Multiagent(マルチエージェント)は、Perplexityが発表したComputerおよびTeammatesにおける新しい実行レベルで、リードエージェントがタスクを複数のエージェントに分割し、それぞれが異なるフロンティアモデルを使って作業を進める仕組みです。
室谷代表取締役PerplexityがComputerとTeammatesに「Multiagent」という新しい実行レベルを追加すると発表したんですよね。これは単にエージェントを増やしましたという話じゃなくて、異なるモデルを混成チームにするという設計思想の話で・・・かなり面白いんですよ。
テキトー教師DotAI 認定講師そうなんですよ。発表の文言をそのまま追うと、リードエージェントがタスクをチームのエージェント群に分割し、エージェント同士が作業中に調査結果を共有して、最後にリードエージェントが全部を一つの回答に統合する、という流れになっています。
講座でもよく言うのですが、マルチエージェントの本質は「分けること」より「統合すること」なんですよね。
講座でもよく言うのですが、マルチエージェントの本質は「分けること」より「統合すること」なんですよね。
Perplexity Multiagentとは?何が発表されたのか
Perplexity Multiagentの実行の流れ
- 01タスクを分割リードエージェントがタスクを複数のエージェントに分割する
- 02別モデルで並行実行各エージェントがそれぞれ異なるフロンティアモデルで動く
- 03発見を共有作業中にエージェント同士が発見を共有する
- 041つの答えに統合最終的にリードエージェントが一つの答えにまとめる
室谷代表取締役まず発表の中身を整理すると、MultiagentはComputerとTeammatesに追加される新しい実行レベルで、リードエージェントがタスクを複数のエージェントに分割し、それぞれが異なるフロンティアモデルで動くという構成です。作業中はエージェント同士が発見を共有し、最終的にリードエージェントが一つの答えにまとめる、と。
テキトー教師DotAI 認定講師ここで大事なのは、単にエージェントを何体も並べる話ではないという点です。Perplexityの説明では、チームを組むエージェントがそれぞれ別のフロンティアモデルを使う。
つまり役割分担がモデルの得意分野と結びついているわけです。単に並列化する話じゃないんですよ。
つまり役割分担がモデルの得意分野と結びついているわけです。単に並列化する話じゃないんですよ。
室谷代表取締役そこがこれまでのComputerとの違いなんですよね。背景ブリーフによると、Computerはもともと20以上のモデルを並列実行し、Claude・Gemini・Grok・GPTなどを役割別に使い分ける設計だった。
ただ「単一モデルを複数コピーして並列化する」構成との比較は今回が初めて示された、と。
ただ「単一モデルを複数コピーして並列化する」構成との比較は今回が初めて示された、と。
テキトー教師DotAI 認定講師なるほど。そこが今回の発表の新規性なんですね。
既存のComputerの延長線上ではあるけれど、混成チーム対単一モデル複数コピーという比較軸を初めて出してきた、と。
既存のComputerの延長線上ではあるけれど、混成チーム対単一モデル複数コピーという比較軸を初めて出してきた、と。
室谷代表取締役ちなみに発表資料には発表年月日の記載がないので、時期については現時点では明らかにされていません。ここは正確に押さえておきたいところです。
Multiagentでできること——予測・高密度な問題解決・重要な決定
AIの使い分け:速く安く回す場面 vs 精度を取りに行く場面
通常の実行レベル
- 速く安く回す場面
- 日常的な下書きや要約
- 検索して要約する(通常のPerplexity)
- クレジット消費を抑えられる
Multiagent
- 時間とコストをかけてでも精度を出す場面
- 予測・高密度な問題解決・重要な意思決定
- 性能に最適化
- クレジット消費が大きい→最も重要なタスクにだけ使う
- 意思決定に関わる調査に回すのが現実的
室谷代表取締役発表ではMultiagentが向く用途として、予測、高密度な問題解決、重要な意思決定という3つが挙げられています。要するに、多少コストがかかっても精度を取りに行きたいタスクに絞った位置づけなんですよね。
テキトー教師DotAI 認定講師これは講座で受講生さんによく言うのですが、AIの使い方って「速く安く回す場面」と「時間とコストをかけてでも精度を出す場面」を分けるのが鉄則なんですよ。Multiagentは完全に後者です。
発表でも「性能に最適化した」と明言されていて、クレジット消費が大きいから最も重要なタスクにだけ使うよう推奨されています。
発表でも「性能に最適化した」と明言されていて、クレジット消費が大きいから最も重要なタスクにだけ使うよう推奨されています。
