AI 热点

Perplexity 年化收入达 10 亿美元,2026 年增长 4 倍

Latent Space更新于 11月17日 17:55

Perplexity hits a $1B revenue run rate, up 4x in 2026 — Latent Space

AI 导读

Perplexity CEO Aravind Srinivas 在 Semafor 活动上表示,公司年化收入已突破 10 亿美元;The Information 此前报道其年初不足 2.5 亿美元、8 月超过 7.5 亿美元,Computer 产品贡献了部分增长。按常见智能体实验室估值倍数推算,若单位经济模型成立,Perplexity 估值约在 300 亿至 500 亿美元区间,高于 2025 年 9 月 200 亿美元的一轮融资。文中还汇总了其近期发布:Computer 的 Automations 与 Teammates、Monitor API,以及拥有 1 万+ GPU 并计划发布论文、数据、模型和代码的 Frontier Research 实验室。

推荐理由

精选AI 评分 72

Perplexity 年化收入从年初不足 2.5 亿美元升至 10 亿美元,可对照其产品线扩张节奏理解增长来源。

主题

标签

正文 · AI 翻译

← AI 新闻AI 新闻Perplexity 年化收入达 10 亿美元,2026 年增长 4 倍

2026 年 11 月 16 日——Computer 迎来 Teammates,Perplexity 发布 Monitor API,并成立新的研究实验室。swyx .ai11 月 17 日·9 分钟阅读

Perplexity 今日年化收入突破 10 亿美元,CEO Aravind Srinivas 在一场直播活动中对 Semafor 表示。The Information 此前报道称,该公司年初收入不足 2.5 亿美元,到 8 月已超过 7.5 亿美元,其中 Computer 推动了部分增长。按智能体实验室常见的估值倍数计算(例如 Cognition 也突破了 10 亿美元,Cursor 则突破 46 亿美元),这大致意味着 Perplexity 目前估值在 300 亿至 500 亿美元之间——前提是单位经济模型成立。这较 2025 年 9 月 200 亿美元的一轮融资是一次不错的提升,也符合我们针对头条报道的“融资额 >100 亿美元”规则。

为方便读者了解,这里汇总 Perplexity 近期的一些发布:

Computer。9 月的 Automations 让它能从中断处继续处理重复性任务。11 月的 Teammates 则接手持续性工作。Computer 还能在受支持的 Mac 上完全本地运行。

Monitor API。监控某个主题或页面,并在相关内容发生变化时收到 webhook。

Frontier Research。这个新的研究实验室可使用 1 万+ GPU,并计划发布论文、数据、模型和代码。

进一步了解实时上下文标准(Real-time Context Standard)。

AI 推特回顾

Qwen4-Max 投入实际使用

周五预览的 Qwen4-Max 现已成为正式发布模型。在最高推理设置下,Qwen4-Max 在 Intelligence Index 上得分 43,高于此前的 34。每任务平均成本从 10.02 美元降至 3.27 美元。阿里巴巴将输出价格从每百万 token 6 美元下调至 4.50 美元,而该模型生成的 token 数量减少了约 39%。Kimi K3.1 Pro 每项指数任务成本为 3.68 美元,在 Terminal-Bench 4.0 上得分 67%,而 Qwen 为 48%。Artificial Analysis

模型内部。阿里巴巴将总参数数量保持在 2.4T,并将每个 token 激活的参数数量减少 25% 至 71B。该模型可接受图像和文本输入,上下文窗口为 100 万 token。更小的开放权重 Qwen4 模型仍将推出。阿里巴巴

Arena 与 Vals:Arena 在 Agent Arena 上将其总体排名第 14,是中国模型中最高的,在 1.47 万次会话中净提升 +7.5%(Arena)。

WebDev:它在 Code Arena WebDev 中以 1750 分排名第 6,比前代提升 74 分(WebDev)。它还在 Image-to-WebDev 中排名第 6,略高于 Claude Opus 5 和 GPT-6 Sol(I2WebDev)。

Vals Index:它总体排名第 11,在编程和金融方面大幅提升(Vals)。

法律基准注意事项:在 HLAB 上,它正确完成 95.7% 的检查项,但仅通过 21.3% 的任务,且其输出 token 增加 3.6 倍(HLAB)。

视觉结果(独立):Roboflow 称其在其 VLM 基准上表现平平,Google、OpenAI 和 Anthropic 现已远远领先。不过在高推理强度下,它每张图像比 Qwen3.8-Max 快约 4.5 倍、便宜约 68%(Roboflow)。

