Perplexity Computer模式解锁Fable和Astra,Pro用户获双AI能力加持

Perplexity为付费用户在Computer模式下新增Fable与Astra双AI能力支持,强化多模型协同竞争力。
Perplexity宣布其Pro和Max付费用户现可在Computer模式下同时调用Fable和Astra两种AI能力。Computer模式是一种让AI以近似人类操作计算机方式完成复杂任务的增强型交互模式,此次更新允许用户在同一界面内灵活组合两种能力以应对不同场景。官方未详细说明Fable与Astra的具体差异,但两者可能分别侧重内容创作/深度分析与快速检索/实时问答。此举进一步拉开了付费版与免费版的功能差距,也折射出AI产品竞争正从单一模型比拼向多模型协同、场景化能力组合的方向演进。
Perplexity推出Computer模式新功能
Perplexity官方宣布,Pro和Max付费订阅用户现已可以在Computer模式下同时使用Fable和Astra两款AI能力。这一更新为付费用户带来了更强大的智能交互体验。

Perplexity Computer模式是什么
Computer模式是Perplexity推出的一种增强型交互模式,允许AI系统以更接近人类操作计算机的方式完成复杂任务。在这一模式下,AI不仅能够理解和回答问题,还能执行更多实际操作,提供更深度的计算能力支持。
此次更新意味着付费用户可以在Computer模式下灵活切换或组合使用Fable和Astra两种AI能力,根据不同任务场景选择最合适的工具。
Computer模式在技术层面与近年兴起的"Computer Use"或"Agentic AI"理念高度相关。以Anthropic的Claude为代表,这类模式允许AI直接操控鼠标、键盘和屏幕截图,像真实用户一样浏览网页、填写表单、执行多步骤任务。OpenAI的Operator、Google的Project Mariner也是同类探索。与传统的文本问答相比,Computer模式的核心价值在于将AI从"信息提供者"升级为"任务执行者",显著扩展了可自动化的工作范围,但同时也带来了更高的安全审计与权限管控要求。
Fable与Astra各自的能力定位
虽然官方公告未详细说明两者的具体差异,但从命名和产品定位来看,Fable和Astra很可能代表了Perplexity在不同AI能力维度上的探索:
- Fable:可能侧重于叙事生成、内容创作或深度分析场景
- Astra:可能聚焦于更快速的信息检索、实时问答或精准搜索
两者的组合使用,能够让用户在一个统一的Computer模式界面中,获得更全面的AI辅助能力。
值得注意的是,Google旗下也有一款名为"Project Astra"的AI助手项目,主打多模态实时感知能力,能够通过摄像头理解周围环境并实时回答问题。Perplexity此处的"Astra"是否与Google存在合作或授权关系,或只是命名巧合,目前尚不明确。此外,"Fable"在AI领域此前也被用于指代角色扮演与叙事型AI产品(如专注互动故事的Fable Studio)。两者的品牌联想或许暗示了Perplexity正在将搜索能力向更丰富的内容生成与环境感知方向延伸,但在官方未作详细说明的情况下,上述解读仍属推测。
付费订阅的差异化价值提升
Perplexity的Pro和Max订阅计划一直以提供更强大的AI模型访问权限和更高的使用额度为核心卖点。此次新增Computer模式下的双模型支持,进一步拉开了与免费版之间的功能差距。
对于重度用户而言,能够在同一工作流中无缝切换不同AI能力,意味着效率上的实质性提升。这也反映出AI搜索和问答产品正在从单一模型竞争,转向多模型协同和场景化能力组合的新阶段。
AI搜索赛道的竞争持续加剧
在ChatGPT、Claude、Gemini等大模型产品纷纷推出付费订阅计划的背景下,Perplexity通过差异化的Computer模式和多模型支持策略,试图在AI搜索和知识问答这一细分赛道建立竞争壁垒。
这一更新也标志着AI产品正在从「单一模型+单一交互」向「多模型组合+场景化模式」演进,用户体验的精细化和功能的模块化正成为新的竞争焦点。
相关推荐

AI能直接读懂神经网络权重:模型能力已超出预期?
Reddit开发者实验显示,语言模型能直接阅读神经网络权重并推断其功能。Astra、Opus 5.5和Muse Spark 1.3均通过测试,引发对模型泛化能力与训练来源的讨论。

印度微短剧市场爆发:EloElo获NBCUniversal 8000万美元投资
印度社交娱乐平台EloElo获NBCUniversal 8000万美元投资,加码微短剧平台StoryTV。StoryTV月活超3300万,印度微短剧市场正吸引全球资本关注。

多旋翼无人机声学检测:融合手工特征与预训练嵌入
研究揭示无人机声学检测中随机划分导致数据泄漏,提出源不相交评估协议下融合手工声学特征与YAMNet嵌入的堆叠集成方法,准确率达95.29%,为低成本无人机探测提供可靠基准。