室谷代表取締役そこは誤解されやすいところで・・・「とりあえずMultiagentにしておけば安心」みたいな使い方をすると、クレジットがどんどん減っていくわけです。MYUUUでも、日常的な下書きや要約は通常の実行レベルで回して、意思決定に関わる調査だけMultiagentに回す、みたいな使い分けが現実的だと感じています。
テキトー教師DotAI 認定講師予測や重要な意思決定というのは、間違えたときのコストが大きいタスクですからね。そこにリソースを寄せるというのは合理的です。
逆に、単純な作業をMultiagentに投げるのはコスト面で見合わない、という整理になります。
逆に、単純な作業をMultiagentに投げるのはコスト面で見合わない、という整理になります。
室谷代表取締役あと、Computer自体がどんな製品かというと、複数モデルを並列実行する汎用デジタルワーカーで、Web・モバイル・Slackから使えて、バックグラウンドで長時間タスクを継続できる。公式のワークショップ資料でも、通常のPerplexityが検索して要約するのに対して、Computerは計画を立てて複数ステップのワークフローを実行し成果物を出す、という違いが説明されています。
Multiagentはその延長にある実行レベルなんですよね。
Multiagentはその延長にある実行レベルなんですよね。
Multiagentの仕組み——リードエージェントと異なるモデル混成チームの連携
Multiagentの連携フロー
- 01リードエージェントがタスクを分解タスクを分解してチームに割り振る
- 02各エージェントがサブタスクを実行それぞれ別のフロンティアモデルで個別サブタスクを実行
- 03発見を相互共有作業中に発見・調査結果をエージェント間で共有
- 04リードエージェントが統合全結果を一つの回答に統合
室谷代表取締役仕組みをもう少し具体的にすると、まずリードエージェントがタスクを分解してチームに割り振る。各エージェントはそれぞれ別のフロンティアモデルで動き、作業中に発見を相互共有する。
最後にリードエージェントがそれらを一つの回答に統合する、という流れです。
最後にリードエージェントがそれらを一つの回答に統合する、という流れです。
テキトー教師DotAI 認定講師ここ、構造として整理するとこうです。
- リードエージェント:タスク分解と最終統合を担当
- チームの各エージェント:異なるフロンティアモデルで個別サブタスクを実行
- エージェント間:作業中に発見・調査結果を共有
- 最終工程:リードエージェントが全結果を一つの回答に統合
室谷代表取締役この「異なるモデルを混ぜる」というのがPerplexityの主張の核なんですよね。背景ブリーフによると、Perplexityはモデルはコモディティ化せず特化が進むという立場で、モデルの上層にあるオーケストレーション層に価値があると主張している。
2025年は約17.5日ごとに新モデルが登場し、汎用化ではなく特化が進んでいる、という整理です。
2025年は約17.5日ごとに新モデルが登場し、汎用化ではなく特化が進んでいる、という整理です。
テキトー教師DotAI 認定講師企業利用のデータも面白いですよね。2025年1月は2モデルで9割超だったのが、12月には単一モデルが25%を超えないまで分散した、と。
これは「一つのモデルで全部まかなう」時代が終わりつつあるというPerplexityの主張の根拠になっています。
これは「一つのモデルで全部まかなう」時代が終わりつつあるというPerplexityの主張の根拠になっています。
室谷代表取締役だから混成チームなんですよね。ただ、この辺の「どのモデルが何に向くか」という細かい話は、今回の発表ソースではそこまで踏み込んでいないので、現時点では明らかにされていない部分もあります。
ソースで語られている範囲できちんと押さえるのが大事です。
ソースで語られている範囲できちんと押さえるのが大事です。
Terminal-BenchとWANDRで示された性能・コスト・速度の結果
室谷代表取締役ここが今回の発表で一番数字が出ているところです。Terminal-Bench 4.1では、5つのフロンティアモデルを単体、2コピー、4コピー、そして混成チーム4体のリードとして走らせた、と。
結果として、Multiagentでは各混成チームがリードモデル単体も複数コピーも上回った、というんですよね。
結果として、Multiagentでは各混成チームがリードモデル単体も複数コピーも上回った、というんですよね。
テキトー教師DotAI 認定講師数字を整理するとこうです。
- Terminal-Bench 4.1:混成チームはリードモデルの4コピーに対して +0.008〜+0.125
- WANDR:同じく +0.015〜+0.064
