Perplexity悄然移除功能引用户不满：模型标识消失、Pro降级Flash

用户社区的集体质疑

近期，一则来自Reddit的用户帖子引发了关于Perplexity产品方向的广泛讨论。这位长期用户在帖子中直言不讳地表达了失望情绪："我真的很想喜欢Perplexity，我也曾经喜欢过它一段时间……但现在很明显，他们根本不在乎自己的客户。"

这样的情绪化表达背后，反映的是一个更值得深思的问题：当一款AI搜索产品在快速迭代过程中，是否正在以牺牲核心用户体验为代价换取所谓的"优化"？

Perplexity的技术架构与商业模式

要理解这些改动的深层含义，需要先了解Perplexity的技术架构。Perplexity作为AI搜索产品，其本质上是一个"模型路由+检索增强生成（RAG）"系统。它并不自研所有底层大语言模型，而是通过API接口调用多家模型提供商的服务，包括OpenAI的GPT系列、Anthropic的Claude系列、Google的Gemini系列等。在此基础上，Perplexity叠加了实时网络检索、来源引用和对话管理等功能层。这种架构使其能够灵活地为用户提供多模型选择，但也意味着每一次查询都涉及真实的API调用费用，这构成了其运营成本的主要部分。

Perplexity被移除的三项关键功能

根据该用户的反馈，Perplexity近期至少移除或替换了三项功能，每一项都触及了产品透明度和用户控制权的核心。

删除单条消息的能力被取消

过去用户可以对对话中的单条消息进行删除操作。这一功能看似微小，却对管理对话上下文、清理错误查询、保护隐私都具有实际意义。移除后，用户在管理自己的对话历史时失去了细粒度的控制权。

模型来源标识（"Prepared by [model]"）消失

这可能是争议最大的一项改动。此前，Perplexity会在每条回答下方标注是由哪个模型生成的（即"Prepared by [model]"）。对于付费用户而言，这一标识至关重要——它让用户能够清楚地知道自己的查询究竟调用了哪个底层大模型，从而判断回答质量、验证是否物有所值。

移除模型标识意味着透明度的下降。用户无法再确认自己选择的模型是否真正被调用，这在一个提供多模型选择的产品中，几乎是信任基础的动摇。

值得注意的是，现代AI产品中普遍存在"模型路由"机制，即系统根据查询的复杂度、当前服务器负载、成本预算等因素，动态决定将请求发送给哪个模型处理。这种做法在工程上完全合理——简单查询无需调用最强模型，可以节省大量成本。但这也带来了一个透明度问题：用户选择了某个模型，后台是否真正使用了该模型？如果没有模型标识，用户就无法验证。这正是移除"Prepared by [model]"标签引发争议的深层原因——它不仅仅是一个UI元素的消失，更可能意味着后台调度策略的变化被刻意隐藏。

Gemini Pro被Flash模型静默替换

用户指出，Perplexity用Gemini 3.7 Flash替换了Gemini 3.1 Pro，而非同时保留两者。需要说明的是，帖子中提到的具体版本号为用户原文表述，可能存在记忆偏差。但核心问题在于：Pro系列模型通常代表更强的推理能力，而Flash系列则以速度和成本效率见长。

在Google的Gemini模型家族中，Pro和Flash代表两种截然不同的设计哲学。Pro系列拥有更大的参数规模和更长的上下文窗口，在复杂推理、多步逻辑分析和长文档理解等任务上表现更优。Flash系列则是经过知识蒸馏和架构优化的轻量版本，在保持基本能力的同时大幅降低推理延迟和计算成本。据公开定价，Flash模型的API调用费用通常仅为Pro模型的十分之一甚至更低。对于需要深度分析的查询，Pro和Flash之间的质量差异可能是显著的。

从Pro向Flash的替换，往往意味着服务提供商在成本控制上的权衡——Flash模型的调用成本显著低于Pro模型。对用户而言，这可能带来回答深度和质量的下降。

成本压力下的产品取舍

这一系列改动放在整个AI行业的背景下来看，其实并不难理解。作为一个整合多家大模型的AI搜索产品，Perplexity面临着巨大的API调用成本压力。每一次查询背后都是对OpenAI、Anthropic、Google等模型提供商的付费调用。

Perplexity Pro的订阅价格为每月20美元，提供无限次基础查询和有限次高级模型查询。然而，单次调用GPT-4或Claude等顶级模型的API成本可能在0.01-0.10美元之间（取决于输入输出token数量），加上检索服务的成本，一个重度用户每月的实际服务成本可能远超订阅费用。这是所有"无限制"AI订阅服务面临的共同困境——用户量增长越快，边际成本压力越大，这与传统SaaS产品的规模经济逻辑截然不同。传统软件的边际服务成本趋近于零，但AI产品的每次推理都消耗真实的GPU计算资源。

用更便宜的Flash模型替换Pro模型，可以直接降低运营成本；移除模型标识则可能是为了在后台灵活调度模型（例如根据负载动态切换）时减少用户的困惑和质疑。这些决策从商业角度看有其合理性，但问题在于——这些改动是在未充分沟通的情况下悄然进行的。

透明度是AI产品的信任基石

对于AI搜索这类产品，用户支付订阅费的核心诉求之一，就是获得可预期、可验证的服务质量。当模型标识被移除、高级模型被静默替换时，用户失去的不仅是功能，更是对产品的信任感。

这也提醒所有AI产品团队：在快速迭代和成本优化的过程中，功能的"减法"需要比"加法"更加谨慎，尤其是那些涉及透明度和用户控制权的功能。

竞争格局下的用户忠诚度

2024-2025年，AI搜索和AI助手赛道竞争异常激烈。除Perplexity外，Google推出了AI Overview整合进搜索结果，微软将Copilot深度嵌入Bing，OpenAI推出了ChatGPT搜索功能，Anthropic的Claude也在不断强化联网能力。对用户而言，切换AI工具的成本几乎为零——不存在数据锁定、不存在学习曲线门槛。这意味着用户留存完全依赖于产品体验和信任，任何被感知为"降级"的改动都可能导致用户迅速流失到竞争对手。

在这样的市场环境下，Perplexity对功能的静默移除就显得尤为冒险。用户的忍耐阈值正在降低，而替代选择正在增多。

单一来源的局限与理性看待

需要客观指出的是，本文的讨论主要基于Reddit上单一用户的反馈帖子，其中包含了较强的情绪化表达。目前尚无Perplexity官方对这些改动的正式说明，具体的模型版本信息也可能存在偏差。

因此，这更应被视为一个值得关注的用户体验信号，而非对产品的全面定论。不过，此类反馈在社区中往往具有代表性——当一位用户公开抱怨时，通常有更多沉默的用户抱有相似感受。

结语：产品迭代不应背离用户

Perplexity作为AI搜索赛道的明星产品，其一举一动都备受关注。这次功能移除引发的争议，本质上是产品商业化压力与用户体验之间的经典矛盾。

对于用户而言，选择AI产品时应当关注其透明度承诺和沟通方式；对于产品方而言，如何在控制成本的同时维系用户信任，将是持续增长的关键。毕竟，在AI工具高度同质化、切换成本越来越低的今天，用户的忠诚度比任何时候都更加脆弱。