Perplexity ajusta o modelo chinês GLM 5.2 para corresponder ao Claude Opus a um terço do custo

A Perplexity lançou uma pré-visualização de investigação a 9 de julho de 2026 de uma versão pós-treinada do modelo GLM 5.2 da Z.AI, construída para operar dentro do seu sistema de agentes Computer e disponível agora em produção. O sistema custa um terço do preço do Claude Opus 4.8 nos testes de referência. A empresa ajustou o modelo de código aberto chinês para funcionar como um orquestrador que escalará para modelos de fronteira apenas quando necessário, marcando a segunda afinação de código aberto chinesa da Perplexity em 18 meses, após o R1-1776.

Perplexity ajusta o GLM 5.2 com ferramenta de aconselhamento para redução de custos

O GLM 5.2 é um modelo de 744 mil milhões 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, encontra-se entre os principais modelos de IA atualmente disponíveis em testes de código de longo prazo a uma fracção do custo da API. Parâmetros são todos os botões e configurações diferentes que um modelo pode manipular durante o treino.

A Perplexity usou pós-treinamento — um processo semelhante aplicado após a fase principal de treino do modelo — para ensinar ao GLM 5.2 uma habilidade crítica: saber quando tratar uma tarefa por si próprio e quando escalar para algo mais potente. O GLM 5.2 ajustado inclui o que a Perplexity chama de "ferramenta de aconselhamento" — uma capacidade nativa de reconhecer quando uma consulta excede a sua competência e transferir para um modelo de fronteira de terceiros. A maioria das tarefas nunca chega ao modelo dispendioso.

"Quando combinado com um aconselhador, este modelo funciona com desempenho equivalente ao Opus 4.8 a uma fracção do custo," escreveu o CEO Aravind Srinivas na X.

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

Processo de ajuste retraina o modelo base com conjunto de dados focado

O ajuste fino é o processo de pegar num modelo de IA já treinado e re-treiná-lo com um conjunto de dados menor e focado, para torná-lo melhor numa tarefa específica. A Perplexity usou pós-treinamento — um processo semelhante aplicado após a fase principal de treino do modelo — para ensinar ao GLM 5.2 quando tratar uma tarefa por si próprio e quando escalar.

Os desenvolvedores obtêm um modelo base e adicionam diferentes configurações para que o ajuste fino adquira mais conhecimento numa área específica, uma orientação política diferente, mais ou menos restrições. Os pesos abertos significam que qualquer pessoa pode descarregar, 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 porta de acesso que um governo possa ativar. Pode descarregar os pesos e ajustá-los ao que precisar.

A Perplexity já percorreu este caminho antes. Quando o DeepSeek R1 varreu 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 ser mais tendencioso a favor dos Estados Unidos.

"Não conseguimos usar as capacidades de raciocínio poderosas do R1 sem primeiro mitigar a sua tendência e censura," escreveu a equipa da Perplexity numa publicação de blog na altura.

Este movimento do GLM 5.2 segue o mesmo padrão, exceto que o objetivo desta vez não é político, mas económico. O produto Computer da Perplexity já orquestra mais de 19 modelos de IA; o GLM ajustado foi desenhado para ser o padrão barato que absorve a maior parte das tarefas antes de tocar num modelo de fronteira.

Srinivas afirmou que a tese a longo prazo é simples: ajustar modelos de código aberto pós-treinamento para melhorar a escalada, dentro de um sistema de agentes que já serve milhões de utilizadores. A Perplexity está "unicamente posicionada" para resolver isso, escreveu, porque a infraestrutura já está implementada em escala.

Modelo funciona com GPUs Nvidia B200 nos Estados Unidos

O modelo funciona com GPUs Nvidia B200 nos Estados Unidos. Segue-se um pós-treinamento do Nemotron 3 Ultra, que replicaria a mesma arquitetura usando um modelo de código aberto americano.

Espera-se que os testes completos e um artigo de investigação sejam publicados nas próximas semanas. O modelo está disponível como pré-visualização de investigação.

FAQ

O que a Perplexity lançou a 9 de julho de 2026?
A Perplexity lançou uma pré-visualização de investigação de uma versão pós-treinada do modelo GLM 5.2 da Z.AI, construída para operar dentro do seu sistema de agentes Computer e disponível agora em produção. O sistema custa um terço do preço do Claude Opus 4.8 nos testes de referência.

Como é que o ajuste fino do GLM 5.2 da Perplexity reduz custos?
O GLM 5.2 ajustado inclui uma "ferramenta de aconselhamento" que reconhece quando uma consulta excede a sua competência e transfere para um modelo de fronteira de terceiros. A maioria das tarefas nunca chega ao modelo dispendioso. A Perplexity comparou o sistema e constatou que atinge o mesmo desempenho de qualidade que o Opus 4.8 a aproximadamente um terço do preço.

Qual é o próximo modelo que a Perplexity planeia ajustar?
Seguir-se-á um pós-treinamento do Nemotron 3 Ultra, que replicaria a mesma arquitetura usando um modelo de código aberto americano. O modelo funciona com GPUs Nvidia B200 nos Estados Unidos.