Perplexity Agent API agrega cadenas de respaldo mientras desaproba las rutas Gemini más antiguas
Las últimas actualizaciones para desarrolladores de Perplexity no son solo adiciones de funciones. Son un recordatorio de que los creadores de agentes ahora tienen que gestionar dos problemas a la vez: la confiabilidad de la orquestación y la rotación constante de proveedores.
/v1/modelspunto final y enrutamiento compatible con OpenAI, mientras que se desaprueban las rutas Gemini más antiguas.Lo que cambió Perplexity
En sus actualizaciones de documentos de marzo y abril de 2026, Perplexity posicionó el Agent API como un tiempo de ejecución administrado para flujos de trabajo agentes, no simplemente como otro contenedor de llamadas de modelos. La compañía dice que el tiempo de ejecución puede orquestar la recuperación, la ejecución de herramientas, el razonamiento y el respaldo de múltiples modelos a través de un punto final. También agregó más opciones de modelos de terceros, incluidos GPT-5.4, Claude Sonnet 4.6, NVIDIA Nemotron y Gemini 3.1 Pro Preview.
Al mismo tiempo, el registro de cambios dice que las rutas Gemini más antiguas quedaron obsoletas y se eliminaron en rápida sucesión.google/gemini-2.5-flashfue eliminado el 20 de marzo de 2026.google/gemini-2.5-proygoogle/gemini-3-pro-previewseguido el 1 de abril. Perplexity también agregó un nuevo no autenticadoGET /v1/modelspunto final para que los constructores puedan inspeccionar la disponibilidad actual antes de codificar suposiciones.
Por qué esto es importante para los creadores de agentes
Hay dos formas de leer este comunicado. La lectura optimista es la conveniencia: una clave API, un tiempo de ejecución de agente, una capa de compatibilidad y un intercambio más sencillo entre proveedores fronterizos. La lectura más operativa es que el enrutamiento ahora es parte de su superficie de confiabilidad. Si su agente depende de una forma de razonamiento específica, un comportamiento de búsqueda o una peculiaridad de salida estructurada, una cadena alternativa no es una abstracción gratuita.
Esto es especialmente cierto para los agentes de investigación y codificadores de larga trayectoria. Una abstracción limpia aún puede generar gastos desordenados cuando un modelo alternativo realiza llamadas a herramientas adicionales, expande el contexto de manera más agresiva o se comporta de manera diferente bajo el mismo contrato rápido. La rotación de modelos se convierte rápidamente en rotación de tokens.
El ángulo TRH: la confiabilidad puede ocultar el desperdicio
Los constructores suelen tratar el respaldo del modelo como puramente positivo porque mejora el tiempo de actividad. Mejora el tiempo de actividad. Pero también puede enmascarar un perfil de costos degradado. Si una ruta falla y otra ruta completa el trabajo con un razonamiento más largo, más búsquedas o una precisión de primer paso más débil, la tarea aún "funciona" mientras la eficiencia del token cae silenciosamente.
Por eso es importante la actualización de Perplexity. Hace que el API sea más útil, pero también hace que la observabilidad sea más importante. Los equipos deben registrar qué modelo respondió realmente, cuántos pasos se utilizaron, cuánto contexto se consumió y si el respaldo cambió materialmente el resultado o el gasto.
¿Qué deberían hacer los constructores a continuación?
Primero, deje de asumir que la ruta de su proveedor preferido seguirá existiendo el próximo mes. Sondee el punto final de los modelos, fije los modelos de los que realmente depende y mantenga un mapa de migración probado para cada agente. En segundo lugar, compare el costo y el comportamiento entre cadenas de respaldo con el mismo conjunto de tareas en lugar de confiar en que "compatible con OpenAI" sea una garantía de producción equivalente.
Si está creando flujos de investigación estilo OpenClaw o de terminal primero, las integraciones de búsqueda actualizadas y los resultados estructurados de Perplexity son útiles. Simplemente no permita que la conveniencia oculte el hecho de que su tiempo de ejecución efectivo cambió.