Perplexity Computer: Brain y Deep Research lo cambian todo

En pocas palabras: La actualización de Perplexity Computer suma Deep Research y Brain, memoria persistente que aprende de fallos. BrowseComp subió del 40,7 % al 83,8 % en menos de cuatro meses. Exclusivo de Max (USD 200/mes).

Perplexity acaba de meterle una actualización fuerte a Computer, su agente de IA en la nube, y los números son contundentes. La integración con Deep Research y el lanzamiento de Brain —una memoria persistente que aprende de sus propios errores— cambiaron el tablero por completo. La precisión en BrowseComp saltó del 40,7% al 83,8% en menos de cuatro meses. Si alguna vez usaste un agente que repetía los mismos errores sesión tras sesión, sabés por qué esto importa.

Perplexity Computer es un sistema de inteligencia artificial en la nube lanzado en febrero de 2026 que coordina hasta 20 modelos de IA distintos dentro de un flujo de trabajo automatizado. Maneja software real, crea subagentes especializados, busca claves de API, programa aplicaciones si hace falta y ahora incorpora investigación profunda con memoria persistente entre sesiones. Está disponible para suscriptores de Perplexity Max a USD 200 mensuales.

Perplexity es un motor de respuestas basado en inteligencia artificial desarrollado por Perplexity AI, diseñado para proporcionar respuestas actualizadas con citas a las fuentes. Se utiliza para buscar información en tiempo real.

¿Qué es Perplexity Computer y qué novedades trae esta actualización?

Computer no es un chatbot glorificado. Es un sistema que corre en máquinas virtuales en la nube de Perplexity y opera software de verdad. Abre navegadores, completa formularios, ejecuta código, busca APIs, instala librerías. Si la tarea lo requiere, programa una app desde cero (sí, en serio).

La gran novedad de junio de 2026 es doble. Por un lado, Deep Research ahora funciona dentro de Computer, lo que significa que el agente descompone una pregunta compleja en subtareas, ejecuta miles de pasos de recuperación en paralelo, lee archivos internos y la web en vivo, y entrega informes, presentaciones, paneles y hojas de cálculo listos para usar. Por otro lado, Brain —la memoria persistente— hace que el agente no arranque de cero cada vez que lo usás.

El anuncio oficial de Perplexity detalla que Computer ahora dirige cada subtarea al modelo más adecuado: Opus 4.6 como motor de razonamiento central, Gemini para investigación profunda, modelos especializados en revisión legal de contratos, modelos de datos para hojas de cálculo y modelos de escritura para borradores. La orquestación es el diferencial acá, no el modelo individual.

¿Cómo funciona Brain, la memoria persistente del agente Computer?

Brain es lo que separa a Computer de cualquier otro agente que hayas probado. Cada acción que ejecuta —fuentes consultadas, correcciones hechas, decisiones tomadas, resultados obtenidos— se registra y se convierte en un nodo dentro de un grafo de contexto que persiste entre sesiones. Cada tarea completada suma información a ese grafo. Más contexto en nuestra guía sobre Microsoft Intune.

Todas las noches, Brain sintetiza el grafo en una suerte de wiki personal optimizada para LLM. Al día siguiente, cuando arrancás una tarea nueva, Computer carga esa wiki y arranca con contexto acumulado. No es un historial de chats, es una representación estructurada de lo que aprendió haciendo.

Los números que publicó la empresa: la precisión mejora un 25% en tareas que ya manejó antes y la recuperación de información sube un 16%. Además, el costo de tareas con mucho contexto baja un 13%, porque el agente no necesita reprocesar información que ya tiene mapeada. Ojo: estos son datos del propio Perplexity, no hay benchmarks independientes todavía. Tomalo con pinzas.

¿Y qué pasa cuando se equivoca? Ahí está lo interesante. Brain registra la corrección, la asocia al nodo correspondiente del grafo y ajusta el comportamiento para la próxima. Si le dijiste “ese dato no era de PitchBook, era de CB Insights”, la próxima vez que busque información similar va a priorizar la fuente correcta. Es un mecanismo de feedback que no depende de fine-tuning ni de RLHF tradicional, sino de memoria estructurada.

¿Qué tareas puede hacer Perplexity Computer con Deep Research?

Ponele que trabajás en un fondo de inversión y necesitás un análisis competitivo del mercado de chips de IA en Latinoamérica. Le pedís a Computer que investigue proveedores, precios, regulaciones, barreras de entrada y proyecciones a tres años. El agente descompone el pedido en 15 o 20 subtareas, asigna cada una al modelo más adecuado, ejecuta búsquedas en paralelo, cruza datos de PitchBook y CB Insights, y te devuelve un informe de 40 páginas con cada afirmación citada, más una presentación ejecutiva y una hoja de cálculo con proyecciones financieras.

