Perplexity reinventa a busca com geração de código

O Search as Code (SaC) da Perplexity não é só mais uma API de busca: é uma mudança de paradigma que transforma o motor de retrieval em uma biblioteca executável. Em vez de enviar uma query e receber um JSON com resultados, modelos de IA agora geram código Python que orquestra diretamente primitivas como retrieve, filter, fan_out e verify, tudo dentro de um sandbox seguro e determinístico. Isso permite pipelines agênticos com lógica condicional, map-reduce sobre índices e execução paralela nativa, algo impossível em arquiteturas tradicionais monolíticas. Os benchmarks confirmam o impacto: redução de 85,1% no consumo de tokens e 2,5× mais rápido que soluções concorrentes em fluxos complexos, como triagem automatizada de CVEs com 100% de precisão.

A inovação está na camada intermediária: o Agentic Search SDK. Ele não expõe apenas endpoints, mas funções de baixo nível, como search_vector(index='cves', filter={'severity': 'critical'}), que os agentes usam como blocos de construção. Isso alinha a busca ao ciclo de vida do software: o pipeline vira código versionável, testável e integrável a CI/CD, não um black box configurado por prompt. O SaC já está em produção no Perplexity Computer e na Agent API, o que significa que desenvolvedores podem testar hoje, sem esperar por releases futuras.

Na cobertura anterior de 2 de junho (mesma data da notícia atual), o CEVIU destacou o conceito de Search as Code como uma nova abordagem, mas sem detalhes técnicos de implementação nem dados de desempenho. Agora, com a divulgação oficial, sabemos que o SaC já está disponível em produção, com SDK concreto, sandbox funcional e benchmarks quantificados, o que transforma o anúncio em entrega real. Também ficou claro que a arquitetura tem três camadas definidas (modelo como plano de controle, sandbox como executor, SDK como interface), algo não mencionado antes. A conexão com outras iniciativas do ecossistema, como Grok Build e SilverTorch, foi reforçada pela pesquisa: todos convergem para o mesmo movimento, substituir interfaces declarativas por interfaces programáveis.

Isso muda como agentes de IA operam em escala. Um modelo que antes precisava de 10 chamadas separadas para buscar, filtrar, comparar e validar dados agora faz tudo em uma única execução de código gerado, com menos tokens, menor latência e maior auditabilidade. Para engenheiros, significa menos integração frágil entre ferramentas e mais controle sobre o comportamento da busca. Para empresas, é uma redução direta de custo operacional em workflows baseados em agentes, como compliance automático, análise de vulnerabilidades ou suporte técnico com contexto profundo. Não é só mais rápido: é mais previsível, mais adaptável e mais integrável ao stack existente.