Perplexity Sonar নতুন সার্চ অ্যারেনা মূল্যায়নে আধিপত্য বিস্তার করেছে

সংক্ষেপে

• কোং #১ র‍্যাংক: Sonar-Reasoning-Pro-High ১১৩৬ (±২১/−১৯) এর একটি অ্যারেনা স্কোর অর্জন করেছে, যা Google-এর Gemini-2.5-Pro-Grounding (১১৪২ +১৪/-১৭) এর সাথে প্রথম স্থানের জন্য পরিসংখ্যানগতভাবে সমানে সমান। সরাসরি হেড-টু-হেড লড়াইয়ে, Sonar-Reasoning-Pro-High ৫৩% সময় Gemini-2.5-Pro-Grounding-কে পরাজিত করেছে।
• Sonar-এর আধিপত্য: Perplexity মডেলগুলি ১ থেকে ৪ র‍্যাঙ্ক সুরক্ষিত করেছে, Google এবং OpenAI-এর অন্যান্য মূল্যায়ন করা মডেলগুলিকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে।
• যুক্তির সুবিধা: যুক্তির ক্ষমতা অন্তর্ভুক্ত করে এমন মডেলগুলি (sonar-reasoning-pro এবং sonar-reasoning) উচ্চতর র‍্যাঙ্ক অর্জন করেছে, যা যুক্তি মডেলগুলির জন্য লক্ষ্য করা সাধারণ ব্যবহারকারীর পছন্দের সাথে সামঞ্জস্যপূর্ণ (লিডারবোর্ডের শীর্ষ ৩)।
• অনুসন্ধানের গভীরতা: Sonar মডেলগুলি গভীর অনুসন্ধান সম্পাদন করে এবং আরও বেশি উৎস বিবেচনা করে, তুলনামূলক Gemini মডেলগুলির তুলনায় গড়ে ২-৩ গুণ বেশি উৎস উদ্ধৃত করে।

______

LM Arena সবেমাত্র মানব পছন্দের ভিত্তিতে অনুসন্ধান-সংযুক্ত LLM সিস্টেমগুলির তুলনা করে তাদের নতুন সার্চ অ্যারেনা লিডারবোর্ড প্রকাশ করেছে। Perplexity-এর Sonar-Reasoning-Pro মডেলটি Gemini-2.5-Pro-Grounding-এর সাথে প্রথম স্থান অধিকার করেছে এবং অন্যান্য Sonar মডেলগুলি Gemini-2.0-Flash-Grounding এবং OpenAI-এর সমস্ত ওয়েব সার্চ মডেলকে ছাড়িয়ে গেছে।

বড় করুন

সার্চ অ্যারেনা বেন্চমার্কিং

SimpleQA-এর সংকীর্ণ বাস্তবসম্মত নির্ভুলতার উপর ফোকাস করার বিপরীতে, LM Arena মূল্যায়ন করে যে কোডিং, লেখালেখি, গবেষণা এবং সুপারিশ জুড়ে বাস্তব ব্যবহারকারীর প্রশ্নের ক্ষেত্রে মডেলগুলি কীভাবে পারফর্ম করে। সার্চ অ্যারেনার মাধ্যমে, মূল্যায়ন বর্তমান ইভেন্টগুলির উপর ফোকাস করে এবং দীর্ঘতর, আরও জটিল প্রম্পটগুলি অন্তর্ভুক্ত করে, ১১টি মডেল জুড়ে ১০,০০০-এর বেশি মানুষের পছন্দের ভোট সংগ্রহ করে। ১৮ মার্চ থেকে ১৩ এপ্রিল, ২০২৫-এর মধ্যে, সার্চ অ্যারেনা ব্যবহারকারীদের প্রম্পট করতে এবং কোন মডেলের প্রতিক্রিয়া তাদের তথ্যের চাহিদা আরও ভালভাবে পূরণ করেছে তা বেছে নিতে বলেছিল।