Lo nuevo es que podés tomar ese informe y pedirle que lo convierta en una presentación de 12 slides, o que extraiga los datos financieros y los ponga en una spreadsheet con fórmulas activas. No tenés que copiar y pegar nada, no tenés que formatear, no tenés que verificar que las citas sean correctas (o al menos no tanto como antes).

Según la cobertura de 7Minutos, Deep Research ejecuta miles de pasos de recuperación por pregunta, lee archivos internos y la web en vivo simultáneamente, y produce entregables que incluyen dashboards interactivos. El dato concreto: cada reclamo en un informe está citado con su fuente, y podés auditar el razonamiento paso a paso.

¿Qué modelos de IA usa Perplexity Computer como cerebro principal?

El motor de razonamiento central es Opus 4.6 (Anthropic). Pero el diferencial no está en un modelo, sino en la orquestación. Computer le manda cada subtarea al modelo que mejor la resuelve: Ya lo cubrimos antes en nuestra guía de ChatGPT.

• Investigación profunda: Gemini, por su capacidad de procesar contextos largos y hacer razonamiento multi-paso sobre documentos extensos.
• Revisión de contratos y documentos legales: modelos de razonamiento legal especializados.
• Hojas de cálculo y análisis de datos: modelos de datos que entienden fórmulas, referencias cruzadas y lógica de negocio.
• Redacción de borradores: modelos de escritura entrenados para distintos tonos y formatos.

El sistema es independiente del modelo —técnicamente hablando, es model-agnostic— y Perplexity puede rotar modelos según disponibilidad, costo y rendimiento sin que el usuario tenga que cambiar nada. La arquitectura es modular: si mañana sale Opus 5 o Gemini 3, Computer lo incorpora y redistribuye las tareas.

Acá viene lo bueno: como el orquestador decide qué modelo usar para cada subtarea, vos no tenés que hacer benchmark hunting cada dos semanas para ver qué LLM rinde mejor en cada cosa. El sistema lo hace por vos. ¿Siempre acierta? Probablemente no, pero el approach es sensato.

¿Cuánto cuesta y quiénes pueden usar Perplexity Computer y Brain?

Computer está incluido en la suscripción Perplexity Max. Brain está disponible en Research Preview para suscriptores Max y Enterprise Max. El precio: USD 200 por mes. No hay versión gratuita, no hay plan básico con funciones recortadas. Es un producto premium y el pricing lo refleja.

Si sos desarrollador, también podés acceder a la misma pila de búsqueda agente a través de la API de agente de Perplexity, con modelo de pago por uso. Esto es clave para equipos que quieran integrar Computer en pipelines automatizados sin pagar una suscripción completa por cada puesto.

¿Vale USD 200 por mes? Depende de cuánto tiempo te ahorre. Si estás en consultoría, investigación de mercado, análisis financiero o legal, y pasás 20 horas por semana buscando y cruzando información, la cuenta cierra rápido. Si tu trabajo no implica investigación profunda, probablemente no le saques el jugo.

¿Cómo mejoró el rendimiento de Deep Research después de la actualización?

Los números que publicó Perplexity son agresivos. Comparando el rendimiento de Computer antes y después de integrar Deep Research y Brain: Para más detalles técnicos, mirá nuestra guía sobre modelos de lenguaje.

Métrica	Antes (feb 2026)	Ahora (jun 2026)
BrowseComp (precisión)	40,7%	83,8%
Last Exam of Humanity	36,4%	50,5%
Precisión en tareas recurrentes (con Brain)	—	+25%
Recuperación de información (con Brain)	—	+16%
Costo en tareas con mucho contexto	—	-13%

BrowseComp mide la capacidad de un agente para navegar la web, extraer información relevante y sintetizarla sin alucinar. Pasar del 40,7% al 83,8% en cuatro meses no es un salto incremental —es un cambio de categoría. El Last Exam of Humanity, que evalúa razonamiento sobre preguntas diseñadas para ser difíciles incluso para expertos humanos, subió del 36,4% al 50,5%. Sigue sin ser sobresaliente, pero la mejora es real.

Ojo: estos benchmarks son internos de Perplexity. No hay auditoría externa ni paper revisado por pares. La empresa tiene todo el incentivo para mostrar números favorables. Dicho esto, la dirección de la mejora es consistente con lo que cualquiera que haya probado agentes de investigación en los últimos meses puede notar: el salto generacional de los modelos y la orquestación inteligente están haciendo diferencia.

