Perplexity ajusta o modelo chinês GLM 5.2 para igualar o Claude Opus com um terço do custo

A Perplexity lançou uma prévia de pesquisa em 9 de julho de 2026 de uma versão pós-treinada do modelo GLM 5.2 da Z.AI, construída para operar dentro de sua plataforma de agentes Computador e disponível agora em produção. O sistema custa um terço do preço do Claude Opus 4.8 nos benchmarks. A empresa ajustou o modelo de código aberto chinês para funcionar como um orquestrador que escala para modelos de fronteira apenas quando necessário, marcando a segunda adaptação de código aberto chinesa da Perplexity em 18 meses após a R1-1776.

Perplexity ajusta o GLM 5.2 com Ferramenta de Consultoria para Redução de Custos

O GLM 5.2 é um modelo de 744 bilhões de parâmetros da Z.ai, anteriormente Zhipu AI, um laboratório de Pequim que está na Lista de Entidades dos EUA desde janeiro de 2025. Lançado sob licença MIT em junho, está entre os principais modelos de IA atualmente disponíveis em benchmarks de codificação de longo prazo, a uma fração do custo da API. Parâmetros são todos os ajustes e configurações que um modelo pode manipular durante o treinamento.

A Perplexity usou pós-treinamento — um processo semelhante aplicado após a fase principal de treinamento do modelo — para ensinar ao GLM 5.2 uma habilidade crítica: saber quando lidar com uma tarefa por conta própria e quando escalar para um modelo mais avançado. O GLM 5.2 ajustado inclui o que a Perplexity chama de "ferramenta de consultoria" — uma capacidade nativa de reconhecer quando uma consulta ultrapassa sua competência e transferir para um modelo de fronteira de terceiros. A maioria das tarefas nunca chega ao modelo caro.

"Quando combinado com uma consultoria, esse modelo funciona com desempenho equivalente ao Opus 4.8 a uma fração do custo", escreveu o CEO Aravind Srinivas no X.

A Perplexity comparou o sistema ao GLM 5.2 padrão para estabelecer uma linha de base de custos. Usando a métrica interna de eficiência da empresa, que mede quanto custa completar tarefas complexas, os resultados mostraram que o modelo ajustado com consultoria é cerca de duas vezes mais caro para operar do que a versão básica. Usar o modelo Opus 4.8 para tudo é muito mais caro (cerca de 600% mais). Combinando essas ferramentas, o sistema da Perplexity alcança a mesma qualidade de desempenho do Opus, mas por aproximadamente um terço do preço.

Processo de Ajuste Retrain o Modelo Base com Conjunto de Dados Focado

O ajuste fino é o processo de pegar um modelo de IA já treinado e re-treiná-lo com um conjunto de dados menor e mais específico para melhorar seu desempenho em uma tarefa particular. A Perplexity usou pós-treinamento — um processo semelhante aplicado após a fase principal de treinamento do modelo — para ensinar ao GLM 5.2 quando lidar com uma tarefa por conta própria e quando escalar.

Os desenvolvedores obtêm um modelo base e adicionam configurações diferentes para que o ajuste fino adquira mais conhecimento em um campo específico, uma inclinação política diferente, mais ou menos restrições. Os pesos abertos significam que qualquer pessoa pode baixar, modificar e ajustar comercialmente sem restrições. A Perplexity fez exatamente isso.

Licença MIT de Código Aberto Permite Modificação Comercial

A licença MIT do GLM 5.2 simplifica o cálculo: não há contrato de API a violar, nem uma chave de acesso que um governo possa alterar. Você baixa os pesos e pode ajustá-los ao que precisar.

A Perplexity já percorreu esse caminho antes. Quando o DeepSeek R1 dominou o mundo da IA no início de 2025, a empresa ajustou-o para R1-1776 — mapeando cerca de 300 tópicos que o original se recusava a discutir devido à censura do governo chinês, e re-treinando o modelo para torná-lo mais tendencioso a favor dos Estados Unidos.

"Não podemos usar as poderosas capacidades de raciocínio do R1 sem primeiro mitigar seu viés e censura", escreveu a equipe da Perplexity na época em um post no blog.

Essa movimentação do GLM 5.2 segue o mesmo padrão, exceto que o objetivo desta vez não é político, mas econômico. O produto Computador da Perplexity já orquestra mais de 19 modelos de IA; o GLM ajustado foi projetado para ser o padrão barato que absorve a maior parte das tarefas antes de recorrer a um modelo de fronteira.

Srinivas afirmou que a tese de longo prazo é simples: ajustar modelos de código aberto pós-treinamento para melhorar na escalada, dentro de uma plataforma de agentes que já atende milhões de usuários. A Perplexity está "unicamente posicionada" para resolver isso, escreveu, porque a infraestrutura já está implantada em larga escala.

Modelo Opera em GPUs Nvidia B200 nos Estados Unidos

O modelo roda em GPUs Nvidia B200 nos Estados Unidos. Em seguida: um pós-treinamento do Nemotron 3 Ultra, que replicaria a mesma arquitetura usando um modelo de código aberto americano.

Benchmarks completos e um artigo de pesquisa devem ser divulgados nas próximas semanas. O modelo está disponível como prévia de pesquisa.

FAQ

O que a Perplexity lançou em 9 de julho de 2026?
A Perplexity lançou uma prévia de pesquisa de uma versão pós-treinada do modelo GLM 5.2 da Z.AI, construída para operar dentro de sua plataforma de agentes Computador e disponível agora em produção. O sistema custa um terço do preço do Claude Opus 4.8 nos benchmarks.

Como o ajuste fino do GLM 5.2 da Perplexity reduz custos?
O GLM 5.2 ajustado inclui uma "ferramenta de consultoria" que reconhece quando uma consulta ultrapassa sua competência e transfere para um modelo de fronteira de terceiros. A maioria das tarefas nunca chega ao modelo caro. A Perplexity comparou o sistema e constatou que ele oferece desempenho de qualidade equivalente ao Opus 4.8 por aproximadamente um terço do preço.

Qual é o próximo ajuste planejado da Perplexity?
Em seguida, está um pós-treinamento do Nemotron 3 Ultra, que replicaria a mesma arquitetura usando um modelo de código aberto americano. O modelo roda em GPUs Nvidia B200 nos Estados Unidos.