मुख्य सामग्री पर जाएं

Perplexity Computer: पैरेलल AI वर्कफ़्लोज़ का परीक्षण

जानें कि Perplexity Computer क्या है, इसके पैरेलल सब-एजेंट्स कैसे काम करते हैं, हैंड्स-ऑन टेस्ट में क्रेडिट्स की वास्तविक लागत क्या है, और वास्तविक रिसर्च वर्कफ़्लोज़ में Pro और Max की कहाँ फिट बैठती है।
अद्यतन 8 मई 2026  · 10 मि॰ पढ़ना

Perplexity Computer एक क्लाउड एजेंट है जिसे आप किसी कार्य पर असाइन करते हैं और दूर हट जाते हैं। फरवरी 2026 के लॉन्च के बाद से, अपडेट्स ने यह बदल दिया है कि किसे इसकी पहुँच मिलती है, क्रेडिट्स कैसे ट्रैक होते हैं, और रन शुरू होने से पहले आपको कितनी कंट्रोल मिलती है। इससे कई शुरुआती समीक्षाएँ पुरानी हो गई हैं।

मैंने आठ AI कोडिंग टूल्स पर एक पैरेलल रिसर्च वर्कफ़्लो टेस्ट किया, एक फिक्स्ड प्रॉम्प्ट और विज़िबल क्रेडिट टोटल का उपयोग करते हुए। नतीजे ने मुझे प्राइसिंग, सीमाएँ, और प्लान चयन—तीनों का साथ में आकलन करने के लिए पर्याप्त आधार दिया।

Perplexity Computer क्या है और यह कैसे काम करता है?

Computer, Perplexity का क्लाउड-आधारित एजेंट उत्पाद है। यह कोई डिवाइस नहीं है, और यह Perplexity Ask जैसा नहीं है। Ask उत्तर देता है। Computer क्रिया करता है: यह वेब ब्राउज़ करता है, दस्तावेज़ और स्लाइड बनाता है, सैंडबॉक्स में कोड चलाता है, सैकड़ों कनेक्टर्स हिट करता है, और उन चरणों को जोड़कर एक फाइनल आउटपुट देता है।

एक अलग उत्पाद Personal Computer है जो Mac पर लोकली चलता है। यह अप्रैल 2026 के मध्य में लॉन्च हुआ और Max से Pro तक रोल आउट हो रहा है। यह समीक्षा क्लाउड Computer के बारे में है।

वेब पर Perplexity Computer टास्क कंपोज़र, जिसमें मुख्य टास्क इनपुट और बाएँ पट्टी में Computer आइकन दिख रहा है।

Perplexity वेब पर Computer टास्क कंपोज़र। चित्र: लेखक।

आर्किटेक्चर मायने रखता है क्योंकि यह लागत का परिदृश्य तय करता है। Computer पहले एक प्लान बनाता है, फिर स्टेप्स को एक आइसोलेटेड क्लाउड सैंडबॉक्स के अंदर विशेष सब-एजेंट्स की ओर रूट करता है। 4 मई, 2026 के अपडेट के अनुसार, GPT-5.5 Pro और Max सब्सक्राइबर्स के लिए डिफ़ॉल्ट ऑर्केस्ट्रेटर है, इसलिए लॉन्च-युग में Claude Opus 4.6 को डिफ़ॉल्ट मानने वाले संदर्भ अब बेमानी हैं।

रिसर्च टास्क्स के लिए, "पैरेलल एक्जीक्यूशन" इस बात को दर्शाता है कि Computer खोज कैसे करता है और काम कैसे बाँटता है। एक अकेला रिसर्च सब-एजेंट सात सर्च प्रकार एक साथ चला सकता है: वेब, अकादमिक, लोग, इमेज, वीडियो, शॉपिंग, और सोशल—और स्निपेट्स की बजाय पूरी स्रोत पेज पढ़ता है। एक ही टास्क के भीतर एक से अधिक सब-एजेंट भी चल सकते हैं। Max उपयोगकर्ताओं के लिए, Model Council उन प्रश्नों के लिए अलग मॉडल क्रॉस-चेक जोड़ता है जहाँ असहमति मायने रखती है।

