你肯定遇到过这种情况:问了 AI 一个问题,但答案总觉得哪里不对劲。想确认一下,于是又去问 ChatGPT、Claude、Gemini。现在 Perplexity 直接把这套三重验证帮你做完了。三个 AI 同时跑,意见一致就给你信心,意见分歧就发出警告。
这是什么?
2026 年 2 月 5 日,Perplexity 发布了名为 Model Council 的功能。 顾名思义,就是“模型们的议事会”。抛出一个问题,Claude Opus 4.6、GPT-5.2、Gemini 3.0 三个模型会同时作答。然后第四个模型(“主席”)把三份答案拿来对比分析,梳理出哪里达成共识、哪里存在分歧,输出一份整合后的答案。
为什么要做这个?因为每个 AI 模型擅长的东西不一样。GPT 在创意综合上强,Claude 在逻辑分析上强,Gemini 在实时网页数据上强。只用一个模型,就会被它的偏见(bias)困住;但三个模型交叉验证,盲区就会变小。 Perplexity 团队把这个思路概括为 “cross-validation reduces blind spots”(交叉验证能减少盲区)。
有意思的是,这不只是简单的比对。如果三个模型的答案一致——这就是一个可信度信号(confidence signal)。毕竟它们用不同的训练数据和推理路径得出了同样的结论。反过来,如果答案出现分歧——这是一个警告信号。意味着问题本身模糊、数据不确定,或者推理路径存在冲突。
共识 = 确信,分歧 = 警觉
这就是 Model Council 的核心逻辑。三个 AI 给出相同答案,可以快速决策;如果意见分歧,就把它当作需要进一步深挖的信号。在投资研究或重要决策场景里尤其有用。
目前仅限 Perplexity Max 订阅者(每月 200 美元)使用,且只支持网页端。 移动端即将上线。看起来贵,但想想你每次都要在三个 AI 服务之间来回切换的时间——它是同时提升决策质量与速度的工具。
有什么不同?
过去的 AI 搜索一直是“一个模型对一个问题”。无论问 Google、ChatGPT,还是 Perplexity——最终你看到的都是单一模型的视角。Model Council 从根本上改变了这点。
| 传统 AI 搜索 | Perplexity Model Council | |
|---|---|---|
| 模型数量 | 1 个(只跑所选模型) | 3 个同时 + 1 个合成 |
| 偏见验证 | 用户自己交叉比对 | 自动交叉验证 + 标记分歧 |
| 可信度判断 | 依赖出处链接间接判断 | 用模型共识率直观呈现 |
| 耗时 | 在 3 个服务中分别提问(10 分钟以上) | 一次完成 |
| 结果形式 | 独立答案(比对靠自己) | 共识/分歧结构化报告 |
再看看其他 AI 搜索工具的对比。根据 SE Ranking 基于 2000 条查询的基准测试,不同 AI 搜索工具的表现差异相当明显。
| AI 搜索工具 | 响应率 | 平均引用数 | 核心优势 |
|---|---|---|---|
| Perplexity | 99.95% | 5.01 个 | 出处精准,多模型验证 |
| ChatGPT Search | 99.90% | 10.42 个 | 引用丰富,分析深入 |
| Google AI Overview | 58.15% | 9.26 个 | 优先使用可信域名 |
| Bing Copilot | 72.60% | 3.13 个 | 简洁回答 |
Perplexity 的响应率(99.95%)和 ChatGPT(99.90%)几乎一样,但方法完全不同。ChatGPT 是“生成优先(generation-first)”,擅长产出丰富的文字;Perplexity 是“检索优先(retrieval-first)”,强在基于外部来源的答案。 Model Council 在此之上又加了一层“验证机制”——看多个模型是否都能基于相同依据得出同一结论。
也存在局限
如果三个模型共享类似的训练数据,那么它们的“共识”可能不是“正确”,而是“共享的错误”。此外,最终负责综合的主席模型本身也是一个单一模型,合成过程也可能引入新的偏见。 还要考虑:查询会经过三家 AI 厂商,数据隐私范围会相应扩大。
上手指南
- 订阅 Perplexity Max
在 perplexity.ai 订阅 Max 套餐。每月 200 美元或每年 2000 美元。Model Council 是 Max 专属功能。 - 在网页端选择 Model Council
在 Perplexity 首页搜索框旁点击 (+) 按钮,选择 “Model Council”。目前仅支持网页端,移动端即将上线。 - 输入问题 → 查看结果
输入问题后,Claude、GPT、Gemini 会同时工作。在合成后的答案中查看共识区域(绿色)和分歧区域。 - 发现分歧就继续深挖
模型意见分歧的地方,正是需要进一步调研的重点。可以针对那部分,用单个模型再跑一次 Deep Research。 - 用于决策场景
优先用于投资研究、战略分析、事实核查等“错了代价很大”的问题。日常检索用普通的 Pro Search 就够了。
