Perplexity Sonar dominira u novoj ocjeni Search Arene

Perplexity Sonar modeli zauzimaju vodeća mjesta u ocjenjivanju pretraživanja

TL;DR

  • Mjesto br. 1: Sonar-Reasoning-Pro-High ostvario je rezultat u Areni od 1136 (±21/−19), čime statistički dijeli prvo mjesto s Googleovim modelom Gemini-2.5-Pro-Grounding (1142 +14/-17). U izravnim dvobojima model Sonar-Reasoning-Pro-High pobijedio je Gemini-2.5-Pro-Grounding u 53% slučajeva.
  • Dominacija Sonara: Perperplexityjevi modeli osigurali su mjesta od 1 do 4, značajno nadmašujući druge ocijenjene modele iz Googlea i OpenAI-ja.
  • Prednost u zaključivanju: Modeli koji uključuju mogućnosti zaključivanja (sonar-reasoning-pro i sonar-reasoning) zauzeli su viša mjesta, što je u skladu s općom preferencijom korisnika primijećenom za modele s mogućnošću zaključivanja (prva 3 mjesta na tablici poretka).
  • Dubina pretraživanja: Sonar modeli izvode dublje pretraživanje i razmatraju više izvora, u prosjeku citirajući 2-3 puta više izvora od usporedivih Gemini modela.

______

LM Arena upravo je objavila svoju novu tablicu poretka Search Arena koja uspoređuje LLM sustave proširene pretraživanjem na temelju preferencija korisnika. Perperplexityjev Sonar-Reasoning-Pro model dijeli prvo mjesto s modelom Gemini-2.5-Pro-Grounding, dok preostali Sonar modeli nadmašuju model Gemini-2.0-Flash-Grounding i sve OpenAI-jeve modele za web pretraživanje.

Usporedna analiza u Search Areni

Za razliku od SimpleQA-inog fokusa na usku činjeničnu točnost, LM Arena ocjenjuje kako modeli izvode stvarne upite korisnika u području programiranja, pisanja, istraživanja i preporuka. U Search Areni fokus je na aktualnim događajima, a uključuje dulje i složenije upite te prikuplja više od 10.000 glasova korisnika o preferencijama za 11 modela. Između 18. ožujka i 13. travnja 2025. Search Arena tražila je od korisnika da unesu upite i odaberu odgovor modela koji bolje zadovoljava njihove informacijske potrebe.

Rezultati performansi Sonar modela

Perplexitjevi Sonar modeli nadmašili su mnoge vodeće suvremene modele, uključujući Gemini 2.0 Flash i GPT 4o Search. Naš model Sonar-Reasoning-Pro ostvario je rezultat 1136 te se nalazi u statističkoj izjednačenosti na vrhu s modelom Gemini-2.5-Pro-Grounding (1142).

U izravnim dvobojima Sonar-Reasoning-Pro-High pobijedio je Gemini-2.5-Pro-Grounding u 53% slučajeva.

Procjena Search Arene otkrila je tri čimbenika koja su snažno povezana s preferencijama korisnika:

  • Dulji odgovori (koef. 0,255, p<0,05)
  • Veći broj citata (koef. 0,234, p<0,05)
  • Citati iz web izvora zajednice

Tablica poretka pokazala je jasnu preferenciju korisnika prema modelima s poboljšanim mogućnostima zaključivanja, pri čemu su Sonar-Reasoning-Pro i Sonar-Reasoning zauzeli dva od prva tri mjesta. Kontrolni eksperimenti potvrdili su ova otkrića, pokazujući da kontroliranje citata dovodi do konvergencije poretka modela, što sugerira da je dubina pretraživanja značajan diferencijator performansi.

Perperplexityjevi Sonar modeli imali su znatno veću dubinu pretraživanja, pri čemu je ppl-sonar-pro-high citirao 2-3 puta više izvora nego ekvivalentni Gemini modeli.

Što to znači za korisnike

Za korisnike Perperplexityja ovi rezultati potvrđuju da Sonar modeli pružaju vrhunsku točnost, sveobuhvatnu atribuciju izvora i visokokvalitetne odgovore u širokom rasponu tema.

Korisnici pretplate Perplexity Pro mogu nastaviti koristiti ove vrhunske modele tako da postave Sonar kao svoj zadani model u postavkama. Korisnici API-ja mogu pristupiti tim mogućnostima putem naših ponuda za Sonar API s fleksibilnim načinima pretraživanja za uravnoteženje performansi i troškovne učinkovitosti.

Iako smo ponosni na ovo postignuće, i dalje smo usredotočeni na kontinuirano poboljšanje. Evaluacija u Search Areni pruža vrijedne uvide u preferencije korisnika koji će usmjeravati naše tekuće razvojne napore.

Uvod u Sonar

Pridružite se suosnivaču i tehničkom direktoru Perperplexityja, Denisu Yaratsetu, na predstavljanju našeg API-ja 24. travnja u 11 sati po pacifičkom vremenu (PT). Denis će pružiti pregled Perperplexityjevih API-ja, podijeliti rezultate mjerenja performansi i primjere korištenja API-ja.

Registrirajte se ovdje.

Započnite sa Sonarom.