इस समीक्षा के लिए दो बाद की जोड़ियाँ अहम हैं: लंबे टास्क से पहले प्लान प्रीव्यू, और एक्जीक्यूशन के दौरान लाइव कॉस्ट ट्रैकिंग। इन नियंत्रणों ने मुझे लागत का बाद में नहीं बल्कि रन के दौरान ही हिसाब रखने दिया।

सामान्य Perplexity Ask सर्च और Deep Research क्रेडिट्स खर्च नहीं करते। Computer टास्क्स करते हैं।

Perplexity Computer प्राइसिंग: Pro, Max, और क्रेडिट्स कैसे काम करते हैं

Computer बिलिंग के दो हिस्से हैं: एक फ़्लैट सब्सक्रिप्शन प्लान, और एक अलग क्रेडिट बैलेंस जिसे एजेंट रन के दौरान घटाता है। इन्हें साथ में पढ़ें, वरना असली लागत का अंदाज़ा लगाना मुश्किल है।

यह रहा मई 2026 की शुरुआत तक का वर्तमान कंज़्यूमर और एंटरप्राइज़ प्राइसिंग। साइन अप वाले दिन आँकड़े सत्यापित करें, क्योंकि कीमत और क्रेडिट नियम क्षेत्र, प्लान, या प्रमोशन के अनुसार बदल सकते हैं।

प्लान 

मासिक कीमत

Computer एक्सेस

शामिल मासिक क्रेडिट्स

Free

$0

No

None

Pro

$20 प्रति माह, या $200 प्रति वर्ष

हाँ, 13 मार्च, 2026 से

कोई शामिल क्रेडिट नहीं; क्रेडिट खरीदने होंगे

Max

$200 प्रति माह, या $2,000 प्रति वर्ष

हाँ

10,000

Enterprise Pro

$40 प्रति सीट प्रति माह

हाँ

प्रति सीट 500

Enterprise Max

$325 प्रति सीट प्रति माह

हाँ

प्रति सीट 15,000

दो बिंदुओं को आम तौर पर नज़रअंदाज़ कर दिया जाता है। Pro एक्सेस देता है पर मासिक Computer क्रेडिट्स नहीं, इसलिए उपयोगकर्ताओं को खरीदे हुए क्रेडिट्स या ऑटो-रिफ़िल की ज़रूरत होगी। Max में 10,000 मासिक क्रेडिट्स शामिल हैं, साथ ही पेड Pro और Max साइनअप्स के लिए एकमुश्त बोनस क्रेडिट्स भी चल रहे हैं, जैसा कि क्रेडिट्स पर आधिकारिक हेल्प सेंटर पेज में दिया है। बोनस को अस्थायी समझें क्योंकि वे बदल सकते हैं और समाप्त हो सकते हैं।

क्रेडिट लागत टास्क के मुताबिक बदलती है, और Perplexity कोई प्रति-टास्क तालिका प्रकाशित नहीं करता। सरल जॉब्स में दर्ज़नों क्रेडिट लग सकते हैं; रिसर्च-हेवी टास्क सैकड़ों या हज़ारों तक जा सकते हैं; असफल कोडिंग लूप्स 10,000 से ऊपर जा चुके हैं। ऑटो-रिफ़िल डिफ़ॉल्ट रूप से बंद है, मासिक क्रेडिट आगे नहीं बढ़ते, और यदि आपके क्रेडिट खत्म हो जाएँ तो सक्रिय टास्क रुक जाते हैं।

पैरेलल एक्जीक्यूशन का परीक्षण: एक वास्तविक रिसर्च वर्कफ़्लो

यह रहा वास्तविक टेस्ट। मैंने Computer से आठ AI कोडिंग टूल्स पर रिसर्च करने, हर एक के लिए समान फ़ील्ड इकट्ठा करने, विरोधाभासों को फ़्लैग करने, और नतीजों को एक तुलना तालिका और एक छोटे मेमो में बदलने को कहा। मैंने यह केस इसलिए चुना क्योंकि यह पैरेलल रिसर्च को टेस्ट करता है बिना खुले-समाप्ति वाले कोडिंग कार्य में भटके, जहाँ क्रेडिट उपयोग नियंत्रित करना कठिन होता है।

