Perplexity Sonar ने नए सर्च एरीना मूल्यांकन में दबदबा बनाया

संक्षेप में

• Co #1 रैंक: Sonar-Reasoning-Pro-High ने 1136 (±21/−19) का एरीना स्कोर हासिल किया, जो सांख्यिकीय रूप से Google के Gemini-2.5-Pro-Grounding (1142 +14/-17) के साथ पहले स्थान पर है। सीधी टक्कर में, Sonar-Reasoning-Pro-High ने 53% बार Gemini-2.5-Pro-Grounding को हराया।
• Sonar का प्रभुत्व: Perplexity मॉडलों ने Google और OpenAI के अन्य मूल्यांकित मॉडलों से काफी बेहतर प्रदर्शन करते हुए 1 से 4 तक के रैंक हासिल किए।
• रीजनिंग एडवांटेज: रीजनिंग क्षमताओं (sonar-reasoning-pro और sonar-reasoning) को शामिल करने वाले मॉडल उच्च रैंक पर रहे, जो रीजनिंग मॉडलों के लिए देखी गई सामान्य उपयोगकर्ता वरीयता (लीडरबोर्ड पर शीर्ष 3) के अनुरूप है।
• सर्च की गहराई: Sonar मॉडल गहरी सर्च करते हैं और अधिक स्रोतों पर विचार करते हैं, औसतन तुलनीय Gemini मॉडलों की तुलना में 2-3 गुना अधिक स्रोतों का हवाला देते हैं।

______

LM एरीना ने अभी अपना नया सर्च एरीना लीडरबोर्ड जारी किया है, जो मानवीय पसंद के आधार पर सर्च-ऑगमेंटेड LLM सिस्टम की तुलना करता है। Perplexity का Sonar-Reasoning-Pro मॉडल Gemini-2.5-Pro-Grounding के साथ पहले स्थान पर है, जबकि बाकी Sonar मॉडल ने Gemini-2.0-Flash-Grounding और OpenAI के सभी वेब सर्च मॉडलों से बेहतर प्रदर्शन किया है।

बड़ा करें

सर्च एरीना बेंचमार्किंग

SimpleQA के संकीर्ण तथ्यात्मक सटीकता पर ध्यान केंद्रित करने के विपरीत, LM एरीना यह मूल्यांकन करता है कि मॉडल कोडिंग, लेखन, अनुसंधान और सिफारिशों में वास्तविक उपयोगकर्ता प्रश्नों पर कैसा प्रदर्शन करते हैं। सर्च एरीना के साथ, मूल्यांकन वर्तमान घटनाओं पर केंद्रित है और इसमें लंबे, अधिक जटिल प्रॉम्प्ट शामिल हैं, जो 11 मॉडलों में 10,000 से अधिक मानवीय वरीयता वोट एकत्र करते हैं। 18 मार्च से 13 अप्रैल, 2025 के बीच, सर्च एरीना ने उपयोगकर्ताओं से प्रॉम्प्ट देने और यह चुनने के लिए कहा कि किस मॉडल की प्रतिक्रिया ने उनकी सूचना आवश्यकताओं को बेहतर ढंग से पूरा किया।

Sonar मॉडल प्रदर्शन परिणाम

Perplexity के Sonar मॉडलों ने Gemini 2.0 Flash और GPT 4o सर्च सहित कई शीर्ष अत्याधुनिक मॉडलों से बेहतर प्रदर्शन किया। हमारे Sonar-Reasoning-Pro मॉडल ने 1136 का स्कोर हासिल किया, जो सांख्यिकीय रूप से शीर्ष स्थान पर Gemini-2.5-Pro-Grounding (1142) के बराबर है।

बड़ा करें

सर्च एरीना के मूल्यांकन ने तीन कारकों का खुलासा किया जो मानवीय पसंद के साथ दृढ़ता से संबंधित हैं:

• लंबी प्रतिक्रियाएं (गुणांक 0.255, p<0.05)
• उच्च उद्धरण गणना (गुणांक 0.234, p<0.05)
• सामुदायिक वेब स्रोतों से उद्धरण

लीडरबोर्ड ने रीजनिंग-एन्हांस्ड मॉडलों के लिए स्पष्ट उपयोगकर्ता प्राथमिकता दिखाई, जिसमें Sonar-Reasoning-Pro और Sonar-Reasoning ने शीर्ष तीन में से दो स्थान हासिल किए। नियंत्रण प्रयोगों ने इन निष्कर्षों को पुष्ट किया, यह दिखाते हुए कि उद्धरणों (citations) को नियंत्रित करने से मॉडल रैंकिंग अभिसरण हो गई, जो बताता है कि सर्च गहराई एक महत्वपूर्ण प्रदर्शन विभेदक है।

बड़ा करें

उपयोगकर्ताओं के लिए इसका क्या अर्थ है

Perplexity उपयोगकर्ताओं के लिए, ये परिणाम पुष्टि करते हैं कि Sonar मॉडल विषयों की एक विस्तृत श्रृंखला में श्रेणी में सर्वश्रेष्ठ सटीकता, व्यापक स्रोत एट्रिब्यूशन और उच्च गुणवत्ता वाली प्रतिक्रियाएं प्रदान करते हैं।

Perplexity Pro उपयोगकर्ता सेटिंग्स में Sonar को अपना डिफ़ॉल्ट मॉडल सेट करके इन शीर्ष प्रदर्शन करने वाले मॉडलों का लाभ उठाना जारी रख सकते हैं। API उपयोगकर्ता प्रदर्शन और लागत दक्षता को संतुलित करने के लिए लचीले सर्च मोड के साथ हमारे Sonar API ऑफ़रिंग के माध्यम से इन क्षमताओं तक पहुँच सकते हैं

हालाँकि हमें इस उपलब्धि पर गर्व है, हम निरंतर सुधार पर ध्यान केंद्रित कर रहे हैं। सर्च एरीना मूल्यांकन उपयोगकर्ता प्राथमिकताओं में मूल्यवान अंतर्दृष्टि प्रदान करता है जो हमारे चल रहे विकास प्रयासों को सूचित करेगा।

बड़ा करें

Sonar का परिचय

24 अप्रैल को सुबह 11 बजे PT पर हमारे API के अवलोकन के लिए Perplexity के सह-संस्थापक और CTO, डेनिस याराटस के साथ जुड़ें। डेनिस Perplexity के API का अवलोकन प्रदान करेंगे, बेंचमार्क परिणाम साझा करेंगे और API उपयोग के मामलों पर चर्चा करेंगे।

यहाँ पंजीकरण करें।

Sonar के साथ शुरुआत करें।