🔍Perplexity integra Grok 4.5 e ele supera todos os outros modelos

A Perplexity adotou o Grok 4.5 da xAI como modelo orquestrador do Perplexity Computer, sua ferramenta de automação de desktop movida por agentes de IA. Em testes internos no benchmark WANDR, o modelo superou cinco configurações concorrentes — incluindo o Opus 4.8 da Anthropic — e custou cerca de metade do preço na execução de tarefas complexas no computador do usuário. A atualização está disponível para assinantes dos planos Pro e Max.

O papel do orquestrador no Perplexity Computer

O Perplexity Computer funciona no paradigma de computer use, onde um agente de IA assume o controle direto da interface do usuário para navegar entre janelas, preencher formulários, organizar arquivos e operar softwares. Nesse fluxo, o modelo orquestrador atua como o núcleo decisório: planeja sequências de ações, escolhe ferramentas, interpreta o estado da tela e corrige trajetórias quando algo sai do esperado.

A entrada do Grok 4.5 nesse papel sugere maior precisão em workflows de múltiplas etapas. Para assinantes Pro e Max, o ganho prático se traduz em: - Execução mais autônoma de comandos complexos - Menor necessidade de intervenção manual durante tarefas - Respostas mais assertivas em ambientes de desktop dinâmicos

Desempenho e custo no benchmark WANDR

A avaliação no benchmark WANDR, referência para medição de capacidade de agentes autônomos em ambientes de desktop, colocou o Grok 4.5 na liderança entre cinco alternativas de orquestração. O resultado chama atenção especialmente pelo custo de inferência: a execução via Grok 4.5 saiu aproximadamente 50% mais barata que a do Opus 4.8 da Anthropic para tarefas de complexidade equivalente.

Para desenvolvedores e startups brasileiras que constroem produtos com LLM, o equilíbrio entre acurácia e preço de API é uma variável crítica. Reduzir pela metade o gasto com tokens de orquestração, sem sacrificar performance em automação de desktop, torna viável escalar agentes de IA em produção sem comprometer margens operacionais.

Estratégia multi-modelo e implicações para o mercado brasileiro

A Perplexity mantém uma arquitetura heterogênea, alternando modelos de diferentes laboratórios — OpenAI, Anthropic, xAI e outros — conforme a tarefa. Essa abordagem evita vendor lock-in e oferece: - Otimização de custo e latência por endpoint - Resiliência contra indisponibilidade de um único fornecedor - Liberdade para substituir modelos conforme evolução de benchmarks

Para o ecossistema brasileiro de tecnologia, onde margens são apertadas e o acesso a créditos de nuvem nem sempre é linear, a flexibilidade de escolher o melhor modelo para cada função é um padrão arquitetural que tende a se tornar padrão em aplicações corporativas. O desempenho do Grok 4.5 reforça que o mercado de LLM para agentes autônomos ainda não tem um vencedor único, e quem souber orquestrar múltiplas engines terá vantagem competitiva.