El nuevo agente de Perplexity no es solo otra herramienta de IA — es una señal clara de hacia dónde va el desarrollo con inteligencia artificial.
Hace apenas unos días, Perplexity lanzó Perplexity Computer, y la industria ya está hablando de ello. Pero más allá del anuncio, hay algo más interesante para quienes desarrollamos software: los datos internos que Perplexity reveló junto con el lanzamiento cuentan una historia que deberías conocer.
¿Qué es Perplexity Computer?
En términos simples, es un agente de IA de propósito general que opera en la nube y puede ejecutar flujos de trabajo complejos de forma autónoma, durante horas o incluso meses. No es un chatbot. Es un sistema que razona, delega, busca información, escribe código, navega por internet y entrega resultados concretos — sin que tengas que estar mirando la pantalla.
Lo que lo diferencia de otros agentes como el Operator de OpenAI o el Computer Use de Anthropic es su arquitectura central: Perplexity Computer orquesta 19 modelos de IA distintos, asignando cada subtarea al modelo más adecuado para ese trabajo específico.
Por ejemplo, al momento del lanzamiento:
- Claude Opus 4.6 → motor de razonamiento principal
- Gemini → investigación profunda y generación de sub-agentes
- Grok → tareas ligeras que requieren velocidad
- ChatGPT 5.2 → contextos largos y búsqueda amplia
- Veo 3.1 → generación de video
Todo corre en entornos de cómputo aislados con acceso a un sistema de archivos real, un navegador real y herramientas reales. Actualmente está disponible solo para suscriptores de Perplexity Max a $200/mes.
La Parte Que Más Importa Para Devs: Los Modelos No Se Están Commoditizando
Aquí está el dato que más me llamó la atención del anuncio.
En enero de 2025, más del 90% de las tareas empresariales en Perplexity se distribuían entre apenas dos modelos. Para diciembre de 2025, ningún modelo individual superaba el 25% de uso entre todos los tipos de tareas. En menos de un año, el comportamiento de los usuarios cambió radicalmente.
¿Por qué? Porque los usuarios descubrieron algo que los ingenieros de IA ya sabían: cada modelo es mejor en cosas distintas.
Los datos de uso de Perplexity lo confirman:
- Consultas de ingeniería de software → Claude Sonnet 4.6
- Generación de outputs visuales → Gemini Flash
- Investigación médica → GPT-5.1
Un ejecutivo de Perplexity lo dijo sin rodeos: “No se están commoditizando. Se están especializando.” En promedio, en 2025 emergió un nuevo modelo frontier cada 17.5 días, y cada uno trajo fortalezas distintas.
Esto tiene implicaciones directas para cualquiera que esté construyendo aplicaciones con IA hoy.
El Patrón Ya Existe — Perplexity Solo Lo Está Empaquetando
Lo más revelador del lanzamiento es que Perplexity no inventó nada nuevo en términos de comportamiento. Los power users ya estaban haciendo esto manualmente: cambiando entre modelos según la tarea, y muchos de ellos usando MCP (Model Context Protocol) para conectar esos modelos con sus datos locales y sus aplicaciones.
Perplexity Computer es esencialmente ese flujo de trabajo, automatizado y empaquetado en un producto.
Lo que antes requería que tú como desarrollador:
- Evaluaras qué modelo usar para cada tarea
- Conectaras múltiples APIs
- Manejaras el contexto entre llamadas
- Gestionaras errores y reintentos
Ahora Computer lo hace internamente, de forma autónoma.
¿Qué Significa Esto Para Tu Stack de IA?
Si estás construyendo aplicaciones con IA — ya sea una herramienta interna, un producto SaaS, o cualquier integración — hay tres conclusiones prácticas aquí:
1. Empieza a pensar en routing de modelos, no en un solo modelo.
No existe el modelo perfecto para todo. La pregunta no es “¿uso GPT o Claude?” sino “¿qué modelo es mejor para este paso específico de mi flujo de trabajo?” Un pipeline que genera código, lo documenta y lo explica podría usar tres modelos diferentes — cada uno donde es más fuerte.
2. La orquestación de agentes es la habilidad del momento.
Multi-agent orchestration ya no es un concepto experimental. Es el rumbo de OpenAI, Google, Anthropic y ahora Perplexity. Entender cómo diseñar flujos donde un agente orquestador delega subtareas a agentes especializados es una habilidad que va a tener mucha demanda en los próximos meses.
3. MCP como infraestructura, no como experimento.
El Model Context Protocol, impulsado por Anthropic, es exactamente la capa que permite construir estos sistemas donde múltiples modelos acceden a herramientas, contextos y datos compartidos. Si no lo has explorado todavía, es el momento.
El Contexto Competitivo
Perplexity no está solo en esta apuesta. OpenAI contrató al creador de OpenClaw (el agente viral que demostró estas capacidades de forma dramática), señalando que la orquestación multi-agente va a ser central en sus próximos productos. Google, Microsoft y Anthropic están en la misma carrera.
Lo que diferencia a Perplexity es su posición: no son los dueños de los modelos, son los dueños de la capa de orquestación. Su argumento es que esa capa tiene tanto valor como los modelos mismos — y el crecimiento les da la razón (4.7x de ingresos en 2025, con una base de usuarios que creció 3.7x).
Conclusión: El Futuro Es Multi-Modelo
Perplexity Computer es interesante como producto, pero es más interesante como indicador de dirección. La era de elegir un solo modelo y usarlo para todo está llegando a su fin. Lo que se viene — y lo que los mejores equipos de desarrollo ya están construyendo — son sistemas que tratan a los modelos de IA como herramientas especializadas dentro de un pipeline mayor.
La buena noticia: no necesitas $200/mes para empezar a experimentar con esto. Necesitas curiosidad, las APIs correctas, y entender los puntos fuertes de cada modelo que ya tienes a disposición.
¿Ya estás usando múltiples modelos en tus proyectos? ¿Cuál es tu stack de IA actual? Cuéntanos en los comentarios.
Fuentes: Perplexity Blog, TechCrunch, VentureBeat, Wikipedia