Perplexity właśnie uruchomiło Brain, system pamięci dla swojego agenta Computer, który działa zupełnie inaczej niż wszystko, co do tej pory widzieliśmy w tej kategorii. Zamiast zapamiętywać preferencje użytkownika, styl pracy czy ulubione źródła, Brain skupia się na czymś innym: na tym, co agent faktycznie zrobił, co zadziałało, co nie wyszło i jakie poprawki zostały naniesione.
Kluczowe fakty:
- Perplexity uruchomiło Brain – system pamięci dla agenta Computer, który zapamiętuje historię wykonanych zadań, popełnione błędy i naniesione korekty, a nie preferencje użytkownika.
- Agent Computer, dostępny w subskrypcji za 200 dolarów miesięcznie, koordynuje równocześnie pracę 19 różnych modeli językowych i jest przeznaczony do wykonywania złożonych, wieloetapowych zadań.
- Brain buduje "graf kontekstu" z dotychczasowej pracy agenta i synchronizuje tę wiedzę co noc, dzięki czemu Computer rozpoczyna każde kolejne zadanie z lepszą mapą dotychczasowych działań.
To nie brzmi jak rewolucja, dopóki nie zrozumiesz, dlaczego jest to zmiana fundamentalna.
Czym jest Perplexity Computer i dlaczego pamięć ma znaczenie
Żeby zrozumieć Brain, trzeba cofnąć się o kilka miesięcy. W lutym 2026 roku Perplexity wypuściło Computer, czyli wielomodelowego agenta AI, który równocześnie koordynuje pracę 19 różnych modeli językowych. Nie jest to chatbot. To coś bliższego cyfrowemu pracownikowi, który potrafi samodzielnie rozplanować i wykonać złożone, wieloetapowe zadania. Subskrypcja Computer kosztuje 200 dolarów miesięcznie, co plasuje ten produkt wyraźnie w segmencie enterprise.
Problem z agentami AI do tej pory był jednak prosty do opisania: za każdym razem zaczynały od zera. Żadnej pamięci o poprzednich sesjach, żadnej wiedzy o tym, które źródła były wartościowe, a które okazały się ślepymi uliczkami. Każde nowe zadanie to nowy start.
Brain ma to zmienić.
Pamięć o pracy, nie o użytkowniku
Perplexity robi tutaj coś koncepcyjnie odważnego. Firma twierdzi wprost, że dotychczasowe systemy pamięci w AI były zorientowane na użytkownika: zapisywały preferencje, kontakty, styl komunikacji. Cel? Zaangażowanie. Żebyś czuł, że agent cię zna.
Brain działa na odwrotnej logice. Pamięta to, co agent wykonał. Które pliki okazały się przydatne. Gdzie popełnił błąd. Gdzie użytkownik musiał go korygować. Buduje z tego „graf kontekstu” i co noc synchronizuje całą tę wiedzę, żeby następnego dnia Computer zaczynał zadanie z lepszą mapą.
Perplexity nazywa to podejście „work memory” i przekonuje, że jest ono ważniejsze niż personalizacja. Trudno się z tym nie zgodzić, przynajmniej w kontekście narzędzi biznesowych.
Podoba mi się ten kierunek myślenia, choć mam mieszane uczucia. Z jednej strony to naprawdę sensowny krok: agent, który uczy się na własnych błędach i z każdą sesją staje się skuteczniejszy, to coś, o czym mówimy od lat jako o celu, a nie funkcji. Z drugiej strony musimy być szczerzy co do tego, kto tu faktycznie kontroluje dane. Graf kontekstu, wiki LLM, historia wszystkich sesji – to wszystko siedzi na infrastrukturze Perplexity. Przejrzystość, którą firma obiecuje, jest dobra, ale nie jest tym samym co kontrola. Dla firm przetwarzających wrażliwe dane to nie jest pytanie retoryczne. Pytanie brzmi: komu tak naprawdę należy ta pamięć?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Jak działa graf kontekstu
Technicznie Brain tworzy dla Computer coś, co Perplexity nazywa „LLM wiki”. To automatycznie ładowany do piaskownicy agenta dokument wiedzy, który zawiera informacje o projektach, osobach, źródłach i decyzjach z poprzednich sesji. Nocna synchronizacja scala wszystkie sesje robocze, wyniki połączeń z zewnętrznymi serwisami (connectors), zmiany w dokumentach źródłowych oraz naniesione korekty.
Każdy wpis w tej pamięci ma ślad: link do sesji, pliku lub źródła, z którego pochodzi. To ważne z perspektywy audytu i debugowania.
W praktyce oznacza to, że agent nie musi za każdym razem od nowa odkrywać, które źródło danych jest wiarygodne przy analizie konkurencji w danej branży. Pamięta, że tydzień temu to źródło zawiodło. I nie wraca do niego.
Liczby i zastrzeżenia
Perplexity podaje wczesne wyniki własnych pomiarów:
- poprawność odpowiedzi na znane zadania wyższa o 25%
- wskaźnik recall wyższy o 16%
- koszt zadań wymagających kontekstu historycznego niższy o 13%
To obiecujące liczby. Ale trzeba powiedzieć wprost: to dane z wewnętrznych testów producenta, bez niezależnej weryfikacji. Poczekajmy na benchmarki przeprowadzone przez kogoś, kto nie ma interesu w dobrym wyniku.
Warto też zaznaczyć, że Brain aktualizuje swoją wiedzę w nocy, nie w czasie rzeczywistym. Jeśli rano naniesiesz poprawkę do zadania, agent nie skorzysta z niej do następnej synchronizacji.
Szerszy kontekst: wyścig po pamięć
Brain nie jest tu jedynym graczem. Hermes, agent od Nous Research wydany w lutym 2026, po każdym zakończonym zadaniu ocenia wynik, wyciąga wzorce rozumowania i zapisuje je jako pliki umiejętności w formacie markdown. Przy kolejnym podobnym problemie ładuje gotowy schemat zamiast rozumować od zera.
OpenClaw poszedł inną drogą: w kwietniu 2026 dodał „etykiety proweniencji”, oznaczające każdy zapis w pamięci jako zaobserwowany, potwierdzony przez użytkownika, wywnioskowany przez model lub zaimportowany z transkryptu. Agent wie, jak bardzo może ufać danej informacji.
Fundamentalna różnica między tymi podejściami a Brain polega na tym, kto kontroluje dane. Hermes i podobne narzędzia działają lokalnie, na własnym sprzęcie użytkownika. Brain działa wyłącznie w ekosystemie Perplexity.
Dla kogo i kiedy
Brain trafia dziś do subskrybentów Max i Enterprise Max w trybie Research Preview. To oznacza, że płacisz już te 200 dolarów miesięcznie za Computer i dostajesz Brain w ramach tej kwoty, ale w wersji, która jeszcze może się zmieniać.
Perplexity zapowiada kolejne funkcje systemu. Biorąc pod uwagę, że firma zaledwie cztery miesiące temu uruchomiła Computer, a w czerwcu dorzuciła Deep Research i Brain, tempo jest wyraźne.
Szczegóły techniczne dostępne są na stronie Perplexity oraz w oficjalnym wpisie blogowym.