प्रॉम्प्ट से पहले, कुछ पूर्वापेक्षाएँ पूरी होनी चाहिए।

पूर्वापेक्षाएँ और अकाउंट सेटअप

यह टेस्ट क्रेडिट भत्ते के लिए Max पर चला। जैसा कि पहले कहा गया, Pro उपयोगकर्ता खरीदे हुए क्रेडिट्स के साथ यही वर्कफ़्लो चला सकते हैं। केवल रिसर्च वाले टास्क के लिए किसी विशेष कनेक्टर की ज़रूरत नहीं है। आपको चाहिए:

  • Computer एक्सेस वाली सक्रिय Perplexity सब्सक्रिप्शन, यानी Pro या Max
  • रन को कवर करने के लिए पर्याप्त क्रेडिट बैलेंस, आदर्श रूप से कम से कम 1,500 क्रेडिट ताकि संशोधनों के लिए हेडरूम रहे
  • लक्ष्यों की स्पष्ट सूची, रन शुरू होने से पहले लिखी हुई—ताकि दायरा Computer की व्याख्या पर न छोड़ा जाए

Computer पैनल वेब पर होम पेज से, iOS पर Computer टैब से, और Mac पर Perplexity डेस्कटॉप ऐप से खुलता है।

ऐसा प्रॉम्प्ट कैसे लिखें जो पैरेलल एक्जीक्यूशन ट्रिगर करे

प्रॉम्प्ट डिज़ाइन मायने रखता है क्योंकि Computer आपके निर्देशों को सब-एजेंट कार्य में बदलता है। एक अस्पष्ट प्रॉम्प्ट एक अस्पष्ट रन देता है। यह प्रॉम्प्ट लक्ष्यों, फ़ील्ड्स, उद्धरण नियम, मेमो के पाठक, और पॉज़ पॉइंट—सब तय कर देता है।

Research the following 8 AI coding tools in parallel: GitHub Copilot, Cursor,
Claude Code, Windsurf, Aider, Continue.dev, Tabnine, and Cody.

For each tool, collect the same fields:
Pricing for individual paid plansCore features, with a focus on agent behaviorMain use casesTwo main limitationsOne notable update from the past 90 daysA primary source link for every important claim
Then:
Build a single normalized comparison tableFlag any field where two of your sources contradict each otherWrite a 200-word recommendation memo for a senior backend engineer who already pays for one AI coding tool and is considering whether to switch
Before producing the final memo, show the plan, the list of sources you intend to cite, and your credit estimate, then wait for my approval.

दो डिज़ाइन चुनाव सबसे अधिक मायने रखते हैं। प्लान प्रीव्यू आपको क्रेडिट खर्च होने से पहले दायरा सीमित करने का मौका देता है। "विरोधाभास फ़्लैग करें" वाली पंक्ति Computer को असहमतियों को सतह पर लाने के लिए प्रेरित करती है, बजाय उन्हें एक उत्तर में समतल करने के।

प्लान प्रीव्यू और लाइव क्रेडिट्स के साथ वर्कफ़्लो चलाना

प्रॉम्प्ट सबमिट करने के बाद, Computer एक लिखित प्लान पर रुका, जिसमें आठ लक्ष्य टूल्स, उपयोग करने वाले डेटा स्रोत, कार्य का क्रम, और एक मोटा क्रेडिट अनुमान सूचीबद्ध था। प्लान को स्वीकृति देने पर पैरेलल रिसर्च चरण शुरू हुआ, और थ्रेड में लाइव क्रेडिट काउंटर बढ़ना शुरू हो गया। यह काउंटर, जो 27 मार्च, 2026 के अपडेट में जोड़ा गया था, वही संख्या थी जिस पर मैंने सबसे अधिक नज़र रखी।

Perplexity Computer प्लान प्रीव्यू जिसमें आठ लक्ष्य टूल्स, डेटा स्रोत, कार्य का क्रम, और स्वीकृति से पहले क्रेडिट अनुमान दिखाया गया है।

