従来の検索エンジンが人間のブラウジングを目的として設計された「青いリンク一覧」は、AIエージェントにとって効率的な作業の障害となっています。複雑な研究タスクを処理する際、AIは検索キーワードを手動で複数回調整し、APIを手作業で呼び出す必要があり、構造の硬直性や文脈ウィンドウに不要な情報が詰まっているという課題に直面しています。

この限界を打ち破るために、Perplexityは最近、「検索即コード（Search as Code、略称SaC）」と呼ばれる新たなアーキテクチャを発表しました。この技術は、モデルが既存の統合型検索APIを呼び出す代わりに、AIモデルがPythonコードの形で、動的にカスタム検索ワークフローを構築・実行できるようにします。

perplexity 1

3層のコアアーキテクチャ

PerplexityのSaCアーキテクチャは垂直方向に3層に構成されています：

  • モデル層（最上層）: 複雑なタスクを理解し、高次の検索戦略を策定します。

  • セキュリティサンドボックス（中層）: コードの実行環境を提供し、中間状態を保存するためのファイルシステムを持っています。

  • スマート検索SDK（最下層）: 検索、扇出、フィルタリング、重複除去、再順序付け、フィールドの解析などの基本的な操作をプリミティブ関数としてパッケージ化し、生成されたコードにコンポーネントレベルの検索インフラストラクチャへのアクセスを提供します。

この設計により、AIエージェントはクエリを並列で実行し、プログラム的に不要な情報をフィルタリングし、高度に精査された関連結果を文脈ウィンドウに抽出することで、長文研究タスクにおける思考の一貫性を保証できます。

CVE脆弱性研究の実験結果：性能向上とTokenの減少

このアーキテクチャの現実世界での性能を検証するために、Perplexityは混乱した専門的なサイバーセキュリティタスクをテストしました。それは、2023年から2025年にかけて公開された200の重要なソフトウェアの脆弱性（CVE）を追跡し、公式公告、影響を受けたソフトウェアおよび修正バージョンを正確に抽出することでした。

QQ20260608-091954.jpg

SaCのサポートにより、AIモデルは自動的に「3段階スクリプト」を作成しました。まず、MozillaやGoogleなどの異なるベンダーの公告形式に対して並列でカスタマイズされた検索を実行し、その後、結果を自動スキャンし、情報の欠落を捕捉して対象的な補完検索を行います。最後に、Schema（スキーマ）による検証を通じて、脆弱性データの完全な一致を確保します。

テスト結果によると、このシステムはタスクを正確に完了しながら、従来の標準パイプラインよりも85％のToken消費を節約しました。Perplexity自身の基準テストセット（DSQA、BrowseComp、HLE、WideSearch、そして最新の広域研究基準WANDRを含む）において、SaCは5つのテストのうち4つで首位を占め、古いアーキテクチャと比較して劇的な性能向上を示しました。特にWANDR基準では、相対的な改善率は45％に達しました。

コードがAIの新しい操作層となる

業界調査レポートによると、コードの記述は今やAIエージェントが物理世界と相互作用する標準的な方法となっています。従来のソフトウェアは確定的な命令に依存していましたが、先端の大規模モデルはToken空間内で推論を行い、最も強力なシステムはこれらを組み合わせています。つまり、大規模モデルが戦略を決定し、確定的な実行環境を使って一括処理とフィルタリングを行い、検索インフラストラクチャを入出力（I/O）層として使用します。

現在、「検索即コード」機能はPerplexity Computer