Model Council ของ Perplexity เปิดให้ตั้งคณะกรรมการหลายโมเดลบนคลาวด์ ลดค่าโทเค็น

การขยายคุณสมบัติของ Model Council ไปยังแพลตฟอร์มคลาวด์‑based Computer ของ Perplexity เมื่อวันอังคารที่ 28 กรกฎาคม ทำให้ผู้ใช้สามารถตั้งคณะกรรมการโมเดลหลายตัวเพื่อวิเคราะห์คำถามเดียวกันได้อย่างละเอียดยิ่งขึ้น การเปลี่ยนแปลงนี้สำคัญเพราะเพิ่มความยืดหยุ่นในการเลือกโมเดลและระดับการสังเคราะห์ผล ‑ แต่ก็ทำให้ค่าใช้จ่ายด้านโทเค็นสูงขึ้นตามความซับซ้อนของงาน

Overview

Model Council ถูกออกแบบมาเพื่อให้ผู้ใช้ “สร้างคณะกรรมการโมเดลชั้นนำสำหรับประเด็นเดียว” โดยโมเดลที่อยู่ในคณะจะรับพรอมต์เดียวกันและทำการวิเคราะห์แยกกัน จากนั้นระบบสังเคราะห์ผลลัพธ์โดยเน้นจุดที่เห็นด้วยและแตกต่างกัน ตามคำอธิบายของ Perplexity ในข่าวประชาสัมพันธ์

เมื่อเปิดตัวครั้งแรกในเดือนกุมภาพันธ์ ระบบถูกจำกัดไว้เพียงสามโมเดลบนแพลตฟอร์มหลัก และผู้ใช้ไม่มีทางเลือกในการกำหนดคณะกรรมการ หลังจากที่เพิ่ม Model Council เข้าไปใน Computer ผู้ใช้จึงสามารถกำหนดจำนวนโมเดลตั้งแต่สองถึงแปดตัวได้ตามต้องการ

การปรับเปลี่ยนนี้มุ่งเน้นให้เหมาะกับคำถามที่ไม่มีคำตอบเดียวชัดเจน เช่น การตัดสินใจเชิงกลยุทธ์ หรือการประเมินความเสี่ยง ซึ่งการเห็นมุมมองหลายโมเดลช่วยให้ผู้ใช้เข้าใจถึงระดับความสอดคล้องและข้อขัดแย้งของข้อมูลได้ดียิ่งขึ้น

How It Works

ตามที่หัวหน้าฝ่ายสื่อสารของ Perplexity, Jesse Dwyer, ระบุไว้ “Model Council ทำงานเป็นสกิลหนึ่งที่บอกโมเดลผู้จัดการให้สร้างซับเอเจนท์หลายตัวแบบขนาน” แต่ละซับเอเจนท์ทำหน้าที่เหมือนกับ agent เต็มรูปแบบโดยอิสระและส่งผลลัพธ์กลับมา

ระบบจะมี “wait barrier” คอยจนกว่าซับเอเจนท์ทุกตัวดำเนินการเสร็จสิ้น จากนั้นโมเดลที่ผู้ใช้เลือกไว้ทำหน้าที่เป็น chair อ่านข้อมูลจากซับเอเจนท์ทั้งหมดและสังเคราะห์เป็นรายงานเดียว ‑ โดยระบุชัดเจนว่าข้อสรุปใดบ้างที่สอดคล้องกันหรือขัดแย้งกัน

แม้จะมีโมเดลหลายตัวทำงานพร้อมกัน กระบวนการสังเคราะห์ยังคงใช้ synthesizer model ตัวเดียวในการรวมผล แต่ใน Computer ผลลัพธ์นี้สามารถต่อยอดเป็นเอกสารเช่นรายงาน, deck สำหรับประชุม หรือสินทรัพย์ที่พร้อมใช้งานได้โดยอัตโนมัติ

Model Options & Pricing

ผู้ใช้ที่เข้าถึง Model Council ผ่าน Computer สามารถเลือกโมเดลจากหลายแหล่ง ได้แก่ โมเดลของห้องทดลองชั้นนำอย่าง OpenAI, Anthropic, และ Google รวมถึงโมเดลแบบเปิด‑weight อย่าง GLM และ Kimi จำนวนที่สามารถตั้งได้อยู่ระหว่างสองถึงแปดตัว ขึ้นกับความต้องการของผู้ใช้

ในส่วนของค่าใช้จ่าย การเข้าถึง Model Council ก่อนหน้านี้จำกัดให้เฉพาะระดับ Enterprise (Pro $34/seat ต่อเดือน, Max $271) และผู้ใช้ระดับ Max ส่วนบุคคล ($200/เดือน) ตอนนี้ได้เปิดให้ผู้ใช้ระดับ Pro และ Max ระดับบุคคลทั่วไปเข้าถึงด้วยค่าใช้จ่ายที่ต่ำลง