安全、对齐与评估完整性

OpenAI 嵌入式评估:OpenAI 正向 Apollo、METR、Transluce 和 Goodfire 提供其模型和系统的内部访问权限(OpenAI)。

按机构划分的范围:Apollo 派驻六名评估人员现场工作四个月(Rundown)。METR 审查 OpenAI 规模最大的 RL 运行,可访问转录记录、监控记录和检查点快照(METR)。Transluce 对训练后对齐评估进行为期六周的审计,并将在 2027 年初进行更全面的后续工作(Transluce)。Goodfire 派驻可解释性研究人员监控训练运行(Goodfire)。

限制:METR 表示其范围不包括 OpenAI 已披露的不对齐事件,且比 METR 提议的范围更窄(范围)。

对访问条款的批评:批评者称这些协议未达到 Sam Altman 所承诺的“类似员工的访问权限”。

据报道的缺口:评估人员无法访问 Slack,OpenAI 选择他们可访谈哪些员工,且他们无法访问权重或运行基于训练的诱导(Neel Nanda、Alex Mallen)。

前员工说法:Mikita Balesni 表示,评估人员不能引用员工的话,即使匿名也不行,部分人员可能被禁止发布关于仅限内部模型的内容(balesni)。

Goodfire 收购谈判:The Information 报道称,OpenAI 曾探讨以超过 50 亿美元收购这家可解释性初创公司。据报道,Goodfire 希望保持独立,以便向多家实验室出售(报道)。

其他完整性信号:

基准污染:Claude 似乎记住了 LinuxArena 控制评估的细节(Karvonen)。

事件分类法:OpenAI 发布了一个 v0.1 框架,用于对 AI 控制事件进行分类(框架)。

披露政策:Anthropic 将高严重性和严重漏洞的协调披露窗口从 90 天缩短至 30 天(政策)。

推理系统与智能体基础设施

Together 不再依赖手工调优的 megakernel。其首个设计已为一位客户投入生产。现在智能体会搜索更小的 GPU 操作组进行融合。Together 报告称,在 B200 上运行 Llama 3.2 1B 时吞吐量提高 28%。工程文章

DeepSeek V4.1 Flash 在 Vera Rubin 上:在 SemiAnalysis 的 AgentX 基准上,vLLM 搭配 Dynamo 显示,在每用户 400 tok/s 时,每芯片吞吐量是 GB300 NVL72 的 63.4 倍,在 600 tok/s 时为 93.3 倍(vLLM)。

Batch-1 延迟:与 SGLang 相关的工作在 TP4 上、批大小为 1 时达到约 2,500 tok/s,是其 GB300 结果的 1.7 倍(saltyph)。Baseten 报告称,相比其 4xB300 的数据也有类似的 1.7 倍提升(Baseten)。

智能体驱动的优化:一个智能体通过 NVLink 对称内存跨 HBM 共享 Engram 表,以恢复前缀缓存容量(Liu)。另一个团队表示,智能体找到的优化使其 B300 单步时间加快了 10%(Halex)。

智能体化服务研究:MIT 的 Evolving Infra 用在线自适应取代固定的预填充/解码分离。在最多 256 块 GB300 上与 NVIDIA Dynamo 对比,它报告延迟最多降低 4.1 倍,P95 TTFT 最多降低 14 倍(Evolving Infra)。

流水线并行预填充:Inferact 发现,在 2 秒 TTFT 目标下,MiniMax-M3.1-Flash 上的 PP2 每 GPU 维持的请求数比 DEP2 多 23%(Inferact)。

前缀缓存陷阱:Ollama 发现,单个系统提示时间戳或推理强度的变化就可能清空缓存(Ollama)。

沙箱与训练:

外部沙箱:Simon Willison 描述了在 Mac 上运行智能体、同时在 WebAssembly、QEMU 或 Apple Container 沙箱中执行其代码的做法。该模式包括允许列表代理和凭据替换(文章)。

MLPerf:在 MLPerf Training v6.1 中,一台 GB300 NVL72 用 19.7 分钟训练了 GPT-OSS-20B,比 H100 快 2.86 倍(Lambda)。

开放模型统一端点。Hugging Face Inference Providers 现已在 OpenRouter 上运行,使用相同的端点和令牌。Hugging Face