- 最高スコア:Gemini 4 Carbonが率いる混成チームで0.727
室谷代表取締役そしてコストの話も出ていて、各ベンチマークで最上位の混成チームは、リードモデルの4コピーより安かったと。$10.31対約$13、$54.50対$66.41という数字が示されています。
テキトー教師DotAI 認定講師ここは誤解しないほうがいいんですが、安いと言っても「4コピーと比べて」ですからね。単体モデルと比べて安いという話ではないんですよ。
あくまで並列化するなら混成チームのほうが性能もコストも有利だった、という比較です。
あくまで並列化するなら混成チームのほうが性能もコストも有利だった、という比較です。
室谷代表取締役そうなんですよね。そこを混同すると「Multiagentは安い」という誤った印象になる。
あくまで同一リードモデルを4コピーする構成との比較で、しかもクレジット消費が大きいことは発表でも明言されている。バランスを取って読む必要があります。
あくまで同一リードモデルを4コピーする構成との比較で、しかもクレジット消費が大きいことは発表でも明言されている。バランスを取って読む必要があります。
テキトー教師DotAI 認定講師速度の結果も出ています。WANDRのテストでは、4体のチームはすべて単体モデルより高いスコアを出し、4チーム中3チームが単体より早く完了した、と。
室谷代表取締役性能、コスト、速度の3つで混成チームに軍配が上がった形です。ただしこれはあくまで発表元が示したベンチマーク結果なので、実運用でどこまで再現されるかは別の話です。
そこは冷静に見ておきたいところですよね。
そこは冷静に見ておきたいところですよね。
テキトー教師DotAI 認定講師ベンチマークは条件が統制された環境での結果ですから、実際の業務タスクで同じ優位性が出るかは使いながら検証するしかない。受講生さんにも、まず小さめのタスクで試して、クレジットと成果のバランスを見ることを勧めています。
Multiagentの使い方・始め方とクレジット消費の注意点
室谷代表取締役使い方としては、ComputerおよびTeammatesの実行レベルとしてMultiagentを選ぶ、という形になります。発表では性能最適化のためにクレジット消費が大きいと明言されていて、最も重要なタスクに限定するよう推奨されています。
テキトー教師DotAI 認定講師クレジット管理の考え方は、公式のComputerのワークショップ資料が参考になります。そこでは、実行前にクレジットを見積もる機能は現時点では無いとされていて、小さくスコープを切ったタスクにする、ループに陥った実行は止める、スレッドごとのクレジットを監視する、といった運用が推奨されています。
室谷代表取締役あと、一つの焦点を絞った質問をする、フォローアップのたびに新しいスレッドを立てず同じスレッドで反復する、本当に必要なファイルだけ添付する、エージェントのワークフローは小さなサンプルで試してから拡大する、といったベストプラクティスも示されています。Multiagentはクレジット消費が大きいので、この原則はより重要になりますよね。
テキトー教師DotAI 認定講師追加クレジットの購入については、組織の管理者が設定パネルから組織向けに購入できる、と公式資料にあります。個人で使う場合の細かい条件は、現時点では明らかにされていません。
室谷代表取締役Computerの基本的な使い方や実行レベルの違いについては、Perplexity Computer Ultrafastとは?Max向けにGPT-6 AstraとSOL 6.1高速版でも解説しているので、あわせて読むと実行レベルの位置づけがつかみやすいと思います。
テキトー教師DotAI 認定講師ローカル実行に興味がある方はPerplexity ComputerのMac完全ローカル実行とは?PPLX Proと必要スペックも参考になります。ただしMultiagent自体の提供形態やセルフホストの可否については、今回の発表ソースでは明らかにされていないので、そこは分けて考える必要がありますね。
料金・提供範囲——日本でいつから使えるか
室谷代表取締役料金と提供範囲について、今回の発表ソースで確認できるのは、MultiagentがComputerとTeammatesの新しい実行レベルとして展開されるという点までです。具体的な料金体系や、日本を含む地域ごとの提供開始時期については、現時点では明らかにされていません。
テキトー教師DotAI 認定講師ここは正直に「分からない」と言うのが正確なんですよ。発表スレッドには価格の記載がなく、公式ページも今回の抜粋では本文を取得できていません。
憶測で「日本でも○月から」と書くのは避けるべきです。
憶測で「日本でも○月から」と書くのは避けるべきです。