रन को स्वीकृत करने से पहले प्लान प्रीव्यू। चित्र: लेखक।

सब-एजेंट्स ने आठों टूल्स पर एक साथ काम किया। एक्टिविटी पैनल में प्रगति लाइन्स दिखीं, जिनमें संक्षिप्त नोट थे कि कौन-सी साइटें पढ़ी जा रही हैं। एक सब-एजेंट रन के बीच में रुका और पूछा कि क्या किसी कंपनी के ओपन-सोर्स CLI को अलग प्रोडक्ट माना जाए। ऐसी बाधा महत्वपूर्ण है क्योंकि शुरुआती समीक्षाएँ Computer को ब्लैक बॉक्स बताती थीं। 17 अप्रैल, 2026 के अपडेट के अनुसार, आप एकल सब-एजेंट को रोक सकते हैं या टास्क के दौरान फॉलो-अप निर्देश टाइप कर सकते हैं।

पूरा रन 7 मिनट 59 सेकंड चला और 225.71 क्रेडिट्स खर्च हुए। यह संख्या आपकी संख्या से मेल नहीं खाएगी। एजेंट रन नॉन-डिटरमिनिस्टिक होते हैं: एक ही प्रॉम्प्ट हर बार अलग डीकम्पोज़िशन, अलग मॉडल असाइनमेंट, और थोड़ा भिन्न आउटपुट देता है। यदि आप वीडियो या डेमो रिकॉर्ड कर रहे हैं, तो असली रन से पहले एक ड्राई रन करें।

पैरेलल रिसर्च वर्कफ़्लो चलाते हुए Computer। वीडियो: लेखक।

आउटपुट की शुद्धता और क्लीनअप समय की समीक्षा

आउटपुट एक Markdown तुलना तालिका थी जो सभी आठ टूल्स को अनुरोधित फ़ील्ड्स में कवर करती है, और कोशिकाओं में इनलाइन सिटेशन देती है। इसमें विरोधाभास-और-खामियाँ तालिका और एक छोटा अनुशंसा मेमो भी शामिल था। 27 मार्च के अपडेट से Computer डिफ़ॉल्ट रूप से Markdown में ड्राफ्ट करता है, और माँग पर PDF और DOCX निर्यात उपलब्ध हैं।

मैंने आउटपुट को उस चेकलिस्ट के खिलाफ ग्रेड किया जो मैंने रन से पहले बनाई थी।

श्रेणी

निर्णय

टिप्पणियाँ

कठोर तथ्यों पर शुद्धता

मिश्रित

कुछ कीमत और फ़ीचर दावे उद्धृत प्राथमिक स्रोतों से सत्यापित करने पड़े

स्रोत गुणवत्ता

उत्तीर्ण

एग्रीगेटर ब्लॉग पोस्ट्स नहीं, बल्कि प्राथमिक डॉक्यूमेंट्स और प्राइसिंग पेज उद्धृत किए

संरचना

उत्तीर्ण

नॉर्मलाइज़्ड तालिका को फिर से बनाने की आवश्यकता नहीं; कॉलम क्रम प्रॉम्प्ट से मेल खाता है

विवाद प्रबंधन

उत्तीर्ण

जहाँ स्रोत असहमत थे, वहाँ फ़ील्ड्स को फ़्लैग किया, और असहमति स्पष्ट की

क्लीनअप समय

मिश्रित

करीब तीस मिनट की एडिटिंग, लगभग पूरी सिफारिश मेमो पर

क्रेडिट उपयोग

मिश्रित

रन के लिए 225.71 क्रेडिट्स, पर एक्जीक्यूशन से पहले अनुमान लगाना अभी भी कठिन

क्लीनअप का बँटवारा साफ था। तालिका लगभग प्रकाशित-योग्य थी। दूसरी ओर, सिफारिश मेमो में हेजिंग भाषा का सहारा लिया गया था और कुछ वाक्य तालिका में दिए साक्ष्य से मेल नहीं खाते थे। वह मेमो—डेटा नहीं—वह हिस्सा है जिसे एक सावधान मानव पास की ज़रूरत है। आउटपुट को एक जूनियर विश्लेषक के पहले ड्राफ्ट की तरह मानें: उपयोगी, अधिकतर सही, और आपके हाथ से बाहर जाने से पहले एक सतर्क पढ़ाई के काबिल।

जहाँ Perplexity Computer लागू होता है

नतीजे लॉन्च के बाद से अन्य टेस्टर्स की रिपोर्ट से मेल खाते हैं। उपयोग के मामले सीमित हैं।