Errores comunes al usar agentes como Perplexity Computer

He visto equipos mandarse las mismas tres macanas una y otra vez con herramientas de este tipo. Si estás por probar Computer, evitá esto:

1. Tratarlo como un chatbot y darle instrucciones vagas. “Haceme un análisis del mercado de SaaS” no es un prompt útil para un agente que puede ejecutar miles de pasos. Cuanto más específico seas con el alcance, las fuentes esperadas, el formato del entregable y los criterios de calidad, mejor va a ser el output. El agente no lee la mente.

2. No revisar las citas. Deep Research cita cada afirmación, pero eso no significa que la cita sea correcta o que la fuente diga exactamente lo que el agente interpretó. Un paper de 2023 puede citarse como respaldo de algo que el paper no afirma. Revisar fuentes lleva tiempo, pero sigue siendo necesario.

3. Asumir que Brain aprende solo y no necesita correcciones. Brain mejora con feedback explícito. Si el agente se equivoca y no le señalás el error, el grafo de contexto incorpora información incorrecta y la propaga a tareas futuras. Es como un junior que no recibe code review: va a seguir mandándose la misma macana. Complementá con nuestra guía sobre Google.

Preguntas Frecuentes

¿Qué es Perplexity Computer?

Perplexity Computer es un agente de IA en la nube que coordina hasta 20 modelos de inteligencia artificial para ejecutar tareas complejas de investigación, análisis y producción de contenidos. Lanzado en febrero de 2026, opera software real, crea subagentes y genera entregables como informes, presentaciones y hojas de cálculo.

¿Qué es Brain y cómo mejora el agente de Perplexity?

Brain es la memoria persistente de Perplexity Computer. Registra cada acción del agente en un grafo de contexto, aprende de correcciones y sintetiza una wiki personal que se carga al iniciar cada tarea nueva. Mejora la precisión un 25% en tareas recurrentes y reduce el costo de tareas con mucho contexto un 13%.

¿Cuánto cuesta la suscripción Max de Perplexity?

La suscripción Perplexity Max cuesta USD 200 mensuales e incluye acceso a Computer con Deep Research y Brain en Research Preview. No hay planes gratuitos ni versiones recortadas. Los desarrolladores pueden acceder a la API de agente con modelo de pago por uso.

¿Deep Research ahora funciona dentro de Computer?

Sí, desde junio de 2026 Deep Research está integrado dentro de Perplexity Computer. Esto permite que el agente divida preguntas complejas en subtareas, ejecute miles de pasos de investigación en paralelo, lea archivos internos y la web en vivo, y produzca informes, presentaciones, paneles y hojas de cálculo con cada dato citado.

¿Qué modelos usa Perplexity Computer para cada tarea?

Computer usa Opus 4.6 como motor de razonamiento central y reparte subtareas entre Gemini (investigación profunda), modelos de razonamiento legal (revisión de contratos), modelos de datos (hojas de cálculo) y modelos de escritura (borradores). El sistema puede rotar modelos según disponibilidad y rendimiento sin intervención del usuario.

Conclusión

La actualización de junio de 2026 convierte a Computer en algo bastante distinto del agente que Perplexity lanzó en febrero. Deep Research le da capacidad de ejecución real sobre tareas complejas, y Brain resuelve el problema más irritante de los agentes actuales: la amnesia entre sesiones.

Los números de BrowseComp (83,8%) y la mejora de precisión con Brain (25%) son sólidos, siempre y cuando los benchmarks internos resistan verificación independiente. Lo que me cierra es la arquitectura: orquestación de múltiples modelos, memoria estructurada y entregables auditables con fuentes rastreables. No es magia, es ingeniería bien pensada.

Si hacés investigación profunda como parte central de tu laburo, USD 200 por mes es un costo razonable para lo que promete. Si tu uso es más liviano, esperá a que madure o a que aparezcan benchmarks de terceros. La herramienta es potente, pero el verdadero multiplicador sigue siendo quién la opera y qué tan bien sabe corregirla cuando se equivoca.

Fuentes

• Blog oficial de Perplexity — Introducing Perplexity Computer: anuncio y documentación oficial del producto.
• Decrypt — El agente de IA de Perplexity ahora tiene un cerebro que aprende de sus propios errores: cobertura del lanzamiento de Brain con detalles técnicos y cifras de rendimiento.
• 7Minutos — Perplexity traslada la investigación profunda a la informática: análisis de la integración de Deep Research en Computer y el uso de más de 20 modelos fronterizos.