2026 年 2 月 5 日,Perplexity 在官方部落格發表 Model Council;隔天的產品更新清單把它與升級版 Deep Research、簡化的輸入欄、逐步學習功能與記憶改善打包成同一週的改版。Model Council 的邏輯一句話可以說完:同一個問題,同時交給三個前線模型作答,再由另一個模型審閱三方回應,綜整成一份答案——共識與分歧都標示出來。
這不是又一層聊天介面,而是把「多模型交叉驗證」從研究方法變成搜尋產品功能的一次嘗試。當單一模型的輸出已經難以分辨可信度,Perplexity 選擇把驗證工作直接做進產品裡。
Model Council 怎麼運作
Livemint 在 2 月 9 日的報導中整理了運作方式:使用者的查詢會平行送進三個模型,系統比對三份回應,標出關鍵洞見與彼此差異,幫助使用者驗證答案的可靠性。換句話說,輸出不再是「某個模型的說法」,而是「三個模型各自怎麼說、哪裡一致、哪裡吵架」的結構化摘要。
對困難問題而言,分歧本身就是訊號。當三個模型對同一個問題給出不同答案,那個分歧點正是需要人類判斷或進一步查證的地方——把它藏起來,使用者只會拿到一個自信的錯誤答案。
同一週的更新包:不只是議會
2 月 6 日的 changelog 顯示,Model Council 只是這波改版的一部分:Deep Research獲得升級、輸入欄簡化、新增逐步學習(step-by-step learning)、記憶功能改善。時機也值得注意——這一週正是前線模型競爭白熱化的時刻,Anthropic 才剛在 2 月 6 日發表 Claude Opus 4.6。「哪個模型最強」的答案每週都在改寫,Perplexity 的回應不是替使用者選邊站,而是把單選題改成並列比較。
為什麼「議會」有效:錯誤不重疊,共識更可信
多模型交叉驗證在研究上有據可循:獨立訓練的模型,犯的錯誤不完全重疊。三個模型同時犯同一個隨機錯誤的機率,遠低於單一模型犯錯的機率,因此比對之後,隨機錯誤會被抵銷,能存活下來的分歧多半對應到真正的難點或不確定性。
Model Council 把這個概念產品化的關鍵貢獻,在於它不假裝分歧不存在。傳統的答案合成會把差異抹平成一個「綜合版」;這裡反而把差異標示出來,交給使用者判斷。對事實性問題,三個模型一致的段落可以快速略讀,吵架的段落才是值得停下來的地方。
代價:三倍推理加一次綜整
每個問題跑三個前線模型,再加一次審閱綜整,延遲與成本都是單模型流程的數倍。這決定了它的使用場景:日常查詢交給單模型即可,關鍵決策——醫療、法律、財務、事實查核——才值得動用議會。對開發者來說,這是典型的「準確率換成本」取捨,也說明了為什麼同類功能在市場上通常從高階付費層開放:只有願意為可靠度付費的使用者,才撐得起三倍的推理帳單。
對產品團隊的啟示:路由與議會是兩種架構
多模型策略有兩條路。「路由」(routing)先判斷問題類型,挑一個最適合的模型,省成本;「議會」(council)讓多個模型互相制衡,買可靠度。前者優化邊際成本,後者優化答案可信度。當前線模型之間的能力差距持續縮小,「答案可不可以被驗證」本身會變成產品的差異點——Perplexity 不是第一個想到 ensembling 的團隊,但是最早把它放進大眾搜尋框的廠商之一。對正在設計 AI 功能的產品團隊,問題從「用哪個模型」變成「哪些問題值得三倍成本」。
參考來源
- Introducing Model Council — Perplexity Blog
- What We Shipped — February 6th, 2026 — Perplexity Changelog
- Perplexity unveils Model Council to compare answers across AI models: How it works — Livemint
本文由 AI 協助自上述來源整理，經人工審核後發布。