  • नॉर्मलाइज़्ड आउटपुट के साथ पैरेलल रिसर्च। सात समकालिक सर्च प्रकार और फुल-पेज रीडिंग—और उसे संरचित आउटपुट के रूप में पैकेज करना—यही वह जगह है जहाँ इस टेस्ट में Computer का काम सबसे कम क्लीनअप-प्रवण रहा।
  • लागत दृश्यता और टास्क-मध्य नियंत्रण। टेस्ट में, इन नियंत्रणों ने बिना पूरा प्रॉम्प्ट दोहराए रन की पर्याप्त निगरानी दी।
  • कॉन्टेक्स्ट कॉम्पैक्शन और मॉडल रूटिंग। एजेंट लंबे टास्क्स में सम्यक थ्रेड स्टेट बनाए रखता है, और आपको रूटिंग लॉजिक लिखना या कनेक्टर वायरिंग फ़ाइल सिंक में नहीं रखनी पड़ती।
  • आउटपुट पोर्टेबिलिटी। Computer Markdown में ड्राफ्ट करता है और माँग पर PDF या DOCX एक्सपोर्ट करता है।

मैं दावे को रिसर्च और संश्लेषण से आगे नहीं फैलाऊँगा। कोडिंग वह जगह है जहाँ मैं धीमा पड़ूँगा।

Perplexity Computer की सीमाएँ: कहाँ यह कम पड़ता है

कई सीमाएँ वास्तविक हैं, और कुछ लॉन्च के बाद से बदली हैं। टेस्ट के दौरान सबसे अहम ये रहीं।

कनेक्टर विश्वसनीयता असमान है और तेज़ी से बदलती है। 2026 की शुरुआत के परीक्षणों में Vercel OAuth एक्सपायरी, उथला Ahrefs डेटा, और GitHub के लिए मैनुअल Personal Access Token वाले वर्कअराउंड्स मिले। 27 मार्च के अपडेट ने Vercel कनेक्टर, बेहतर Box कनेक्टर, और कनेक्टर प्रदर्शन पर एक सामान्य नोट जोड़ा। यह साबित नहीं करता कि पुराने मुद्दे ठीक हो चुके हैं। किसी भी कनेक्टर को जिस पर आप निर्भर हैं, पहले कम-जोखिम वाले टास्क में टेस्ट करें।

Perplexity क्रेडिट उपयोग पॉपओवर जिसमें 225.71 क्रेडिट्स उपयोग और 7 मिनट 59 सेकंड का कार्य दिखता है।

टेस्ट रन के बाद क्रेडिट उपयोग। चित्र: लेखक।

कोडिंग वर्कफ़्लोज़ में लागत जोखिम सबसे अधिक होता है। क्लाउड Computer में अभी भी लाइव प्रीव्यू नहीं है, न ही हॉट रीलोड, और प्रगति के दौरान दृश्यता सीमित है। पहले उल्लेखित Mac उत्पाद लोकल एक्सेस जोड़ता है, और *.pplx.app पब्लिशिंग आपको लाइव होने से पहले कुछ निरीक्षण करने देता है, पर इनमें से कोई भी क्लाउड Computer को टाइट कोडिंग लूप में नहीं बदलता।

क्रेडिट खपत अभी भी टास्क चलने से पहले अनुमान लगाना कठिन है। टेस्ट में उपयोग किए नियंत्रण एक्जीक्यूशन के दौरान अनुमान घटाते हैं, पर कई सब-एजेंट्स वाले व्यापक टास्क सबसे अधिक परिवर्तनीय रहते हैं।

पुनरुत्पादन सीमित है। एक ही प्रॉम्प्ट के दो रन अलग सब-एजेंट प्लान और थोड़ा भिन्न आउटपुट देते हैं। क्रेडिट लागत रन के साथ बदलती है, इसलिए किसी भी रिकॉर्डेड डेमो से पहले ड्राई रन करें।

