La fonctionnalité de recherche multi-modèles, Model Council étendue à sa plateforme Computer compare et rassemble les résultats de requêtes de nombreux modèles. Déjà à sa sortie en février, la fonctionnalité était limitée aux trois modèles Claude Opus 4.6, GPT 5.2 et Gemini 3.0. Les utilisateurs peuvent désormais sélectionner jusqu’à huit modèles pour l'analyse de leur requête.

Une recherche synthétisée

Avec ce modèle, Perplexity mise sur une réduction des hallucinations en lançant plusieurs interfaces en parallèle. L’outil peut alors comparer les points de convergence et de divergence des différents modèles. «Chaque modèle d'IA a des angles morts. Il peut négliger le contexte, se pencher vers certaines perspectives ou combler les lacunes avec des suppositions confiantes. », déclare l’entreprise.

Le modèle était avant limité aux entreprises pour 34$ (30€) par mois par utilisateur pour l’abonnement Pro ou 271$ (239€) pour Max et aux particuliers Max 200$ (175€) mensuel. Model Council est désormais accessible aux utilisateurs particuliers de Max et Pro pour 20$ (18€) par mois, en plus des utilisateurs des niveaux entreprise.

Le coût des tokens

Le recours à Model Council ne se limite pas au coût de l'abonnement, son utilisation repose sur un système de calcul de crédits. Les abonnés Pro, Max et Entreprise reçoivent un quota initial de crédits, puis une recharge mensuelle dont le montant varie selon leur formule. Perplexity estime que 100 crédits correspondent à environ 1$ (0,88€) et que les tâches les plus simples, comme le résumé d'un document, consomment entre 100 et 350 crédits, tandis que les traitements plus complexes peuvent atteindre 2 275 crédits.

En revanche, Perplexity ne précise pas le coût exact d'une requête utilisant Model Council. Les crédits étant calculés au niveau des fonctionnalités, et non directement en fonction des tokens consommés par les modèles d'IA, il est donc impossible de savoir combien une requête coûte réellement. L'utilisation simultanée de plusieurs modèles d’IA avec cette fonctionnalité pourrait entraîner une forte consommation de tokens, ce qui risque d'entraîner une augmentation rapide des coûts.