Perplexity Sonar שולט בהערכת Search Arena החדשה

מודלי Perplexity Sonar תופסים את המקומות הראשונים בהערכת חיפוש

בקיצור

  • מקום 1 משותף: Sonar-Reasoning-Pro-High הגיע לציון Arena של 1136 (±21/−19), בשוויון סטטיסטי על המקום הראשון עם Gemini-2.5-Pro-Grounding של Google (1142 +14/-17). בקרבות ראש בראש ישירים, Sonar-Reasoning-Pro-High ניצח את Gemini-2.5-Pro-Grounding ב-53% מהמקרים.
  • שליטת Sonar: מודלים של Perplexity תפסו את מקומות 1 עד 4, והציגו ביצועים טובים משמעותית ממודלים מוערכים אחרים של Google ו-OpenAI.
  • יתרון הסקה (Reasoning): מודלים המשלבים יכולות הסקה (sonar-reasoning-pro ו-sonar-reasoning) דורגו גבוה יותר, בהתאמה להעדפת המשתמש הכללית שנצפתה עבור מודלי הסקה (3 הראשונים בלוח המובילים).
  • עומק החיפוש: מודלי Sonar מבצעים חיפוש עמוק יותר ושוקלים מקורות רבים יותר, ובממוצע מצטטים פי 2-3 יותר מקורות מאשר מודלי Gemini דומים.

______

LM Arena הרוזה בדיוק את לוח המובילים החדש של Search Arena המשווה בין מערכות מודלי שפה גדולים (LLM) מוגברי חיפוש בהתבסס על העדפת משתמשים. מודל Sonar-Reasoning-Pro של Perplexity הגיע לשוויון במקום הראשון עם Gemini-2.5-Pro-Grounding, כאשר שאר מודלי Sonar עקפו את Gemini-2.0-Flash-Grounding ואת כל מודלי חיפוש האינטרנט של OpenAI.

בדיקת השוואתית של Search Arena

בניגוד לדגש של SimpleQA על דיוק עובדתי צר, LM Arena מעריכה כיצד מודלים מתפקדים בשאילתות משתמש אמיתיות בתחומי כתיבה, מחקר והמלצות. ב-Search Arena, ההערכה מתמקדת באירועים נוכחיים וכוללת הנחיות ארוכות ומורכבות יותר, והיא אוספת למעלה מ-10,000 הצבעות העדפה של משתמשים על פני 11 מודלים. בין ה-18 במרץ ל-13 באפריל 2025, Search Arena ביקשה ממשתמשים להזין הנחיות ולבחור איזו תגובת מודל סיפקה טוב יותר את צורכי המידע שלהם.

תוצאות ביצועי מודל Sonar

מודלי ה-Sonar של Perplexity עקפו רבים מהמודלים המובילים המתקדמים ביותר, כולל Gemini 2.0 Flash ו-GPT 4o Search. מודל ה-Sonar-Reasoning-Pro שלנו הגיע לציון של 1136, בשוויון סטטיסטי עם Gemini-2.5-Pro-Grounding (1142) במקום הראשון.

בקרבות ראש בראש ישירים, Sonar-Reasoning-Pro-High ניצח את Gemini-2.5-Pro-Grounding ב-53% מהמקרים.

הערכת Search Arena חשפה שלושה גורמים הקשורים בקורלציה חזקה להעדפת משתמשים:

  • תגובות ארוכות יותר (מקדמים 0.255, p<0.05)
  • מספרי ציטוטים גבוהים יותר (מכפיל 0.234, p<0.05)
  • ציטוטים ממקורות אינטרנט קהילתיים

לוח המובילים הציג העדפת משתמש ברורה למודלים מוגברי הסקה (reasoning), כאשר Sonar-Reasoning-Pro ו-Sonar-Reasoning תפסו שניים מתוך שלושת המקומות הראשונים. ניסויי בקרה חיזקו ממצאים אלו והראו כי שליטה בציטוטים גרמה לדירוגי המודלים להתכנס, מה שמעיד על כך שעומק החיפוש הוא גורם מבדל משמעותי בביצועים.

מודלי ה-Sonar של Perplexity הציגו עומק חיפוש גבוה משמעותית, כאשר ppl-sonar-pro-high מצטט פי 2-3 יותר מקורות מאשר מודלי Gemini מקבילים.

מה משמעות הדבר עבור המשתמשים

עבור משתמשי Perplexity, תוצאות אלו מאשרות שמודלי Sonar מספקים את הדיוק הטוב ביותר בקטגוריה, ייחוס מקור מקיף ותגובות באיכות גבוהה במגוון רחב של נושאים.

משתמשי Perplexity Pro יכולים להמשיך ליהנות ממודלים בעלי ביצועים מובילים אלו על ידי הגדרת Sonar כמודל ברירת המחדל שלהם בהגדרות. משתמשי API יכולים לגשת ליכולות אלו דרך הצעות ה-API של Sonar שלנו עם מצבי חיפוש גמישים לאיזון בין ביצועים ליעילות עלויות.

אף על פי שאנו גאים בהישג זה, אנו נשארים ממוקדים בשיפור מתמיד. הערכת Search Arena מספקת תובנות בעלות ערך על העדפות משתמשים שיתמכו במאמצי הפיתוח המתמשכים שלנו.

היכרות עם Sonar

הצטרפו למייסד-שותף וסמנכ"ל הטכנולוגיות של Perplexity, דניס יאראץ', לסקירה כללית של ה-API שלנו ב-24 באפריל בשעה 11:00 שעון האוקיינוס השקט (PT). דניס יציג סקירה כללית של ממשקי ה-API של Perplexity, ישתף בתוצאות השוואת ביצועים ובמקרי שימוש ב-API.

הירשמו כאן.

התחילו לעבוד עם Sonar.