室谷代表取締役そうなんですよね。ただ、Computer自体はWeb・モバイル・Slackから利用でき、バックグラウンドで長時間タスクを継続できる製品として公式に説明されています。
Multiagentもその実行レベルの一つという位置づけなので、提供チャネルの考え方はComputerに準じる可能性が高いですが、これはあくまで構造からの推測であって、提供範囲そのものは発表で明言されていません。
Multiagentもその実行レベルの一つという位置づけなので、提供チャネルの考え方はComputerに準じる可能性が高いですが、これはあくまで構造からの推測であって、提供範囲そのものは発表で明言されていません。
テキトー教師DotAI 認定講師クレジット消費が大きいという点は料金に関わる重要情報なので、利用前に自分のプランでのクレジット残量と消費ペースを確認しておく。これが現実的な備えになりますね。
室谷代表取締役あとはセキュリティ面。公式のComputer資料では、エンタープライズデータはモデルの学習やファインチューニングに使われない、サードパーティのモデルプロバイダーとはゼロデータ保持の契約がある、SOC 2 Type II認証やFedRAMP認可といった記載があります。
Multiagent固有のセキュリティ仕様については現時点では明らかにされていませんが、Computerの枠組みが土台になっていると考えられます。
Multiagent固有のセキュリティ仕様については現時点では明らかにされていませんが、Computerの枠組みが土台になっていると考えられます。
よくある質問
室谷代表取締役ここまでの内容を、よく聞かれそうな形で整理しておきますね。
テキトー教師DotAI 認定講師まず「Multiagentとは何か」という点。これはPerplexityがComputerとTeammatesに追加する新しい実行レベルで、リードエージェントがタスクを複数のエージェントに分割し、それぞれが異なるフロンティアモデルで作業し、最後に一つの回答へ統合する仕組みです。
室谷代表取締役「複数モデルはどう連携するのか」については、エージェント同士が作業中に発見を共有し、リードエージェントが統合する、という流れが発表で説明されています。モデルごとの細かい役割分担の全容は現時点では明らかにされていません。
テキトー教師DotAI 認定講師「どんな用途に向くのか」は、予測、高密度な問題解決、重要な意思決定の3つが発表で挙げられています。逆に軽いタスクにはクレジット消費の面で向かない、というのが発表元の推奨です。
室谷代表取締役「性能は本当に上がるのか」については、Terminal-Bench 4.1で+0.008〜+0.125、WANDRで+0.015〜+0.064、混成チームがリードモデルの4コピーを上回ったという発表元の結果があります。最高はGemini 4 Carbon率いるチームの0.727です。
ただしこれは発表元が示したベンチマーク結果である点は押さえておきたいですね。
ただしこれは発表元が示したベンチマーク結果である点は押さえておきたいですね。
テキトー教師DotAI 認定講師「コストはどうか」については、最上位の混成チームがリードモデルの4コピーより安かった($10.31対約$13、$54.50対$66.41)という結果がある一方、Multiagent自体がクレジット消費の大きい実行レベルだと明言されています。単体モデルより安いという意味ではないので、そこは誤解のないようにしたいところです。
室谷代表取締役「日本でいつから使えるのか」「料金はいくらか」については、現時点では明らかにされていません。発表資料に価格や地域別の提供開始時期の記載がないためです。
続報を待つしかない部分ですね。
続報を待つしかない部分ですね。
テキトー教師DotAI 認定講師最後に「既存のPerplexity検索やDeep Researchとどう違うのか」。公式のComputer資料では、通常のPerplexityは検索して読み要約して引用を付けるのに対し、Computerは計画を立てて複数ステップのワークフローを実行し成果物を出すワーカーだと説明されています。
MultiagentはそのComputerの性能重視の実行レベル、という整理になります。
MultiagentはそのComputerの性能重視の実行レベル、という整理になります。
室谷代表取締役まとめると、Multiagentは「重要なタスクに絞って、異なるモデルの混成チームで精度を取りに行く」ための実行レベルなんですよね。万能に安く使えるものではないので、そこを理解した上で使いどころを選ぶのが大事だと思います。
テキトー教師DotAI 認定講師そうですね。性能・コスト・速度のベンチ結果は魅力的ですが、クレジット消費の大きさと提供範囲の不明点をセットで理解しておく。
それが今回の発表を正しく受け取る姿勢だと思います。
それが今回の発表を正しく受け取る姿勢だと思います。
