核心信息

Perplexity 这次把 WANDR 开源了。这本来是他们内部用来测研究型 AI 代理的工具，主要看代理能不能在复杂问题里同时完成大量搜索和深度分析。

事件概述

Perplexity 最早做 WANDR 是为了改进自家产品的研究能力。它和传统只看答案对不对的测试不一样，更在意整个研究过程：

• 能不能从多个来源主动找信息；
• 能不能围绕问题持续深入；
• 能不能处理多步骤、非线性的推理；
• 能不能把零散信息合成可靠结论。

现在越来越多产品强调代理研究能力，大家需要一套更标准的评估方法，而不是只靠单次问答来判断。

分析

AI 公司最近明显在加大代理评测投入，尤其是能覆盖多方面能力的测试。

| 评测维度 | WANDR 关注点 | | --- | --- | | Web 搜索 | 能不能广泛接触不同信息源 | | 工具使用 | 能不能在任务中有效调用外部工具 | | 信息整合 | 能不能把多来源内容合成一致判断 | | 推理链条 | 能不能完成复杂多步分析 |

Perplexity 开源 WANDR，不光是放出一个内部工具，也是在尝试参与定义研究型代理的评价标准。

对开发者来说，这类基准能帮团队比较不同代理在真实研究任务中的表现，特别是那些既要覆盖面又要深度的场景。现有多数 LLM 测试更擅长测静态知识或单点答案，对这种先探索再归纳再推理的工作流覆盖还不够。

这也符合 AI 实验室近年的趋势：通过开源评测工具来影响行业对代理工作流的衡量方式，而不只是在产品上竞争。

影响评估

重要性： 中等

相关方向： 开源、AI 研究、开发者工具

Verdict: 这事还在早期阶段。真正有优势的是做研究型代理和评测框架的开发者团队，交易者和长期持有者目前还没明显好处。