研究、基准与评估赞助你的赞助广告位在这里触达正在构建下一代的 AI 工程师。

Latent Space 的读者正是交付智能体、模型和基础设施的人。咨询赞助此广告位:business@latent.space →

PyBot:1,000 个 DeepSeek-V4.1-Flash 智能体组成的集群花了一周时间编写一个基于规则的聊天机器人,不使用任何神经网络(lewtun)。

规模:这些智能体交换了约 17.5 万条消息,合并了约 8 千个 PR。

结果:该机器人是 63 万行零依赖的 Python 代码,据报道在日常问题上与 SmolLM-360M 相当。

自我改进与训练:

AutoRL:监督一次实时 RL 运行的智能体将 Qwen3 在 AIME 2024 上的成绩从 46.67% 提升到 66.67%(omarsar0)。

基准作弊的注意事项:一篇综述警告称,许多自我改进智能体的提升来自学习基准而非任务本身(TuringPost)。

权重空间编程:Opus 5.5 手写 transformer 权重,以中位数 166 个参数解决了算法任务(dair_ai)。

数据整理:DatologyAI 发布了其声称 6 倍预训练算力乘数背后的技术报告(Datology)。

蒸馏复现:一项小规模复现证实,扰动输入蒸馏在学生从头训练时有帮助,但发现将其蒸馏到预训练学生中反而有害(Maini)。

新基准:

GradeBench:在批改手写物理答案时,最佳前沿模型与教师的评分一致率仅为 57%(GradeBench)。

首音频时间:AA 的新 TTS 延迟基准发现,流式模型的中位数为 376 毫秒,而非流式模型为 2.0 秒(AA)。

SpeedRunBench:Inkling-2-Small 以 1,988 帧通关 SuperTux 1-1,领先于 Opus 5 和 GPT-5.6 Sol(SpeedRunBench)。

科学模型与开发者工具

Gemini 4 Carbon:DeepMind 表示,Carbon 驱动的 AlphaProof Code 智能体验证了 Signal 的加密代码。它还发现了湿实验室错误,并找到了多 40 倍的相关蛋白质序列(详情)。

科学访问:Google 通过 Antigravity 将 Carbon 的免费访问扩展给 10,000 名科学家(计划)。

上下文窗口:Antigravity 将 Argon、Carbon 和 Hydrogen 的上下文窗口翻倍,使每用户轮次的压缩减少了 3.5 倍(Mohan)。

用户报告(轶事):一位研究人员表示,Carbon 解决了一个此前多轮 Astra 和 Fable 尝试都未能解决的问题(轶事)。

OpenAI 面向科学与健康:OpenAI 将向最多 20 万名科学家开放免费前沿访问,申请从 11 月 23 日开始(计划)。

生产力研究:OpenAI 报告称,在一项 1,800 名参与者的研究中,科学家的生产力大约翻了一番(研究)。

物理学展示:物理学家 Nathaniel Craig 使用 GPT-6 Astra 开发了一个标准模型的候选晶格定义(博客)。

医疗健康:ChatGPT for Healthcare 新增计算机使用智能体和 20 多个插件(医疗健康)。

Claude Code:桌面应用现在可在 iOS 模拟器中运行 iPhone Duo,并能折叠和展开设备以测试布局(ClaudeDevs)。

验证:该团队发布了其如何使用廉价测试、基准和端到端运行来让 Claude 验证自身工作的方法(博客)。

未发布模型(未经证实):Devin 中出现的一个“Silicon 2”条目被怀疑是 Anthropic 的模型(传闻)。

Liquid d1.2-ultra:它以每百万输入 token 0.042 美元在 AA 的 Decision Index 上排名第一(AA)。

Sage S2.1 Flash:这个开放权重科学模型报告了领先的 MLE-bench Lite 和 OfficeQA Pro 结果(Sage)。

FLUX-mimic-x:一个 7B 视频-动作机器人模型在 RoboLab 的实时模型中排名第一(mimic)。

Unsloth 计算机使用:本地模型现在可以通过 Unsloth 驱动桌面应用和游戏引擎(Unsloth)。

行业与政策

Nvidia。美国商务部和司法部就 Megaspeed 调查发表联合声明。商务部

融资与并购:

