computer es agnóstico al modelo, y esa agnosticidad se convierte en ventaja competitiva. Perplexity lo verbaliza como “elección y control”, y añade que el usuario puede seleccionar modelos específicos para subtareas cuando el coste en tokens y la calidad esperada importan.
Aquí aparece también el componente político-industrial: el CEO Aravind Srinivas lanzó un dardo público a Anthropic señalando que una debilidad de Claude es “trabajar solo con Claude”, reforzando la narrativa de que la integración vertical (un único proveedor) limita la flexibilidad frente a un orquestador que mezcla rivales. Esta idea —la IA como “metacapa” que decide qué IA usar— es el centro del movimiento.
“Sandbox” y persistencia: el argumento de fiabilidad
Una de las promesas más llamativas de Computer es la persistencia temporal: flujos capaces de ejecutarse durante “horas o incluso meses”. Esto apunta a un uso menos “chat” y más “operaciones”: proyectos largos, mantenimientos, monitoreo, investigación continua, actualizaciones periódicas y entregas iterativas. La idea de poder correr “docenas” de Computers en paralelo sugiere que Perplexity busca un mercado de equipos (producto, ingeniería, marketing, analítica) más que un uso ocasional.
Pero la persistencia solo es creíble si el sistema tiene un manejo decente de fallos. Por eso Perplexity subraya que, cuando Computer se atasca, crea subagentes para resolverlo, puede investigar información adicional o pedir intervención humana “si de verdad la necesita”. Es, en esencia, un intento de industrializar el “agent loop” con escalones de seguridad y recuperación.
El modelo de negocio: pagar por consumo y vender control
La compañía se inclina por un esquema de consumo (créditos/tokens) con un escalón “Max” como punto de entrada inicial. En el ecosistema de Perplexity, esto encaja: el usuario paga por capacidad de trabajo real (tiempo de ejecución, modelos de frontera, llamadas a herramientas) y, a cambio, exige visibilidad y control sobre qué modelo hace qué. La opción de “hand-pick” (elegir manualmente el modelo para cada tarea) está diseñada para usuarios avanzados y para empresas, donde el coste y la trazabilidad importan tanto como el resultado.
Este enfoque también es una forma de diferenciarse del mercado de “agregadores” (una categoría hoy bajo presión, precisamente por márgenes y replicabilidad): Perplexity intenta que la orquestación no sea una mera pasarela, sino un sistema de ejecución con sandbox, memoria operativa e integración de herramientas.
La competencia real: no es solo “otro agente”
Computer llega a un campo saturado de palabras (“agente”, “autónomo”, “copiloto”) pero con pocas plataformas capaces de sostener proyectos largos con controles razonables. La apuesta de Perplexity compite en tres frentes:
- Con los laboratorios que quieren que uses su agente “nativo” (un modelo, una interfaz, un flujo).
- Con suites corporativas (productividad, CRM, soporte) que integran IA dentro del software existente.
- Con agentes open source que prometen libertad total, pero a menudo fallan en seguridad, estabilidad o costes de operación.
Lo interesante es que Perplexity intenta posicionarse como una capa superior: no “tu modelo”, sino tu director de modelos, con una lógica de routing y ejecución que se actualiza cuando cambian los modelos del mercado.
La pregunta incómoda: ¿quién gobierna la orquesta?
La orquestación multimodelo tiene un reverso: opacidad de decisiones. Si un sistema decide qué modelo usar, con qué prompt, con qué herramienta y con qué permisos, el usuario necesita garantías:
- Trazabilidad (qué subagente hizo qué, con qué fuentes y con qué modelo).
- Controles de acceso (credenciales, datos, límites de acción).
- Políticas claras (qué tareas no hará, qué datos almacena, cuánto tiempo).
- Responsabilidad cuando el output falla (alucinaciones, decisiones erróneas, ejecución defectuosa).
Perplexity mitiga parte del riesgo con el “sandbox” y la idea de aislamiento, pero el debate de fondo permanece: cuanto más potente es un agente, más exige gobernanza. Y cuanto más modelos mezcla, más difícil es atribuir errores y sesgos a un único proveedor.
Por qué este lanzamiento importa
Perplexity Computer es un síntoma de madurez del mercado: ya no se trata de tener “el modelo más listo”, sino de construir infraestructura de trabajo sobre modelos especializados. Si la promesa se cumple, el producto normaliza una idea que puede cambiar el tablero: que el usuario no elige “Claude o GPT o Gemini”, sino que compra un sistema que usa todos —y que convierte la elección en una decisión interna, optimizada por tarea, coste y calidad.
