Perplexity AI đang phát hành WANDR, một tiêu chuẩn được thiết kế để đánh giá khả năng của các tác nhân AI trong việc xử lý các nhiệm vụ nghiên cứu phức tạp, đa lớp. Việc phát hành mã nguồn mở này cung cấp cho các nhà phát triển và nhà nghiên cứu một cách chuẩn hóa để đo lường xem các hệ thống AI của họ có thực sự có thể thực hiện công việc điều tra nghiêm túc hay không.
WANDR, viết tắt của Wide and Nuanced Deep Research, được xây dựng đặc biệt cho các nhiệm vụ “nghiên cứu rộng” mà Perplexity gọi là yêu cầu tìm kiếm rộng rãi và điều tra sâu sắc, phù hợp với khả năng của Perplexity Computer.
WANDR thực sự đo lường gì
Chuẩn mực được thiết kế để phản ánh các tải công việc đòi hỏi thường thấy trong môi trường nghiên cứu chuyên nghiệp, vượt xa các tác vụ đơn giản như trả lời câu hỏi hoặc tóm tắt một tài liệu duy nhất.
Perplexity xếp WANDR là sự phát triển của các khung đánh giá trước đây như WideSearch, phản ánh sự chuyển dịch hướng tới các tải công việc chuyên nghiệp thực tế hơn.
Bộ chuẩn được công bố cùng với khung “Tìm kiếm như Mã” (Search as Code) của Perplexity, hay còn gọi là SaC, xử lý các truy vấn nghiên cứu như các quy trình có thể lập trình thay vì các chuỗi tìm kiếm đơn giản. Trong các đánh giá sơ bộ vào ngày 1 tháng 6 năm 2026, triển khai SaC của Perplexity đạt điểm 0,386 trên bộ chuẩn WANDR. Điểm số cao thứ hai là 0,152, nghĩa là hệ thống của Perplexity vượt trội hơn đối thủ gần nhất khoảng 2,5 lần.
Kết nối Perplexity Computer
WANDR có mối liên hệ trực tiếp với Perplexity Computer, sản phẩm tác nhân AI của công ty, có nhiệm vụ điều phối nhiều mô hình để xử lý các nhiệm vụ nghiên cứu và quy trình làm việc phức tạp. Chỉ số đánh giá này đóng vai trò là lớp đánh giá cho loại công việc mà Perplexity Computer được thiết kế để thực hiện.
Vào tháng Hai năm 2026, Perplexity đã mở nguồn bộ chuẩn DRACO, một công cụ đánh giá khác nhằm thúc đẩy sự hiểu biết chung về khả năng của AI. WANDR tuân theo cùng mô hình đó.
Tính đến ngày 11 tháng 7 năm 2026, Grok 4.5 của xAI đã đạt điểm cao nhất trên WANDR khi được sử dụng kết hợp với Perplexity Computer, chứng minh rằng các hệ thống bên thứ ba có thể hoạt động tốt trên tiêu chuẩn này.