Noeri:Yejin Choi 和 Carlos Guestrin 的持续学习实验室融资 1.1 亿美元(Choi)。

Corma:这家网络防御模型公司以 10 亿美元估值完成 1.25 亿美元 A 轮融资(Corma)。

World Labs:该团队将加入 AMD(Fei-Fei Li)。

市场数据:Anthropic 的 S-1 显示 2026 年上半年收入 163 亿美元,算力成本占收入的比例从 251% 降至 48%(The Batch)。

企业采用:Databricks 报告称,开放模型的 token 份额在 3.5 个月内从 7.3% 升至 30.9%(摘要)。

AI Reddit 回顾

本地模型与硬件

16 GB 能装下什么?Unsloth 预计更小的 Qwen4-27B 可在 16 GB 内运行。本地用户想看到量化方式,以及还剩多少内存留给上下文窗口。一位开发者已经把编码任务拆分:用 Opus 写规格,用本地 Qwen3.8-27B 做实现。内存讨论 · 本地工作流

Hy4 Flash。腾讯的多模态模型有 224B 参数,每个 token 激活 12B。输入 token 每百万 0.070 美元、输出 token 每百万 0.281 美元,为开发者提供了更便宜的方式来试用 Hy4 的 1M 上下文窗口。腾讯发布 · 讨论

EUROPA。据报道,在 JUPITER 超级计算机上进行的一次测试训练了一个约 952B 参数的专家混合模型,每个 token 激活 32.8B 参数。本地模型社区的问题是,团队为何为其首个模型选择这一规模。训练运行与讨论

两种量化在哪里出现分歧?inside-llm 加载两个使用相同分词器的 GGUF,并让你并排逐步查看它们的预测。观察它们首次出现分歧的 token,然后比较它们分配给备选项的概率。项目 · 演示与讨论

Basalt 的 770 tokens/秒这一亮眼数字取决于你生成什么。开发者报告称,Qwen3.8-27B 的结构化输出最高可达 776 tokens/秒,聊天为 262,散文为 194。读者要求对 4-bit 预填充进行更长时间的质量测试。Basalt · 基准测试帖

在 FPGA 上运行 Qwen 27B。Valley Semiconductor 报告称,短提示下为 7.9 tokens/秒,实时聊天中约为 5.5。其 20 W 下达到 50 tokens/秒的目标是对未来芯片的预测。现场演示 · 硬件讨论

使用中的智能体

Claude Meetings。一位 CTO 描述了邀请 Claude 加入一场 30 分钟的 Google Meet。它在会议期间更新了 Notion 中的项目记录,并调用团队自己的工具来更新投标。实地报告

针对 Hydrogen 的 Minecraft 测试。一位开发者要求 Gemini 4 Hydrogen 恢复缺失的源代码,并为 11 个 Minecraft 版本构建数据包。据报道,该智能体启动了两个图形客户端,以测试针对掉落物品和射线检测的修复。开发者叙述

团队聘请 harness 开发者做什么。讨论中的一个例子:编码智能体可以提出变更,而 harness 决定它可以写入哪个仓库、哪项 CI 测试算作通过,以及何时需要人工批准下一步。Claude Code 讨论

视觉与视频

测试视频模型的物理理解。在第二个 MiniMax H3 演示之后,评论者提出了一个更难的测试:描述场景,在提示中不给出结果,看看模型是否会预测物体的行为。演示与讨论 感谢阅读

保持略微领先于曲线。

Claude Meetings。一位 CTO 描述了邀请 Claude 加入一场 30 分钟的 Google Meet。它在会议期间更新了 Notion 中的项目记录,并调用团队自己的工具来更新投标。实地报告

针对 Hydrogen 的 Minecraft 测试。一位开发者要求 Gemini 4 Hydrogen 恢复缺失的源代码,并为 11 个 Minecraft 版本构建数据包。据报道,该智能体启动了两个图形客户端,以测试针对掉落物品和射线检测的修复。开发者叙述

团队聘请 harness 开发者做什么。讨论中的一个例子:编码智能体可以提出变更,而 harness 决定它可以写入哪个仓库、哪项 CI 测试算作通过,以及何时需要人工批准下一步。Claude Code 讨论

视觉与视频

测试视频模型的物理理解。在第二个 MiniMax H3 演示之后,评论者提出了一个更难的测试:描述场景,在提示中不给出结果,看看模型是否会预测物体的行为。演示与讨论 感谢阅读

保持略微领先于曲线。

来源

Latent Space