Perplexityが「Perplexity Computer」向けの新しいオーケストレーターモデルのリサーチプレビューを公開しました。GLM 5.2をベースに、コンピューター操作タスク向けに追加学習を施したこのモデルは、Anthropicの高性能モデル「Claude Opus」の約3分の1のコストで、最前線に近い性能を出すという触れ込みです。数字だけ見ると「コストが安いだけでしょ」と流しがちですが、この動きにはAIエージェント市場全体の方向性を読み解くヒントが詰まっています。この記事では、今回のアップデートの中身と、それが業務でAIを使いたい会社員にとって何を意味するのかを整理します。
Perplexity Computerとは何か
まず「Perplexity Computer」という言葉に聞き覚えがない方も多いと思います。Perplexityは検索AIとして有名ですが、「Computer」機能はその延長線上にあるエージェント機能です。簡単に言うと、AIがブラウザやアプリを自律的に操作して、ユーザーの代わりにタスクをこなす仕組みです。「この資料を調べてスプレッドシートにまとめて」といった指示を出すと、AIが実際にブラウザを開いて情報を集め、整理まで自動でやってくれるイメージです。
こういった「コンピューターを操作するAI」の仕組みを動かすには、複数のステップを管理する「オーケストレーター」と呼ばれる司令塔モデルが必要です。人間で言えば、現場で手を動かすスタッフに指示を出すマネージャーの役割です。このオーケストレーターの性能が低いと、途中で指示がブレたり、タスクが途切れたりします。今回Perplexityが公開したのは、このオーケストレーター部分を刷新したモデルです。
コスト0.344倍の意味を分解する
「Opus比0.344倍のコスト」という数字は、具体的にどういう意味を持つのでしょうか。Claude Opusは現時点でAnthropicが提供する最上位クラスのモデルで、高品質な分析や長文処理に強い一方、APIの利用コストが比較的高いことで知られています。それと比べて約3分の1のコストで「near-frontier performance（最前線に近い性能）」を実現するというのは、単純なコストダウンではなく、性能とコストのバランスが変わってきたことを意味します。
以下は、主要なAIモデルのコストと用途の目安を整理したものです（公開情報をもとにした概算比較）。
| モデル | 相対コスト目安 | 得意な用途 |
|---|---|---|
| Claude Opus | 基準（1.0x） | 高度な分析・長文処理 |
| Perplexity GLM 5.2（今回） | 約0.34x | エージェントタスクの司令塔 |
| GPT-4o mini | 約0.05x | 軽量な要約・分類 |
| Claude Haiku | 約0.04x | 高速な単純タスク |
この表を見ると、今回のモデルは「軽量・格安」の枠ではなく、「高性能モデルに近い品質をより手頃なコストで」という中間帯を狙っていることがわかります。エージェント処理は1回のタスクで何十回もモデルを呼び出すため、コストの差が積み重なりやすい領域です。つまり「3分の1のコスト」は、大量処理になるほど効いてきます。
GLM 5.2という選択が示すもの
ベースモデルにGLM 5.2が使われている点も注目に値します。GLM（General Language Model）は中国の清華大学が開発したオープンウェイトモデルで、商用利用可能なライセンスで公開されています。OpenAIやAnthropicのモデルとは異なり、外部の開発者がモデルの重みを取得して自社環境で動かせる点が特徴です。
Perplexityがこのモデルを選んだことは、AIツール業界で起きている「オープンモデルの実用化」という流れを反映しています。一年前まで「オープンモデルは品質が足りない」と言われていた領域で、特定のタスクに絞ってファインチューニング（追加学習）を施すことで、クローズドモデルに匹敵する性能が出るケースが増えています。今回のGLM 5.2も、コンピューター操作タスクという特定の文脈に特化して学習させることで、汎用高性能モデルとの差を縮めた形です。
プロンプトエンジニアリングの基本ガイドでも触れているように、AIの性能は「モデルの賢さ」だけでなく「どのタスクに向けて設計されているか」によって大きく変わります。特化型モデルの台頭は、この原則がモデル開発レベルでも適用され始めたことを示しています。
30〜40代の会社員が気にすべき実務への影響
ここまでの話を「自分の仕事とどう関係するのか」に引き寄せて考えてみます。
営業部門でデータ収集を担当している30代のマネージャーを例にとると、現状は「競合他社の価格情報を毎週調べてExcelにまとめる」作業を部下に任せているケースが多いはずです。AIエージェントが実用化されると、この作業をツールに任せることができます。ただし、エージェントを動かすコストが高ければ、週次で回すには割に合わない計算になります。今回のようなコスト効率の高いオーケストレーターモデルが普及すると、「週次どころか毎日自動で回す」という使い方が現実的なコストで実現しやすくなります。
経理や総務の業務でも同様です。請求書の確認作業や社内規定の照合など、「決まったルールに沿って複数のシステムを行き来する」タスクは、エージェントが得意とする領域です。こうした作業を自動化するとき、バックエンドで動くモデルのコストは積み重なります。コストが下がることで、これまで「費用対効果が見えにくかった」自動化の案件が、試しやすくなるという変化が起きます。
リサーチプレビューという段階をどう読むか
今回の公開は「リサーチプレビュー」という位置づけです。製品として完成した状態ではなく、外部からのフィードバックを集めながら改善を続ける段階です。つまり、今すぐ業務に組み込んで安定運用できるかどうかは、もう少し様子を見る必要があります。
ただし、リサーチプレビューの段階で公開するという判断は、Perplexityが「競争上の優位を早めに示したい」という意図を持っていることを読み取れます。OpenAIのOperator、AnthropicのComputer Use、GoogleのProject Marrainerなど、コンピューター操作エージェントの領域は各社が競い合っている状態です。この中でコスト効率を前面に出してきたPerplexityの戦略は、「高性能モデルを使い続けられるのは大企業だけ」という状況を崩す方向に働く可能性があります。
AIツールを仕事に活かしたい方向けのガイドでも整理しているように、AIツール選びでは「今の性能」だけでなく「コスト構造の変化がどこに向かっているか」を見ておくことが、長く使えるツール選択につながります。
まとめ
今回のPerplexityの発表を一言で整理すると、「エージェント処理の司令塔を、最高性能モデルの3分の1のコストで動かせる選択肢が出てきた」ということです。これは単体のニュースではなく、オープンモデルの特化学習によってコスト構造が変わりつつあるという、より大きな流れの一部です。
リサーチプレビューの段階なので、今すぐ乗り換えを検討するより、「エージェント機能を試すコストが下がってきた」という認識を持っておくほうが実用的です。あなたの業務の中で「毎週同じ手順で複数のツールを行き来している作業」はどこにあるか——そこが、この流れが最初に効いてくる場所です。
