Thanks to visit codestin.com
Credit goes to www.datacamp.com

Vai al contenuto principale

Perplexity Computer: test dei workflow AI in parallelo

Scopri cos’è Perplexity Computer, come funzionano i suoi sotto-agenti in parallelo, quanto costano davvero i crediti in un test pratico e dove Pro e Max si inseriscono nei workflow di ricerca reali.
Aggiornato 8 mag 2026  · 10 min leggi

Perplexity Computer è un agente cloud a cui assegni un compito e poi ti allontani. Dal lancio di febbraio 2026, gli aggiornamenti hanno cambiato chi può accedervi, come vengono conteggiati i crediti e quanto controllo hai prima che una run inizi. Questo rende superate molte recensioni iniziali.

Ho testato un workflow di ricerca in parallelo su otto strumenti di coding AI, usando un prompt fisso e un totale crediti visibile. Il risultato mi ha dato abbastanza elementi per valutare insieme prezzo, limiti e scelta del piano.

Cos’è Perplexity Computer e come funziona?

Computer è il prodotto di agent cloud di Perplexity. Non è un dispositivo e non è la stessa cosa di Perplexity Ask. Ask restituisce risposte. Computer esegue azioni: naviga sul web, genera documenti e slide, esegue codice in una sandbox, usa centinaia di connettori e concatena quei passaggi in un output finito.

Esiste un prodotto separato chiamato Personal Computer che gira in locale su Mac. È stato lanciato a metà aprile 2026 e sta arrivando progressivamente da Max a Pro. Questa recensione riguarda il Computer in cloud.

Composer dei task di Perplexity Computer sul web con l’input principale del task e l’icona Computer nella barra sinistra.

Composer dei task su Perplexity web. Immagine dell’autore.

L’architettura conta perché definisce i costi. Computer stila un piano, poi instrada i passaggi a sotto-agenti specializzati dentro una sandbox cloud isolata. Con l’aggiornamento del 4 maggio 2026, GPT-5.5 è l’orchestratore predefinito per gli abbonati Pro e Max, quindi i riferimenti del lancio a Claude Opus 4.6 come default sono obsoleti.

Per i compiti di ricerca, “esecuzione in parallelo” si riferisce a come Computer cerca e suddivide il lavoro. Un singolo sotto-agente di ricerca può eseguire sette tipi di ricerca in contemporanea: web, accademica, persone, immagini, video, shopping e social, leggendo le pagine complete delle fonti invece degli snippet. Più sotto-agenti possono anche girare all’interno di un unico task. Per gli utenti Max, Model Council aggiunge un controllo incrociato tra modelli separato per le domande in cui il disaccordo conta.

Due aggiunte successive sono importanti per questa recensione: l’anteprima del piano prima dei task lunghi e il tracciamento dei costi in tempo reale durante l’esecuzione. Questi controlli mi hanno permesso di monitorare la run invece di valutarne i costi a posteriori.

Le ricerche Perplexity Ask normali e la Deep Research non consumano crediti. I task di Computer sì.

Prezzi di Perplexity Computer: Pro, Max e come funzionano i crediti

La fatturazione di Computer ha due parti: un abbonamento fisso e un saldo crediti separato che l’agente consuma mentre gira. Vanno letti insieme, altrimenti è difficile valutare il costo reale.

Ecco i prezzi attuali consumer ed enterprise a inizio maggio 2026. Verifica le cifre il giorno dell’iscrizione, perché prezzi e regole dei crediti possono variare per regione, piano o promozione.

