Perplexity Pro服务缩水？老用户吐槽模型降级与审查收紧

一位老用户的失望：从惊艳到失望的Perplexity

近日，一位几乎从Perplexity创立初期就开始使用、并持有Pro订阅近一年的老用户在Reddit上发表了长篇吐槽。这条帖子引发了不少共鸣，核心指向一个越来越普遍的现象：AI搜索产品在规模化扩张的过程中，服务质量出现了肉眼可见的滑坡。

Perplexity AI成立于2022年，由前OpenAI研究员Aravind Srinivas联合创立，定位为「AI原生的答案引擎」，试图挑战Google在搜索市场的统治地位。截至2024年底，其估值已超过90亿美元，月活用户突破1500万，Pro订阅定价为每月20美元，提供更高级模型的访问权限和更多的Deep Research次数。然而，在融资高估值与竞争白热化的双重压力下——Google通过AI Overviews、OpenAI通过ChatGPT搜索功能大举入侵AI搜索领域，加之多家主流媒体对其内容抓取行为提起版权诉讼——Perplexity正面临着同时扩大用户规模和控制推理成本的两难抉择。

这位用户直言不讳地表示，公司刚起步时体验极佳——回答质量高、可用模型范围广。但随着时间推移，「即便是Pro订阅，也会被快速降级到更差的模型」。他还特别提到，Deep Research（深度研究）模式的能力「在过去6到7个月里似乎被削弱了约10倍」。Deep Research是Perplexity的核心高级功能之一，旨在模拟人类研究员的工作流程：与普通搜索不同，它会执行多轮网页检索、交叉验证信息源、综合分析并生成结构化报告，需要模型进行多步推理并调用大量计算资源。正因其计算密集的特性，Deep Research也是最容易受到成本压力影响的功能——服务商有动机缩减搜索轮次、降低底层模型等级或限制单次研究的深度，这与用户感知到的「能力被大幅削弱」高度吻合。

系统提示词失效：个性化设置形同虚设

用户最不满的一点，并非模型降级本身，而是对系统提示词（System Prompt / 个性化设置）的漠视。

在大语言模型的交互架构中，系统提示词是一个核心概念。主流API的消息格式通常由三类角色组成：system（系统）、user（用户）和assistant（助手）。系统提示词作为对话的「元指令」，在用户输入之前被注入，用于定义模型的行为边界、语气风格和回答逻辑。Perplexity将这一能力以「个性化设置」的形式开放给终端用户，本质上是让用户参与系统提示词的编写。然而，平台自身也会注入安全相关的系统级指令，当两者发生冲突时，平台的指令通常拥有更高优先级——这就是用户感受到「设置失效」的技术根源。

这位用户从一开始就设置了一套自定义提示词，希望获得简洁、有趣、直击要点的回答。然而随着产品迭代：

• 大约6-7个月前，官方移除了允许模型使用略带随意语气、加入玩笑以增强趣味性的能力；
• 而在最近的一次「护栏（Guardrails）」更新后，系统提示词几乎完全不再被遵守。

这里的「护栏」是AI安全领域的核心概念，指一系列用于约束模型输出的技术与策略机制，包括输入过滤（拦截有害提示词）、输出审查（检测并屏蔽不当内容）、RLHF对齐训练（通过人类反馈强化学习使模型拒绝危险请求），以及运行时的规则引擎。随着AI产品走向大众市场，护栏的收紧几乎是行业必然——2023年以来，多家AI公司因模型输出不当内容而面临公关危机和法律诉讼，Meta、Google、OpenAI等公司都在持续加强护栏力度。但过度收紧的护栏会导致「过度拒绝」现象：模型对完全无害的请求也给出回避性或模板化的回答。

结果就是，他设置的「简洁、有趣、直奔主题」被系统性地覆盖，取而代之的是「冗长、公式化、充满说教味的企业式回答」。对于依赖个性化配置来提升效率的深度用户而言，这种变化几乎抹杀了付费的核心价值。

现象背后：AI产品主流化的代价

这位用户的抱怨，实际上揭示了当前AI应用领域一个值得警惕的趋势。

安全护栏与用户自由度的冲突

随着用户基数扩大、公司走向主流，服务商往往会收紧内容护栏，以规避法律与舆论风险。这在客观上导致了两个后果：一是回答趋于保守、模板化；二是用户自定义指令的优先级被降低，甚至被强制覆盖。

对普通用户来说，这或许影响不大；但对付费的高级用户而言，「个性化设置无法生效」意味着他们为之付费的差异化体验被抹平。这本质上是平台风控逻辑与个体用户需求之间的结构性矛盾。

模型降级与成本控制

用户提到「被快速降级到更差的模型」，这也指向了AI服务商普遍面临的成本压力。模型路由（Model Routing）是AI服务商在生产环境中广泛使用的成本优化策略——其核心思想是并非所有用户请求都需要最强大的模型来处理。通过一个轻量级的分类器或规则引擎，系统会根据查询的复杂度、用户的订阅等级、当前服务器负载等因素，将请求动态分配到不同能力（和成本）的模型上。例如，一个简单的天气查询可能被路由到GPT-3.5级别的模型，而复杂的研究问题则分配给GPT-4级别。以GPT-4级别模型为例，单次复杂推理的成本可能是轻量模型的10-50倍，当用户量从数万激增到数百万时，全面使用顶级模型在经济上几乎不可持续。

这种「暗降级」如果缺乏透明度，很容易让付费用户产生被欺骗的感受。大多数服务商不会明确告知用户当前请求由哪个模型处理，用户只能通过回答质量的变化来间接感知，这进一步加剧了信任危机。

对新功能的抵触

帖子结尾，用户以近乎愤怒的口吻拒绝了官方力推的「Computer模式」，并明确表示不愿为200美元/月的订阅买单。这反映出另一个产品运营层面的问题：当核心体验退步时，强行推广新功能反而会激化用户的负面情绪。用户想要的是原有承诺的兑现，而非被引导去为新的付费项目付费。

对AI产品的启示

这条单一来源的用户反馈虽属个人观点，无法代表全体用户，但它提出的几个问题具有普遍参考意义：

1. 透明度：模型路由和降级策略是否应向付费用户公开？
2. 可控性：安全护栏是否应保留一定的用户自主调节空间，而非一刀切覆盖？
3. 付费价值一致性：随着产品迭代，是否维持了订阅初期承诺的服务水平？

对于Perplexity这类快速成长的AI搜索产品而言，如何在合规风控、成本控制与用户体验之间找到平衡，将是决定其能否留住核心付费群体的关键。规模化不应以牺牲忠实用户的体验为代价——这条帖子背后的不满，或许正是许多沉默用户的共同心声。

需要说明的是，本文基于Reddit单一用户的主观体验，相关「服务降级」的说法未经官方证实，也可能因使用场景、地区、时间段不同而有所差异。