Perplexity Photon: lacnejšie hľadanie pre AI agentov, ktoré musí prejsť vlastným testom

Agent, ktorý dopĺňa firemné záznamy do CRM, nemusí čakať najmä na jazykový model. Často čaká na vyhľadanie podkladov. Popri výbere modelu by som preto meral aj vyhľadávací krok: jeho cenu, nájdené dôkazy a počet ďalších pokusov.

Perplexity 24. septembra 2026 predstavilo Photon, vlastný vyhľadávací a radiaci engine, a Fast Search. Firma uvádza 68 % zníženie odhadovaných nákladov modelu a vyhľadávania na šiestich agentných benchmarkoch pri porovnateľnej súhrnnej úspešnosti. Sú to merania dodávateľa; rýchlejší variant má slabšie výsledky pri širších a nejednoznačných otázkach. Výskumný článok, dátum publikácie.

Cena hľadania nie je cenou dokončenej práce

Podľa cenníka stojí samostatné Search API 1 USD za 1 000 úspešných Fast Search požiadaviek oproti 5 USD pri štandarde. Účtuje sa požiadavka, aj keď nenájde výsledky; samotné Search API nemá ďalší tokenový poplatok. Nadväzujúci model počítajte osobitne.

Pri 10 000 požiadavkách ide o 10 namiesto 50 USD. Úspora položky vyhľadávania je teda 80 %, nie spomínaných 68 % celého benchmarku. Ak však rýchle hľadanie spôsobí opakované dotazy alebo chybný firemný profil, celé workflow môže byť drahšie. Zaujíma ma cena jedného správne doplneného záznamu.

Ako by som to zapojil do n8n alebo Make

Toto je návrh pilotu, nie opis už otestovaného nasadenia:

1. Z CRM vezmite verejný názov a známu doménu firmy. Do vyhľadávania neposielajte celý interný obchodný prípad.
2. Cez HTTP krok vyhľadajte oficiálny web a podklady k jednému poľu, napríklad odvetviu alebo sídlu.
3. Extraktor vráti hodnotu, zdrojovú URL, dátum kontroly a stav „doložené / nejasné“. Údaj bez dôkazu zostane prázdny.
4. Pri rozpore domén, zámene firiem alebo nedostatku podkladov skúste štandardné hľadanie. Po jednom opakovaní odovzdajte záznam človeku.
5. Do CRM zapisujte až po validácii. Uchovajte pôvodnú hodnotu a identifikátor operácie, aby opakované spustenie nevykonalo zmenu znova.

Takto oddelíte nájdenie podkladu od rozhodnutia, čo možno zapísať. Rovnaký princíp sa hodí na rešerš pre content pipeline alebo dohľadanie verejnej dokumentácie pre podporu. Pri klasifikácii interného e-mailu, ktorá web nepotrebuje, by som vyhľadávanie nepridával.

Nastavenie a jedna integračná pasca

V požiadavke POST https://api.perplexity.ai/search nastavte search_type na fast. Formát odpovede sa nemení; bez parametra sa použije web. Fast Search nie je Agent API preset fast. Python SDK 0.43.4 a 0.43.5 potrebuje extra_body={"search_type": "fast"}. Dokumentácia Fast Search.

Prvý pilot by som spustil cez HTTP uzol s bezpečne uloženými credentials a malou sadou záznamov. Ľahšie tak odlíšite odpoveď služby od validačnej chyby knižnice. Nastavenie tu neprezentujem ako overené volanie z produkčného účtu.

Čo musí pilot preukázať

Vezmite napríklad 100 ručne skontrolovaných firiem vrátane rovnakých názvov a chýbajúcich webov. Porovnajte oba režimy na rovnakej sade: správnosť polí, odovzdania človeku, počet pokusov, celkovú cenu a čas dokončenia. Pri zdrojoch ukladajte aj dátum; fungujúci web môže stále obsahovať zastaraný údaj.

Lacnejšie vyhľadávanie by som nasadil tam, kde tieto výsledky obstoja. Ak úsporu pohltia opravy, ponechal by som štandard alebo zmenil rozhodovacie pravidlá. Až tento test ukáže hodnotu Photonu pre firmu.