Perplexity powierza GPT-6 Astra pełne systemy produkcyjne

Perplexity, popularna wyszukiwarka odpowiedzi napędzana AI, coraz częściej powierza kluczowe zadania operacyjne nowemu modelowi OpenAI — GPT-6 Astra. Jak opisuje oficjalny case study OpenAI, firma wykorzystuje model nie tylko do przetwarzania informacji, ale też do pisania komunikacji, modyfikowania systemów produkcyjnych i monitorowania ich działania — z coraz mniejszą potrzebą ludzkiej kontroli.

Kluczowe wnioski

• Perplexity wykorzystuje GPT-6 Astra do pisania komunikacji, edycji rzeczywistych systemów i monitorowania oprogramowania produkcyjnego.
• Johnny Ho, współzałożyciel i Chief Strategy Officer Perplexity, twierdzi, że firma może obecnie powierzać modelowi pełne systemy end-to-end i sprawdzać jego pracę znacznie rzadziej niż w przypadku wcześniejszych generacji modeli.
• Model jest wykorzystywany do budowania programów testujących aplikacje — generuje realistyczne odpowiedzi imitujące zewnętrzne usługi, np. API modeli językowych czy konektory.
• Każda poprawa zdolności modelu do pisania kodu przekłada się według Perplexity bezpośrednio na jakość jego silnika wyszukiwania.

Od wyszukiwania informacji do zarządzania systemami

Perplexity jako firma zbudowana wokół wyszukiwarki odpowiedzi opartej na AI od zawsze stawiała na przetwarzanie ogromnych ilości informacji i dokładność wyników. Johnny Ho zauważa, że postępy w zdolnościach kodowania modeli mają bezpośrednie przełożenie na jakość produktu wyszukiwawczego firmy — lepsze modele piszą lepsze programy, które przeszukują sieć i wewnętrzne bazy danych, a następnie zwięźle podsumowują zebrane informacje.

Prawdziwym wyzwaniem, jak podkreśla Ho, nie było jednak samo przetwarzanie informacji, lecz przełożenie tych zdolności na działanie w realnych systemach produkcyjnych firmy. To właśnie ten obszar — zdaniem Perplexity — znacząco poprawił się dzięki GPT-6 Astra.

„Możemy teraz pozwolić modelowi tworzyć komunikaty, edytować rzeczywiste systemy i monitorować nasze oprogramowanie produkcyjne w sposób, w jaki wcześniejsze generacje modeli nie były w stanie.” — Johnny Ho, współzałożyciel i Chief Strategy Officer, Perplexity

To zdanie zwraca uwagę na kluczową zmianę: model przestał być traktowany jedynie jako narzędzie do generowania tekstu czy odpowiedzi, a stał się aktywnym uczestnikiem procesów operacyjnych firmy — od komunikacji, przez modyfikację kodu, aż po nadzór nad infrastrukturą.

Testowanie kodu bez udziału człowieka

Jednym z najbardziej praktycznych zastosowań AI w codziennej pracy Perplexity jest automatyzacja testowania oprogramowania. Johnny Ho zwraca uwagę, że przy ograniczonym czasie na manualne testy, prosi GPT-6 Astra o zbudowanie niewielkiego programu testowego wokół danej aplikacji.

Model jest w stanie generować realistyczne odpowiedzi, które imitują zachowanie innych usług — na przykład API modelu językowego lub konektora zewnętrznego systemu. Dzięki temu, że model może „zastąpić” te usługi w środowisku testowym, Perplexity jest w stanie sprawdzić, jak aplikacja reaguje na różne scenariusze i przetestować cały przepływ pracy od początku do końca, bez konieczności podłączania rzeczywistych zewnętrznych systemów.

„Jesteśmy w stanie faktycznie powierzyć mu pełne systemy end-to-end i sprawdzać jego pracę znacznie rzadziej niż w przypadku wcześniejszych generacji modeli.” — Johnny Ho, współzałożyciel i Chief Strategy Officer, Perplexity

To oznacza, że zespół inżynieryjny Perplexity może przenieść część swojej uwagi z ręcznej weryfikacji na inne zadania, ufając, że model samodzielnie wykryje nieprawidłowości w działaniu systemów. Praktyka ta wpisuje się w szerszy trend, w którym najnowsze modele OpenAI są testowane w roli agentów zdolnych do samodzielnej pracy z minimalnym nadzorem — podobne podejście opisano wcześniej w przypadku, gdy GPT-6 Astra samodzielnie zgłosiła błąd ChatGPT do supportu OpenAI.

Znaczenie dla branży AI i firm technologicznych

Przypadek Perplexity dobrze ilustruje szerszy kierunek rozwoju modeli językowych w kontekście biznesowym: przejście od roli „asystenta odpowiadającego na pytania” do roli „operatora systemów”, który samodzielnie testuje, monitoruje i modyfikuje infrastrukturę produkcyjną. Podobne podejście, oparte na budowaniu agentów zdolnych do samodoskonalenia i pracy z ograniczonym nadzorem człowieka, opisywano już w innych firmach wykorzystujących modele AI do rozwoju oprogramowania — przykładem może być sposób, w jaki Warp buduje samodoskonalące się agenty na Claude.

Dla Perplexity, firmy działającej w niezwykle konkurencyjnym segmencie wyszukiwania i odpowiedzi generowanych przez AI, zaufanie do modelu w zakresie zadań end-to-end oznacza nie tylko oszczędność czasu, ale też potencjalnie szybsze wdrażanie nowych funkcji produktowych — bez konieczności rozbudowywania zespołu odpowiedzialnego za manualne testowanie i nadzór nad systemami.

Podsumowanie

Case study OpenAI potwierdza, że GPT-6 Astra jest przez firmy takie jak Perplexity traktowany nie jako kolejny model do generowania treści, lecz jako narzędzie zdolne do samodzielnej pracy z systemami produkcyjnymi — od pisania komunikacji po pełne testowanie aplikacji end-to-end, z minimalną potrzebą ludzkiej kontroli.