Perplexity 升级 Pro Search：引入多步推理，接入 Wolfram 处理复杂数学

平时查个天气或比赛比分，搜一下出个答案就够了。但如果你是要写一份竞品调研、排查一段报错的脚本，或者核算一组复杂的财务模型，普通的 AI 搜索往往搜一次就交差，给出的内容不是浮于表面，就是数学题算错。

Perplexity 这次升级了核心功能 Pro Search，试图把搜索引擎变成一个能自己规划、自己查证的「研究助理」。

像人类一样做多步推理与二次搜索

这次升级最大的变化是引入了多步推理能力。

以往的搜索助手在接到提问后，通常只是单次检索然后总结。新版 Pro Search 在拿到复杂问题时，会先判断这个问题是否需要拆解规划，然后一步步去完成目标。

更关键的是，它现在会根据第一轮的搜索结果做分析，如果发现信息不够或者有新线索，会自动发起后续搜索，一层一层把答案挖深。

用户在搜索框里点开 Pro 开关后，不仅能看到覆盖更广的可靠来源，还能实时看到它一步步思考和检索的完整过程。

拉来 Wolfram|Alpha 补足数学短板

除了搜索逻辑的改变，Perplexity 还把重点放在了代码执行和数学计算上。

新版 Pro Search 强化了代码执行能力，跑数据分析、代码调试和内容生成的速度更快。大语言模型一直被诟病的「数学算不好」问题，Perplexity 选择接入外部计算引擎 Wolfram|Alpha 来解决。

有了 Wolfram|Alpha 的加持，复杂的数学计算和符号公式推导不再靠语言模型硬猜，准确度和响应速度都有了实质提升。

在可用性方面，普通免费用户每天可以免费体验有限次数的 Pro Search。如果需要更高频次的使用，以及切换更多底层模型，则需要订阅付费的 Perplexity Pro。

为什么重要

我们认为，Perplexity 这次升级看准了生成式搜索目前最尴尬的痛点：只查一层、张口胡说、算数全错。

对用户来说，如果你是需要查判例的律师、做趋势报告的分析师，或是经常被 bug 困扰的程序员，这次升级后的深度搜索很值得一试。以前需要手动换三四种关键词反复搜的事情，现在 AI 可以自己做 follow-up search 顺藤摸瓜，省去了不少反复调试 prompt 的时间。

在技术路径上，Perplexity 接入 Wolfram|Alpha 的做法非常聪明。语言模型本质是概率预测，拿它做严肃的高等数学和精确计算本来就是扬短避长；直接把专业计算甩给专业引擎，是目前最稳妥、成本也相对可控的方案。

不过这种多步搜索也存在隐患。推理链条拉长之后，如果第一步检索到的网页本身含有偏见或事实错误，AI 后续的追问很可能会在错误的路径上越走越远，生成一份看似逻辑严密但源头跑偏的报告。看起来，Perplexity 正在从一个「更好的 Google」转向一个「初级研究员」，但能否真正替代人工交叉比对，还得看它在长链路任务中的抗干扰能力。