Piano 

Prezzo mensile

Accesso a Computer

Crediti mensili inclusi

Free

$0

No

Nessuno

Pro

$20 al mese, oppure $200 l’anno

Sì, dal 13 marzo 2026

Nessuno incluso; i crediti vanno acquistati

Max

$200 al mese, oppure $2.000 l’anno

10.000

Enterprise Pro

$40 per utente al mese

500 per utente

Enterprise Max

$325 per utente al mese

15.000 per utente

Due dettagli spesso vengono sorvolati. Pro dà accesso ma non crediti mensili per Computer, quindi servono crediti acquistati o ricarica automatica. Max include 10.000 crediti mensili, più bonus una tantum attuali per le nuove iscrizioni a Pro e Max a pagamento, come indicato nella pagina ufficiale del centro assistenza sui crediti. Considera i bonus come temporanei perché possono cambiare ed essere rimossi.

Il costo in crediti varia in base al task e Perplexity non pubblica una tabella per task. I lavori semplici possono costare decine di crediti; i task con molta ricerca possono arrivare a centinaia o migliaia; loop di coding falliti hanno superato i 10.000. La ricarica automatica è disattivata di default, i crediti mensili non si accumulano e i task attivi si mettono in pausa se finiscono.

Test dell’esecuzione in parallelo: un workflow di ricerca reale

Ecco il test effettivo. Ho chiesto a Computer di ricercare otto strumenti di coding AI, raccogliere gli stessi campi per ciascuno, segnalare le contraddizioni e trasformare i risultati in una tabella di confronto più un breve memo. Ho scelto questo caso perché mette alla prova la ricerca in parallelo senza scivolare in lavoro di coding aperto, dove l’uso dei crediti è più difficile da controllare.

Prima del prompt, è necessario predisporre alcuni prerequisiti.

Prerequisiti e configurazione dell’account

Il test è stato eseguito su Max per la dotazione di crediti. Come accennato, gli utenti Pro possono eseguire lo stesso workflow con crediti acquistati. Per un task solo ricerca non servono connettori speciali. Ti servono:

  • Un abbonamento Perplexity attivo con accesso a Computer, cioè Pro o Max
  • Un saldo crediti sufficiente a coprire la run, idealmente almeno 1.500 crediti per lasciare margine alle revisioni
  • Un elenco chiaro di target scritto prima dell’avvio, invece di lasciare l’ambito aperto all’interpretazione di Computer

Il pannello Computer si apre dalla home sul web, dalla scheda Computer su iOS e dall’app desktop Perplexity su Mac.

Come scrivere un prompt che attivi l’esecuzione in parallelo

La progettazione del prompt conta perché Computer trasforma le istruzioni nel lavoro dei sotto-agenti. Un prompt vago produce una run vaga. Questo fissa target, campi, regola per le citazioni, pubblico del memo e punto di pausa.

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.

Due scelte progettuali contano di più. L’anteprima del piano ti dà modo di restringere l’ambito prima di spendere crediti. La riga “segnala le contraddizioni” spinge Computer a far emergere i disaccordi invece di appiattirli in un’unica risposta.

Eseguire il workflow con anteprima del piano e crediti in tempo reale

Dopo aver inviato il prompt, Computer si è fermato su un piano scritto che elencava gli otto strumenti target, le fonti previste, l’ordine di lavoro e una stima approssimativa dei crediti. L’approvazione del piano ha avviato la fase di ricerca in parallelo e il contatore dei crediti in tempo reale ha iniziato a salire nel thread. Quel contatore, aggiunto con l’aggiornamento del 27 marzo 2026, è diventato il numero che ho guardato più da vicino.

Anteprima del piano di Perplexity Computer con gli otto target, le fonti, l’ordine di lavoro e una stima dei crediti prima dell’approvazione.

Anteprima del piano prima di approvare la run. Immagine dell’autore.

I sotto-agenti sono partiti in parallelo sugli otto strumenti. Il pannello attività mostrava linee di avanzamento con brevi note sui siti in lettura. Un sotto-agente si è fermato a metà per chiedere se considerare la CLI open source di un’azienda come prodotto separato. Questo tipo di interruzione conta perché le recensioni iniziali descrivevano Computer come una scatola nera. Con l’aggiornamento del 17 aprile 2026, puoi fermare un singolo sotto-agente o digitare un’istruzione di follow-up a task in corso.