Sonar মডেলের পারফরম্যান্সের ফলাফল

Perplexity-এর Sonar মডেলগুলি Gemini 2.0 Flash এবং GPT 4o Search সহ অনেক শীর্ষস্থানীয় সর্বাধুনিক মডেলকে ছাড়িয়ে গেছে। আমাদের Sonar-Reasoning-Pro মডেল ১১৩৬ স্কোর অর্জন করেছে, যা শীর্ষ অবস্থানে Gemini-2.5-Pro-Grounding (১১৪২) এর সাথে পরিসংখ্যানগতভাবে সমান।

বড় করুন

সার্চ অ্যারেনার মূল্যায়নে মানুষের পছন্দের সাথে ঘনিষ্ঠভাবে সম্পর্কিত তিনটি কারণ প্রকাশ পেয়েছে:

• দীর্ঘ প্রতিক্রিয়া (সহগ ০.২৫৫, p<০.০৫)
• উচ্চতর উদ্ধৃতি গণনা (সহগ ০.২৩৪, p<০.০৫)
• কমিউনিটি ওয়েব উৎস থেকে উদ্ধৃতি

লিডারবোর্ডটি যুক্তি-বর্ধিত মডেলগুলির জন্য স্পষ্ট ব্যবহারকারীর পছন্দ দেখিয়েছে, যেখানে Sonar-Reasoning-Pro এবং Sonar-Reasoning শীর্ষ তিনটি অবস্থানের মধ্যে দুটি দখল করেছে। নিয়ন্ত্রণ পরীক্ষাগুলি এই ফলাফলগুলিকে শক্তিশালী করেছে, দেখায় যে উদ্ধৃতি নিয়ন্ত্রণের ফলে মডেল র‍্যাঙ্কিং একত্রিত হয়, যা ইঙ্গিত করে যে অনুসন্ধানের গভীরতা একটি উল্লেখযোগ্য পারফরম্যান্স ডিফারেন্সিয়েটর।

বড় করুন

ব্যবহারকারীদের জন্য এর অর্থ কী

Perplexity ব্যবহারকারীদের জন্য, এই ফলাফলগুলি নিশ্চিত করে যে Sonar মডেলগুলি বিস্তৃত বিষয় জুড়ে সেরা-শ্রেণীর নির্ভুলতা, ব্যাপক উত্স অ্যাট্রিবিউশন এবং উচ্চ-মানের প্রতিক্রিয়া প্রদান করে।

Perplexity Pro ব্যবহারকারীরা সেটিংস-এ Sonar-কে তাদের ডিফল্ট মডেল হিসাবে সেট করে এই শীর্ষ-পারর্ফমিং মডেলগুলি থেকে উপকৃত হতে পারেন। API ব্যবহারকারীরা পারফরম্যান্স এবং খরচ দক্ষতার মধ্যে ভারসাম্য বজায় রাখতে নমনীয় অনুসন্ধান মোড সহ আমাদের Sonar API অফারগুলির মাধ্যমে এই ক্ষমতাগুলি অ্যাক্সেস করতে পারেন

যদিও আমরা এই অর্জনে গর্বিত, আমরা ক্রমাগত উন্নতির দিকে মনোনিবেশ করছি। সার্চ অ্যারেনা মূল্যায়ন ব্যবহারকারীর পছন্দ সম্পর্কে মূল্যবান অন্তর্দৃষ্টি প্রদান করে যা আমাদের চলমান উন্নয়ন প্রচেষ্টাকে অবহিত করবে।

বড় করুন

Sonar-এর পরিচিতি

২৪ এপ্রিল সকাল ১১টায় PT-এ আমাদের API-এর একটি সংক্ষিপ্ত বিবরণ পেতে Perplexity-এর সহ-প্রতিষ্ঠাতা ও CTO, Denis Yarats-এর সাথে যোগ দিন। Denis Perplexity-এর API-গুলির একটি ওভারভিউ প্রদান করবেন, বেঞ্চমার্ক ফলাফল এবং API ব্যবহারের কেসগুলি ভাগ করবেন।

এখানে নিবন্ধন করুন।

Sonar দিয়ে শুরু করুন।