Perplexity Sonar domina la nueva evaluación de Search Arena

Los modelos Sonar de Perplexity ocupan los primeros puestos en evaluación de búsqueda

TL;DR

  • Empate en el 1.er puesto: Sonar-Reasoning-Pro-High obtuvo una puntuación en Arena de 1136 (±21/−19), lo que representa un empate estadístico con el primer lugar de Gemini-2.5-Pro-Grounding de Google (1142 +14/-17). En batallas directas cara a cara, Sonar-Reasoning-Pro-High superó a Gemini-2.5-Pro-Grounding el 53 % de las veces.
  • Dominio de Sonar: los modelos de Perplexity aseguraron los puestos del 1 al 4, superando significativamente a otros modelos evaluados de Google y OpenAI.
  • Ventaja de razonamiento: los modelos que incorporan capacidades de razonamiento (sonar-reasoning-pro y sonar-reasoning) obtuvieron una mejor clasificación, lo que coincide con la preferencia general de los usuarios observada en los modelos de razonamiento (los 3 primeros puestos de la tabla de clasificación).
  • Profundidad de búsqueda: los modelos Sonar realizan una búsqueda más profunda y consideran más fuentes; en promedio, citan entre 2 y 3 veces más fuentes que los modelos Gemini comparables.

______

LM Arena acaba de lanzar su nueva tabla de clasificación de Search Arena, que compara sistemas de LLM aumentados por búsqueda en función de las preferencias humanas. El modelo Sonar-Reasoning-Pro de Perplexity empató en el primer puesto con Gemini-2.5-Pro-Grounding, mientras que el resto de los modelos Sonar superaron a Gemini-2.0-Flash-Grounding y a todos los modelos de búsqueda web de OpenAI.

Evaluación comparativa de Search Arena

A diferencia de SimpleQA, que se centra en la precisión de datos específicos, LM Arena evalúa el rendimiento de los modelos en consultas de usuarios reales sobre programación, redacción, investigación y recomendaciones. En Search Arena, la evaluación se centra en eventos actuales e incluye indicaciones más largas y complejas, recopilando más de 10 000 votos de preferencia humana en 11 modelos. Entre el 18 de marzo y el 13 de abril de 2025, Search Arena pidió a los usuarios que introdujeran consultas y seleccionaran qué respuesta del modelo satisfacía mejor sus necesidades de información.

Resultados de rendimiento de los modelos Sonar

Los modelos Sonar de Perplexity superaron a muchos de los principales modelos de vanguardia, incluidos Gemini 2.0 Flash y GPT 4o Search. Nuestro modelo Sonar-Reasoning-Pro obtuvo una puntuación de 1136, empatando estadísticamente con Gemini-2.5-Pro-Grounding (1142) en la posición más alta.

En batallas directas cara a cara, Sonar-Reasoning-Pro-High superó a Gemini-2.5-Pro-Grounding el 53 % de las veces.

La evaluación de Search Arena reveló tres factores fuertemente correlacionados con la preferencia humana:

  • Respuestas más largas (coef. 0.255, p<0.05)
  • Mayor recuento de citas (coef. 0.234, p<0.05)
  • Citas de fuentes web de la comunidad

La tabla de clasificación mostró una clara preferencia de los usuarios por los modelos con razonamiento mejorado, y Sonar-Reasoning-Pro y Sonar-Reasoning ocuparon dos de los tres primeros puestos. Los experimentos de control reforzaron estos hallazgos, al mostrar que controlar las citas hacía que las clasificaciones de los modelos convergieran, lo que sugiere que la profundidad de búsqueda es un diferenciador significativo del rendimiento.

Los modelos Sonar de Perplexity tuvieron una profundidad de búsqueda sustancialmente mayor; ppl-sonar-pro-high citó entre 2 y 3 veces más fuentes que los modelos Gemini equivalentes.

Lo que esto significa para los usuarios

Para los usuarios de Perplexity, estos resultados confirman que los modelos Sonar ofrecen una precisión líder en su clase, atribución de fuentes completa y respuestas de alta calidad en una amplia gama de temas.

Los usuarios de Perplexity Pro pueden seguir beneficiándose de estos modelos de alto rendimiento configurando Sonar como su modelo predeterminado en la sección de configuración. Los usuarios de la API pueden acceder a estas capacidades a través de nuestra oferta de API de Sonar con modos de búsqueda flexibles para equilibrar el rendimiento y la rentabilidad.

Aunque estamos orgullosos de este logro, seguimos centrados en la mejora continua. La evaluación de Search Arena proporciona información valiosa sobre las preferencias de los usuarios que guiará nuestros esfuerzos de desarrollo en curso.

Introducción a Sonar

Únete a Denis Yarats, cofundador y director de tecnología (CTO) de Perplexity, para una descripción general de nuestra API el 24 de abril a las 11:00 a. m., hora del Pacífico. Denis ofrecerá una visión general de las API de Perplexity, compartirá los resultados de las pruebas de rendimiento y expondrá casos de uso de la API.

Regístrate aquí.

Comienza con Sonar.