L’intera run ha impiegato 7 minuti e 59 secondi e ha consumato 225,71 crediti. Quel numero non corrisponderà al tuo. Le run degli agenti non sono deterministiche: lo stesso prompt produce una scomposizione diversa, un’assegnazione di modelli diversa e un output leggermente diverso a ogni esecuzione. Se stai registrando un video o una demo, fai una prova prima di quella reale.

Computer che esegue il workflow di ricerca in parallelo. Video dell’autore.

Revisione dell’output: accuratezza e tempo di pulizia

L’output era una tabella di confronto in Markdown che copriva tutti e otto gli strumenti sui campi richiesti, con citazioni in linea nelle celle. Includeva anche una tabella di contraddizioni e lacune e un breve memo di raccomandazioni. Dalla release del 27 marzo, Computer redige in Markdown per impostazione predefinita, con esportazione in PDF e DOCX su richiesta.

Ho valutato l’output rispetto a una checklist che ho preparato prima della run.

Categoria

Verdetto

Note

Accuratezza sui fatti concreti

Mista

Alcune affermazioni su prezzi e funzionalità richiedevano verifica rispetto alle fonti primarie citate

Qualità delle fonti

Superata

Citati documenti primari e pagine prezzi, non post aggregatori

Struttura

Superata

La tabella normalizzata non ha richiesto ricostruzione; l’ordine delle colonne rispettava il prompt

Gestione dei conflitti

Superata

Segnalati i campi in cui le fonti erano in disaccordo, con il disaccordo esplicitato

Tempo di pulizia

Misto

Circa trenta minuti di editing, quasi tutti sul memo di raccomandazioni

Uso dei crediti

Misto

225,71 crediti per la run, ma ancora difficile da stimare prima dell’esecuzione

La pulizia si è divisa in modo netto. La tabella era quasi pronta per la pubblicazione. Il memo di raccomandazioni, invece, ricorreva a linguaggio prudente e a qualche frase che non combaciava con le evidenze in tabella. Quel memo, non i dati, è la parte che richiede un passaggio umano accurato. Tratta l’output come la prima bozza di un analista junior: utile, per lo più corretto e meritevole di una lettura attenta prima che lasci le tue mani.

Dove si applica Perplexity Computer

Il risultato è in linea con quanto riportato da altri tester dal lancio. Il caso d’uso è ristretto.

  • Ricerca in parallelo con output normalizzato. Sette tipi di ricerca simultanei e lettura delle pagine complete, confezionati come output strutturato, sono dove Computer ha prodotto il lavoro con meno necessità di pulizia in questo test.
  • Visibilità dei costi e controllo a task in corso. Nel test, questi controlli hanno dato abbastanza visibilità per supervisionare la run senza ripetere l’intero prompt.
  • Compattazione del contesto e instradamento dei modelli. L’agente mantiene uno stato di thread coerente su task lunghi e non devi scrivere logica di routing o mantenere allineato un file di cablaggio dei connettori.
  • Portabilità dell’output. Computer redige in Markdown ed esporta PDF o DOCX su richiesta.

Non estenderei l’affermazione oltre ricerca e sintesi. Sul coding andrei più cauto.

Limitazioni di Perplexity Computer: dove non arriva

Diverse limitazioni sono reali e alcune sono cambiate dal lancio. Queste sono quelle che hanno contato di più durante il test.

L’affidabilità dei connettori è disomogenea e cambia rapidamente. Test di inizio 2026 hanno riscontrato scadenza OAuth di Vercel, dati Ahrefs superficiali e soluzioni su GitHub usando un Personal Access Token manuale. L’aggiornamento del 27 marzo ha aggiunto un connettore Vercel, un connettore Box migliorato e una nota generale sulle prestazioni dei connettori. Questo non prova che i problemi precedenti siano risolti. Metti alla prova qualsiasi connettore critico prima su un task a basso rischio.