निजता सेटिंग्स विनियमित टीमों या संवेदनशील वर्कफ़्लोज़ के लिए ध्यान देने योग्य हैं। एंटरप्राइज़ अकाउंट डिफ़ॉल्ट रूप से प्रशिक्षण से बाहर रहते हैं। कंज़्यूमर Pro और Max उपयोगकर्ताओं को अकाउंट सेटिंग्स में ऑप्ट-आउट करना पड़ता है।

उपयोगकर्ता प्रकार के अनुसार प्लान चयन

उत्तर इस पर निर्भर करता है कि आप इसे किस काम में लगाते हैं, कितनी बार उपयोग करते हैं, किस प्लान से शुरू करते हैं, और क्रेडिट कैप्स के प्रति कितने अनुशासित हैं।

यह रहा उपयोगकर प्रकार के अनुसार ब्रेकडाउन।

उपयोगकर्ता प्रकार

निर्णय

कारण

विश्लेषक और शोधकर्ता

बार-बार उपयोग हेतु Max

पैरेलल रिसर्च मुख्य केस है; शामिल मासिक क्रेडिट नियमित उपयोग कवर कर सकते हैं

टेक्निकल राइटर्स

सावधानी के साथ Pro टेस्ट

सीमाबद्ध रिसर्च और संश्लेषण टास्क इस उत्पाद से बेहतर मेल खाते हैं बनिस्बत खुले-समाप्ति वाले काम के

प्रोडक्शन ऐप्स बनाने वाले डेवलपर्स

किसी भी प्लान पर उच्च जोखिम

कोडिंग फ़ीडबैक लूप अभी भी अप्रत्यक्ष है

आम उपयोगकर्ता

Max पर उचित ठहराना कठिन

$200 मासिक कीमत को ब्रेक-ईवन करने के लिए वास्तविक वर्कफ़्लो वॉल्यूम चाहिए

विनियमित उद्योगों की टीमें

Enterprise Pro या Max का मूल्यांकन करें

ऑडिट लॉग्स, नो-ट्रेनिंग गारंटी, नेटवर्क फ़ायरवॉल कंट्रोल्स, और एडमिन कनेक्टर कंट्रोल्स जोड़ता है

कंटेंट क्रिएटर्स और रणनीतिकार

पहले Pro टेस्ट

प्रतिस्पर्धी रिसर्च और संरचित रिपोर्ट्स—यहीं आउटपुट को कम क्लीनअप की जरूरत पड़ी

यदि आप केवलर एक बार Computer टेस्ट करना चाहते हैं, तो थोड़ी-सी क्रेडिट खरीद के साथ Pro कम-जोखिम वाली शुरुआत है। यदि आप हफ्ते में कई सीमाबद्ध रिसर्च टास्क चलाते हैं, तो Max आपको तय मासिक क्रेडिट पूल देता है।

सीमाबद्ध Computer वर्कफ़्लोज़ के नियम

ये नियम टेस्ट रनों से निकले।

किसी भी टास्क से पहले मासिक ख़र्च सीमा तय करें; शुरुआती रनों में डिफ़ॉल्ट $200 कैप घटाना नुकसान सीमित करता है यदि टास्क बेकाबू हो जाए। जिन कार्यों में एजेंट की ज़रूरत नहीं, वहाँ Perplexity Ask का उपयोग करें। प्लान प्रीव्यू आवश्यक करें, फिर एक्जीक्यूशन से पहले उसे स्वीकृत या ठीक करें।

प्रॉम्प्ट्स को संकीर्ण रखें, लक्ष्य सूची तय करें, और हर महत्वपूर्ण दावे के लिए संदर्भ माँगें। लंबे रनों के दौरान, टेस्ट में उपयोग किए लागत काउंटर पर ही नज़र रखें। यदि वह योजना से तेज़ चढ़े, तो रन रोकें और पूछें कि काम कहाँ अटका। मेरे रनों में, सिफारिश मेमो को तालिका से अधिक जाँच की ज़रूरत पड़ी। यदि आप रिकॉर्डिंग कर रहे हैं, तो सैंडबॉक्स्ड अकाउंट और सैनिटाइज़्ड कनेक्टर्स का उपयोग करें; वास्तविक अकाउंट डेटा आसानी से स्क्रीनशॉट्स में लीक हो जाता है।

