Perplexity Sonar dominuje novému hodnocení v Search Aréně

Modely Perplexity Sonar obsadily přední příčky v hodnocení vyhledávání

Stručně

  • 1. místo: Sonar-Reasoning-Pro-High dosáhl skóre v Aréně 1136 (±21/−19), čímž se statisticky dělí o první místo s modelem Gemini-2.5-Pro-Grounding od Googlu (1142 +14/-17). V přímých soubojích jeden na jednoho porazil Sonar-Reasoning-Pro-High model Gemini-2.5-Pro-Grounding v 53 % případů.
  • Dominance Sonaru: Modely Perplexity obsadily 1. až 4. místo a výrazně překonaly ostatní hodnocené modely od Googlu a OpenAI.
  • Výhoda uvažování: Modely zahrnující schopnosti uvažování (sonar-reasoning-pro a sonar-reasoning) se umístily výše, což odpovídá obecné preferenci uživatelů pozorované u modelů s uvažováním (první 3 v žebříčku).
  • Hloubka vyhledávání: Modely Sonar provádějí hlubší vyhledávání a berou v úvahu více zdrojů, přičemž v průměru uvádějí 2–3krát více zdrojů než srovnatelné modely Gemini.

______

LM Arena právě vydala svůj nový žebříček Search Arena, který porovnává LLM systémy s rozšířeným vyhledáváním na základě preferencí uživatelů. Model Sonar-Reasoning-Pro od Perplexity se umístil na děleném prvním místě s modelem Gemini-2.5-Pro-Grounding a zbývající modely Sonar překonaly model Gemini-2.0-Flash-Grounding i všechny modely OpenAI pro webové vyhledávání.

Srovnávání v Search Aréně

Na rozdíl od SimpleQA, která se zaměřuje na úzkou faktickou přesnost, LM Arena hodnotí, jak si modely vedou u skutečných uživatelských dotazů v oblasti programování, psaní, výzkumu a doporučení. Search Arena se zaměřuje na aktuální události a obsahuje delší a komplexnější výzvy, přičemž shromažďuje přes 10 000 uživatelských preferencí napříč 11 modely. V období od 18. března do 13. dubna 2025 vyzývala Search Arena uživatele k zadávání dotazů a výběru odpovědi modelu, která lépe uspokojila jejich informační potřeby.

Výsledky výkonu modelů Sonar

Modely Sonar od Perplexity předčily mnoho předních špičkových modelů včetně Gemini 2.0 Flash a GPT 4o Search. Náš model Sonar-Reasoning-Pro dosáhl skóre 1136 a statisticky se dělí o první pozici s modelem Gemini-2.5-Pro-Grounding (1142).

V přímých soubojích jeden na jednoho porazil Sonar-Reasoning-Pro-High model Gemini-2.5-Pro-Grounding v 53 % případů.

Hodnocení v Search Aréně odhalilo tři faktory, které silně korelují s preferencemi uživatelů:

  • Delší odpovědi (koef. 0,255, p<0,05)
  • Vyšší počet citací (koef. 0,234, p<0,05)
  • Citace z komunitních webových zdrojů

Žebříček ukázal jasnou preferenci uživatelů pro modely se zvýšenými schopnostmi uvažování, přičemž Sonar-Reasoning-Pro a Sonar-Reasoning obsadily dvě z prvních tří pozic. Kontrolní experimenty tato zjištění podpořily a ukázaly, že kontrola citací vedla ke konvergenci hodnocení modelů, což naznačuje, že hloubka vyhledávání je významným diferenciacím výkonu.

Modely Sonar od Perplexity měly podstatně větší hloubku vyhledávání, přičemž ppl-sonar-pro-high uváděl 2–3krát více zdrojů než ekvivalentní modely Gemini.

Co to znamená pro uživatele

Pro uživatele Perplexity tyto výsledky potvrzují, že modely Sonar poskytují špičkovou přesnost, komplexní uvádění zdrojů a vysoce kvalitní odpovědi v široké škále témat.

Uživatelé verze Perplexity Pro mohou i nadále těžit z těchto špičkových modelů nastavením modelu Sonar jako výchozího v nastavení. Uživatelé rozhraní API mohou tyto funkce využívat prostřednictvím našich nabídek rozhraní Sonar API s flexibilními režimy vyhledávání, které vyvažují výkon a cenovou efektivitu.

Přestože jsme na tento úspěch hrdí, zůstáváme zaměřeni na neustálé zlepšování. Hodnocení v Search Aréně poskytuje cenné poznatky o uživatelských preferencích, které ovlivní naše probíhající vývojové snahy.

Úvod do modelu Sonar

Připojte se k spoluzakladateli a technickému řediteli společnosti Perplexity Denisovi Yaratsovi na přehled našeho rozhraní API 24. dubna v 11:00 tichomořského času (PT). Denis poskytne přehled rozhraní API od Perplexity, seznámí vás s výsledky srovnávacích testů a případy použití rozhraní API.

Zaregistrujte se zde.

Začněte používat Sonar.