OpenAI 于 9 月 14 日发布一篇关于 Perplexity 的客户案例，主角为 Perplexity 联合创始人兼策略长 Johnny Ho。Ho 在文中表示，Perplexity 目前已让 GPT-6 Astra 撰写沟通内容、修改软件，并监控正式环境系统；与前几代模型相比，团队查看它输出与执行情况的频率已经低了很多。
模型写代码能力提升后，搜索引擎也会变强
Perplexity 是一个由 AI 驱动的问答引擎，处理大量信息的能力对其尤其重要。Ho 的观察是，只要模型写代码的能力变强，Perplexity 的搜索引擎也会随之提升，因为模型可以写出更好的程序去搜索网络和内部信息，再将结果压缩成简明摘要。
不过，Ho 认为，真正更难的部分并不在这里，而是把这些处理信息的能力放进真实世界的系统中。他表示，GPT-6 Astra 让这件事变得更容易了。「我们可以让模型撰写沟通内容、编辑真实世界的系统，并监控我们的正式环境软件，这是前几代模型做不到的。」
让模型自己生成测试程序，替代外部服务做端到端验证
Ho 说，对他而言，AI 最有用的应用之一就是测试代码。在没有时间手动测试时，他会要求 GPT-6 Astra 围绕一个应用搭建一支小型测试程序。
这支程序会生成拟真的响应，去模拟另一项服务可能返回的内容，例如某个语言模型 API 或连接器。当模型替代这些服务后，团队就可以检查应用会如何响应，并把整段工作流程从头到尾测试一遍。
Ho 的结论是：「我们实际上能够把完整的端到端系统交给它，而且查看它的次数比前几代模型少得多。」
案例分类与补充信息
OpenAI 将这篇案例归类在初创公司、北美与科技产业，使用的产品是 API。
报道同时提到，Perplexity 并非只使用单一公司的模型。链新闻曾在 7 月报道，该公司以中国开源模型 GLM 微调自用版本。至于其付费方案与功能，原文提到可参考 Perplexity Computer 完整指南。