अंतिम विचार

Computer तब बेहतर काम करता है जब टास्क का आकार स्पष्ट हो: तय सूची, एक स्कीमा, स्रोत नियम, और एक स्टॉपिंग पॉइंट। इसे खुला छोड़ दें, और यह जल्दी महँगा लगने लगता है।

मेरे टेस्ट में, तालिका को मेमो की तुलना में कम एडिटिंग लगी, और रनिंग कॉस्ट मेरी अपेक्षा से अधिक मायने रखी। दोहराए जाने वाले सीमाबद्ध रिसर्च के लिए, Max का क्रेडिट सेटअप सरल है। कैज़ुअल टेस्टिंग के लिए, Pro और थोड़ी-सी क्रेडिट खरीद कम प्रतिबद्धता वाला मार्ग है। कोडिंग के लिए, मैं अभी भी सतर्क रहूँगा।

एजेंट पैटर्न की पृष्ठभूमि के लिए, हमारा Developing LLM Applications with LangChain कोर्स Python में चेन्स, टूल्स, और एजेंट्स को कवर करता है।

FAQs

क्या Pro उपयोगकर्ता बिना क्रेडिट्स खरीदे Perplexity Computer चला सकते हैं?

केवल तभी जब उनके पास अब भी बोनस क्रेडिट्स हों। सुरक्षित जाँच प्लान पेज नहीं, बल्कि आपके अकाउंट का Credits पेज है—टास्क शुरू करने से पहले। यदि बैलेंस कम है, तो पहला रन संकीर्ण रखें और जब तक आपको अपने उपयोग केस के लिए एक सामान्य टास्क की लागत का अंदाज़ा न हो, ऑटो-रिफ़िल बंद रखें।

एक सामान्य रिसर्च टास्क में क्रेडिट्स की कितनी लागत आती है?

ऐसी कोई संख्या नहीं जिसे मैं सामान्य कहकर उद्धृत करूँ। बेहतर तरीका यह है कि पहले एक छोटा संस्करण चलाएँ: कम लक्ष्य, कोई अंतिम मेमो नहीं, और तुलना तालिका के बाद सख्त रोक। इससे आप पूर्ण वर्कफ़्लो से पहले क्रेडिट सीमा जान लेते हैं।

Perplexity Computer और Personal Computer में क्या अंतर है?

Computer तब उपयोग करें जब काम Perplexity के क्लाउड सैंडबॉक्स में हो सकता हो। Personal Computer तब मायने रखता है जब टास्क आपके Mac पर फ़ाइलों, ऐप्स, या ब्राउज़र सेशन्स पर निर्भर हो। यदि आप Windows या Linux पर हैं, तो फिलहाल Personal Computer को अनुपलब्ध मानें।

अगर Computer टास्क के बीच में क्रेडिट्स खत्म कर दे तो क्या होता है?

टास्क पॉज़ हो जाता है, जो काम खोने से बेहतर है, पर फिर भी आपका फ़्लो टूट सकता है। अधिक क्रेडिट जोड़ने से पहले, आख़िरी कुछ एजेंट अपडेट पढ़ें और तय करें कि टास्क पटरी पर है या नहीं। यदि यह लूप में फँस चुका है, तो क्रेडिट बढ़ाने से बस वही लूप चलता रहेगा।

क्या मैं Computer के रिसर्च आउटपुट पर बिना जाँचे भरोसा कर सकता/सकती हूँ?

नहीं। उन कोशिकाओं से शुरू करें जिनके पुराना होने की संभावना सबसे अधिक है: प्राइसिंग, प्लान सीमाएँ, लॉन्च तिथियाँ, और "हाल का अपडेट" दावे। मैं शैली संपादन से पहले इन्हें जाँचूँगा, क्योंकि एक साफ़ मेमो भी—यदि एक कीमत पुरानी है—फिर भी गलत ही होगा।

विषय

DataCamp के साथ सीखें

Track

एआई मूलभूत बातें

10 घंटा
AI की मूल बातें जानें, काम के लिए AI का प्रभावी उपयोग करना सीखें, और ChatGPT जैसे मॉडल्स में गहराई से उतरकर गतिशील AI परिदृश्य को समझें।
विस्तृत जानकारी देखेंRight Arrow
कोर्स शुरू करें
और देखेंRight Arrow