• Pro: $20 ต่อเดือน (รวม 4,000 เครดิตโบนัสเริ่มต้น)
• Max: $200 ต่อเดือน (รวม 35,000 เครดิตโบนัสเริ่มต้น + 10,000 เครดิตต่อเดือน)
• Enterprise Pro: เริ่มที่ $34 ต่อ seat/เดือน (8,000 เครดิตโบนัส + 500 เครดิตต่อ seat ต่อเดือน)
• Enterprise Max: เริ่มที่ $271 ต่อ seat/เดือน (45,000 เครดิตโบนัส + 15,000 เครดิตต่อ seat ต่อเดือน)

ตามข้อมูลของ Perplexity 100 Computer credits มีค่าเท่ากับ $1** งาน “เบา” เช่นสรุปเอกสารอาจใช้ระหว่าง 100‑350 เครดิต ส่วนงาน “หนัก” อย่างการสร้าง pitch deck สามารถกินได้สูงสุดถึง 2,275 เครดิต

Use Cases

Perplexity ระบุว่า Model Council เหมาะกับสถานการณ์ที่ต้องการการตัดสินใจเชิงคุณภาพ เช่น คำถามด้านกฎหมาย การวิเคราะห์ทางการเงิน การกำหนดกลยุทธ์องค์กร หรือการออกแบบวิศวกรรม ‑ โดยผู้ใช้สามารถขอให้แต่ละโมเดลระบุระดับความมั่นใจหรือสมมติฐานพื้นฐานของผลสรุปได้

การที่ระบบแสดง consensus (จุดที่เห็นพ้อง) ช่วยเพิ่มความเชื่อมั่นในการตัดสินใจ ส่วน gaps (ช่องว่าง) แสดงให้ผู้ใช้ทราบว่าต้องทำการตรวจสอบเพิ่มเติมในด้านใดบ้าง การถามต่อเพื่อ “sharpen the answer” หรือขอรายละเอียดเจาะจงก็เป็นฟีเจอร์ที่เพิ่มเข้ามาพร้อมกับการเปิดตัวบน Computer

แม้ว่าจะมีประโยชน์หลายอย่าง แต่ผู้ใช้ควรคำนึงถึงค่าใช้จ่ายตามความซับซ้อนของคำถาม ‑ เช่น คำถามง่ายอาจใช้เครดิตต่ำกว่าเพนนีหนึ่ง ในขณะที่งานที่ต้องสร้างสินทรัพย์พร้อมใช้งานอาจทำให้ค่าใช้จ่ายเพิ่มขึ้นอย่างมีนัยสำคัญ

Analysis & Impact

การเปิด Model Council ให้บริการบน Computer สะท้อนถึงแนวโน้มของ AI ที่มุ่งเน้น “หลายโมเดลร่วมกัน” มากกว่าการพึ่งพาโมเดลเดียว การเปรียบเทียบผลลัพธ์ระหว่างโมเดลต่าง ๆ ช่วยให้ผู้ใช้เห็นความแตกต่างด้านข้อมูลพื้นฐานและอัลกอริทึมที่อยู่เบื้องหลัง ซึ่งเป็นประโยชน์ต่อการตัดสินใจในสภาพแวดล้อมที่ไม่แน่นอน

อย่างไรก็ตาม ความยืดหยุ่นในการเลือกโมเดลและจำนวนโมเดลเพิ่มขึ้น ทำให้ค่าใช้จ่ายด้านโทเค็นสูงขึ้นตามความซับซ้อนของงาน ผู้ใช้ต้องประเมินว่าการได้มุมมองหลายแบบคุ้มค่ากับการใช้เครดิตเพิ่มเติมหรือไม่ นอกจากนี้ การที่เครดิตไม่ได้เชื่อมโยงโดยตรงกับจำนวนโทเค็นทำให้ยากต่อการคาดการณ์ค่าใช้จ่ายล่วงหน้า

จากมุมมองของตลาดไทย การนำเสนอโมเดลหลายตัวในรูปแบบ “council” นี้อาจเป็นแรงผลักดันให้บริษัทและองค์กรที่ต้องการวิเคราะห์ข้อมูลเชิงลึกหันมาใช้บริการคลาวด์ AI ที่มีฟีเจอร์คล้ายกัน เพิ่มการแข่งขันด้านผลิตภัณฑ์ AI ในประเทศ และส่งผลให้ผู้ให้บริการต้องพิจารณาโครงสร้างราคาที่โปร่งใสและคาดเดาได้มากขึ้น

Summary

Perplexity ขยาย Model Council ไปยังแพลตฟอร์ม Computer, ทำให้ผู้ใช้สามารถตั้งคณะกรรมการโมเดลหลายตัวเพื่อวิเคราะห์คำถามที่ซับซ้อนได้ดีขึ้น แม้ว่าฟีเจอร์ใหม่จะเพิ่มคุณค่าทางการวิเคราะห์ แต่ก็ทำให้ค่าใช้จ่ายด้านเครดิตและโทเค็นสูงขึ้นตามความซับซ้อนของงาน.