Popover sull’uso dei crediti di Perplexity che mostra 225,71 crediti usati e 7 minuti 59 secondi di lavoro.

Uso dei crediti dopo la run di test. Immagine dell’autore.

I workflow di coding comportano il rischio di costo più alto. Computer in cloud non ha ancora live preview, hot reload e ha visibilità limitata in corso d’opera. Il prodotto Mac citato prima aggiunge accesso locale e *.pplx.app publishing ti dà qualcosa da ispezionare prima del live, ma nessuno dei due trasforma Computer in cloud in un loop di coding stretto.

Il consumo di crediti è ancora difficile da prevedere prima dell’avvio del task. I controlli usati nel test riducono l’incertezza durante l’esecuzione, ma i task ampi con molti sotto-agenti restano i più variabili.

La riproducibilità è limitata. Due run dello stesso prompt producono piani di sotto-agenti diversi e output leggermente differenti. Il costo in crediti varia con la run, quindi fai una prova prima di qualsiasi demo registrata.

Le impostazioni di privacy meritano attenzione per team regolamentati o workflow sensibili. Gli account Enterprise sono esclusi dall’addestramento per impostazione predefinita. Gli utenti consumer Pro e Max devono disattivarlo nelle impostazioni dell’account.

Scelta del piano per tipo di utente

La risposta dipende dal lavoro che gli affidi, da quanto spesso lo usi, dal piano di partenza e da quanto sei disciplinato sui limiti di credito.

Ecco la suddivisione per tipo di utente.

Tipo di utente

Verdetto

Motivo

Analisti e ricercatori

Max per uso frequente

La ricerca in parallelo è il caso principale; i crediti mensili inclusi possono coprire l’uso regolare

Technical writer

Pro in prova, con cautela

Task di ricerca e sintesi delimitati si adattano meglio del lavoro aperto

Sviluppatori che creano app in produzione

Rischio elevato con qualsiasi piano

Il loop di feedback sul coding è ancora indiretto

Utenti occasionali

Difficile da giustificare su Max

Il prezzo mensile di $200 richiede un reale volume di workflow per andare in pari

Team in settori regolamentati

Valuta Enterprise Pro o Max

Aggiunge audit log, garanzia di non-addestramento, controlli firewall di rete e controlli connettori per admin

Creator e strategist di contenuti

Prima prova con Pro

Ricerca competitiva e report strutturati sono dove l’output ha richiesto meno pulizia

Se vuoi solo provare Computer una volta, Pro con un piccolo acquisto di crediti è il punto di partenza a rischio più basso. Se esegui diversi task di ricerca delimitati a settimana, Max ti dà un pacchetto mensile di crediti fisso.

Regole per workflow Computer delimitati

Queste regole derivano dalle run di test.

Imposta un limite di spesa mensile prima di qualsiasi task; abbassare il limite predefinito di $200 nelle prime run limita i danni se un task va fuori controllo. Per tutto ciò che non richiede un agente, usa Perplexity Ask. Pretendi un’anteprima del piano, poi approvala o correggila prima dell’esecuzione.

Mantieni prompt stretti, fissa la lista dei target e pretendi citazioni per ogni affermazione importante. Durante le run lunghe, osserva lo stesso contatore dei costi usato nel test. Se sale più in fretta del previsto, ferma la run e chiedi a Computer dove il lavoro si è inceppato. Nelle mie run, il memo di raccomandazioni ha richiesto più verifica della tabella. Se registri, usa un account in sandbox con connettori sanificati; i dati reali dell’account finiscono facilmente negli screenshot.

Considerazioni finali

Computer funziona meglio quando il compito ha una forma chiara: un elenco fisso, uno schema, regole per le fonti e un punto di arresto. Se lo lasci aperto, inizia a sembrare costoso in fretta.

