CEVIU Logo
Voltar

Perplexity reinventa a busca com o conceito Search as Code

Aprofundamento CEVIU

Aprofundamento

O Search as Code (SaC) não é só mais um SDK: é uma mudança de paradigma na camada de recuperação para agentes de IA. Enquanto sistemas tradicionais entregam um único resultado final, como uma lista de links ou um resumo, o SaC expõe a busca como um conjunto de primitivas programáveis em Python: recuperar, filtrar, classificar, ramificar e até renderizar. Isso permite que modelos gerem código dinâmico para montar pipelines sob demanda, por exemplo, buscar CVEs em três repositórios distintos simultaneamente, aplicar filtros de severidade em tempo real e cruzar com dados de patching antes de gerar um relatório. O sandbox seguro onde esse código roda garante isolamento, sem abrir brechas de execução arbitrária.

O diferencial técnico está na granularidade do controle: o agente não pede 'encontre vulnerabilidades'; ele escreve um loop que varre feeds técnicos, aplica embeddings personalizados para contexto de infraestrutura e ajusta o threshold de similaridade conforme a criticidade da tarefa. Isso explica os números reais: redução de 85,1% no consumo de tokens e 100% de acerto em identificação de CVEs de alta severidade, resultados possíveis só quando o modelo participa ativamente do retrieval, não apenas do ranking final.

O que mudou

A cobertura anterior de 2 de junho já mencionava o SaC como uma arquitetura que permite aos modelos 'interagir diretamente com a stack de busca', mas a nova informação concreta é que o SaC já está em produção: é a arquitetura padrão no Perplexity Computer e está disponível via Agent API. Antes era conceito; agora é infraestrutura operacional. Também há evolução clara em relação ao lançamento da Search API em setembro de 2025: enquanto aquela oferecia resultados estruturados de um índice estático, o SaC permite manipulação ativa do pipeline, incluindo fan-outs paralelos e loops de auto-pesquisa para otimização contínua do SDK.

Por que isso importa

Busca monolítica não escala para agentes. Um agente que precisa resolver uma tarefa complexa, como auditar conformidade de software em múltiplos ambientes, pode exigir dezenas de buscas sequenciais e condicionais. Sistemas tradicionais viram isso como ruído; o SaC vê como fluxo de trabalho. Isso muda o custo operacional (menos tokens, menos latência), a precisão (menos perda de contexto entre etapas) e a privacidade (parte do pipeline pode rodar localmente, como mostrado na Computex 2026). Para desenvolvedores, significa deixar de integrar APIs de busca como caixas pretas e começar a compor retrieval como parte do código-fonte do agente, literalmente, search as code.

Linha do tempo

  1. Lançamento da Search API da Perplexity, com acesso em tempo real a índice de centenas de bilhões de páginas

  2. Meta apresenta SilverTorch, consolidando retrieval em um único modelo PyTorch

  3. Perplexity lança oficialmente Search as Code (SaC) como arquitetura padrão no Perplexity Computer e via Agent API

Perguntas frequentes

Search as Code é só para desenvolvedores avançados?

Não. A Perplexity oferece abstrações de alto nível no SDK, como blocos pré-construídos para 'buscar CVEs' ou 'auditar licenças de código aberto'. Mas a potência real aparece quando times técnicos personalizam esses blocos, por exemplo, ajustando o embedding para priorizar documentos de segurança interna ou adicionando validação de assinatura digital nos resultados.

Como o SaC se compara ao Mistral Search Toolkit anunciado no mesmo dia?

O Mistral Toolkit é focado em engenharia de dados: ingestão, avaliação e versionamento de chunks. Já o SaC é focado em runtime: como o agente orquestra a recuperação durante a execução. São complementares, o toolkit prepara os dados; o SaC os consulta de forma adaptativa. Um usa PyTorch, o outro Python puro com sandbox.

O SaC funciona com qualquer modelo de IA?

Sim, desde que o modelo consiga gerar código Python válido e respeite as restrições do sandbox. A Perplexity testou com Llama 3.2, Qwen3 e seus próprios modelos, mas o SDK é agnóstico. O limite não está no modelo, mas na qualidade da geração de código, daí a importância dos loops de auto-pesquisa para refinar as primitivas.

E a privacidade? Meus dados ficam na nuvem?

Parte do pipeline pode rodar localmente. O sistema híbrido apresentado na Computex 2026, já integrado ao SaC, roteia tarefas sensíveis (como análise de documentos confidenciais) para execução no dispositivo, usando modelos leves. Apenas os componentes que exigem poder computacional maior vão para a nuvem, com dados anonimizados ou processados em memória volátil.

Fontes

Avalie este artigo:
Compartilhar:
Categoria
CEVIU IA
Publicado
02 de junho de 2026
Editoria
CEVIU IA

Quer receber mais sobre CEVIU IA?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser