Perplexity AI 於 7 月 15 日推出 WANDR（Wide ANd Deep Research），這是一個開源基準，用來衡量 AI 系統在執行大規模研究任務時的有效性。此類任務需要廣泛的資訊發現，並對詳細證據進行驗證。該基準包含 500 個以專業知識工作為模型的逼真資料蒐集任務，涵蓋市場分析、盡職調查、文獻回顧與競爭情報，並由超過 170,000 筆「來源已驗證」的紀錄支援。
不同於評估單一答案的傳統基準，WANDR 衡量的是 AI 系統辨識大量相關實體的能力，並能以支援證據逐一驗證每個結果。在對 6 個量產 AI 系統進行評估時，Perplexity 的 Search as Code 平台以軟性 F1 分數 0.363 與硬性 F1 分數 0.133 表現最佳，其次為 Anthropic，分別為 0.249 與 0.072；這顯示以大規模且具證據佐證的研究，仍遠未完全實現自動化。
