Perplexity 使用搭配 Qwen3.5 模型的 SFT，並在其後使用帶有 RL 的強化學習；透過多跳 QA 資料集與規則量表檢查來提升搜尋的準確性與效率，實現業界一流的 FRAMES 表現。 摘要：Perplexity 的線上搜尋代理後訓練流程，結合監督式微調 (SFT)，以透過線上強化學習 (RL)（使用 GRPO 演算法）來強制遵循指令與語言一致性。RL 階段使用專有的多跳可驗證問答資料集，以及基於規則量表的對話資料，以防止 SFT 漂移，並採用獎勵閘控與同組內效率懲罰。評估顯示 Qwen3.5-397B-SFT-RL 在 FRAMES 上取得頂尖表現：單次工具呼叫準確率為 57.3%，四次呼叫為 73.9%，每次查詢成本為 $0.02；在這些指標上超越 GPT-5.4 與 Claude Sonnet 4.6。定價採用 API 計費，且不包含快取。

去中心化 AI 協議 Prime Intellect 推出具有 106B 參數的混合專家模型 INTELLECT-3，該模型基於 GLM 4.5 Air Base 模型，並採用 SFT 和 RL 進行訓練。Prime Intellect 在今年 3 月完成 1500 萬美元融資。