Nel mio test, la tabella ha richiesto meno editing del memo e il costo in corso d’opera ha pesato più del previsto. Per ricerche delimitate ripetute, Max ha la gestione crediti più semplice. Per test occasionali, Pro più un piccolo acquisto di crediti è la strada con minore impegno. Per il coding, sarei ancora cauto.

Per maggiori informazioni sul pattern degli agenti, il nostro corso Developing LLM Applications with LangChain tratta chain, tool e agent in Python.


Khalid Abdelaty's photo
Author
Khalid Abdelaty
Codestin Search App

Sono un data engineer e community builder: lavoro su pipeline dati, cloud e strumenti di AI, e scrivo tutorial pratici e ad alto impatto per DataCamp e per sviluppatori alle prime armi.

FAQ

Gli utenti Pro possono usare Perplexity Computer senza pagare crediti?

Solo se hanno ancora crediti bonus. Il controllo più sicuro non è la pagina del piano, ma la pagina Credits nel tuo account prima di iniziare un task. Se il saldo è basso, mantieni la prima run ristretta e disattiva la ricarica automatica finché non sai quanto costa un task normale per il tuo caso d’uso.

Quanto costa in crediti un tipico task di ricerca?

Non c’è un numero che consiglierei come tipico. Un approccio migliore è eseguire prima una versione piccola: meno target, nessun memo finale e uno stop rigido dopo la tabella di confronto. Ti dà un intervallo di crediti prima di impegnarti nel workflow completo.

Qual è la differenza tra Perplexity Computer e Personal Computer?

Computer è quello da usare quando il lavoro può avvenire nella sandbox cloud di Perplexity. Personal Computer è importante quando il task dipende da file, app o sessioni del browser sul tuo Mac. Se sei su Windows o Linux, considera Personal Computer come non disponibile per ora.

Cosa succede se Computer finisce i crediti a task in corso?

Il task va in pausa, che è meglio di perdere il lavoro, ma può comunque spezzare il flusso. Prima di aggiungere altri crediti, leggi gli ultimi aggiornamenti dell’agente e decidi se il task è ancora in carreggiata. Se ha iniziato a loopare, aggiungere crediti consente solo al loop di continuare.

Posso fidarmi dell’output di ricerca di Computer senza verificarlo?

No. Parti dalle celle più soggette a invecchiare: prezzi, limiti dei piani, date di lancio e affermazioni su “aggiornamenti recenti”. Le controllerei prima dello stile, perché un memo pulito basato su un prezzo obsoleto è comunque sbagliato.

Argomenti

Impara con DataCamp

Programma

Nozioni di base sull'intelligenza artificiale

10 h
Scopri le basi dell'intelligenza artificiale, impara a usarla al meglio per il lavoro e immergiti in modelli come ChatGPT per orientarti nel mondo dinamico dell'IA.
Vedi dettagliCodestin Search App
Inizia il corso
Mostra altroCodestin Search App
Correlato

blog

I 15 migliori server MCP remoti che ogni AI builder dovrebbe conoscere nel 2026

Scopri i 15 migliori server MCP remoti che stanno trasformando lo sviluppo AI nel 2026. Scopri come migliorano automazione, ragionamento, sicurezza e velocità dei workflow.
Abid Ali Awan's photo

Abid Ali Awan

15 min

blog

Tokenizzazione nel NLP: come funziona, sfide e casi d'uso

Guida al preprocessing NLP nel machine learning. Copriamo spaCy, i transformer di Hugging Face e come funziona la tokenizzazione in casi d'uso reali.
Abid Ali Awan's photo

Abid Ali Awan

10 min

blog

Che cos'è Snowflake? Guida per principianti alla piattaforma dati cloud

Esplora le basi di Snowflake, la piattaforma dati cloud. Scopri la sua architettura, le sue funzionalità e come integrarla nelle tue pipeline di dati.
Tim Lu's photo

Tim Lu

12 min

Mostra altroMostra altro