Perplexity Sonar चे नवीन सर्च अरेना मूल्यांकनावर वर्चस्व

थोडक्यात सांगायचे तर

• सह #1 क्रम: Sonar-Reasoning-Pro-High ला ११३६ (±२१/−१९) चा अरेना स्कोअर मिळाला, जो Google च्या Gemini-2.5-Pro-Grounding (११४२ +१४/-१७) बरोबर पहिल्या स्थानावर सांख्यिकीयदृष्ट्या सम असा आहे. थेट समोरासमोरील मुकाबल्यांमध्ये, Sonar-Reasoning-Pro-High ने ५३% वेळा Gemini-2.5-Pro-Grounding ला पराभूत केले.
• Sonar चे वर्चस्व: Perplexity मॉडेल्सने १ ते ४ क्रमांक सुरक्षित केले, Google आणि OpenAI च्या इतर मूल्यांकित मॉडेल्सपेक्षा लक्षणीयरीत्या सरस कामगिरी केली.
• तार्किकता फायदा (Reasoning Advantage): तार्किकता क्षमतांचा समावेश असलेली मॉडेल्स (sonar-reasoning-pro आणि sonar-reasoning) उच्च स्थानी आली, जी तार्किकता मॉडेल्ससाठी आढळलेल्या सामान्य वापरकर्त्याच्या पसंतीशी सुसंगत आहे (लीडरबोर्डवर शीर्ष ३).
• शोधाची खोली (Depth of Search): Sonar मॉडेल्स अधिक खोलवर शोध घेतात आणि अधिक स्त्रोत विचारात घेतात, सरासरी समतुल्य Gemini मॉडेल्सपेक्षा २-३ पट अधिक स्त्रोत उद्धृत (cite) करतात.

______

मानवी पसंतीवर आधारित शोध-वर्धित (search-augmented) LLM प्रणालींची तुलना करणारे त्यांचे नवीन सर्च अरेना लीडरबोर्ड (Search Arena leaderboard) LM अरेने नुकतेच रिलीझ केले आहे. Perplexity चे Sonar-Reasoning-Pro मॉडेल Gemini-2.5-Pro-Grounding बरोबर पहिल्या स्थानावर आहे, तर इतर Sonar मॉडेल्सनी Gemini-2.0-Flash-Grounding आणि OpenAI च्या सर्व वेब सर्च मॉडेल्सपेक्षा सरस कामगिरी केली आहे.

विस्तृत करा

सर्च अरेना बेंचमार्किंग

SimpleQA चे लक्ष संकुचित तथ्य अचूकतेवर असते, याउलट LM अरेना कोडिंग, लेखन, संशोधन आणि शिफारसी यावर वास्तविक वापरकर्त्यांच्या प्रश्नांवर मॉडेल्स कशी कामगिरी करतात याचे मूल्यांकन करतो. सर्च अरेनेसह, मूल्यांकन चालू घडामोडींवर केंद्रित आहे आणि त्यात लांब, अधिक क्लिष्ट प्रॉम्प्ट्सचा समावेश आहे, तसेच ११ मॉडेल्सवर १०,००० हून अधिक मानवी पसंतीची मते गोळा केली आहेत. १८ मार्च ते १३ एप्रिल २०२५ दरम्यान, सर्च अरेनाने वापरकर्त्यांना प्रॉम्प्ट करण्यास आणि त्यांच्या माहितीच्या गरजा कोणत्या मॉडेलच्या प्रतिसादाने चांगल्या प्रकारे पूर्ण केल्या हे निवडण्यास सांगितले.

Sonar मॉडेल कार्यप्रदर्शन परिणाम

Perplexity च्या Sonar मॉडेल्सनी Gemini 2.0 Flash आणि GPT 4o Search सह अनेक टॉप स्टेट-ऑफ-द-आर्ट मॉडेल्सपेक्षा सरस कामगिरी केली आहे. आमचे Sonar-Reasoning-Pro मॉडेल ११३६ च्या स्कोअरवर पोहोचले, जे शीर्षस्थानी Gemini-2.5-Pro-Grounding (११४२) सह सांख्यिकीयदृष्ट्या सम आहे.

विस्तृत करा

सर्च अरेनाच्या मूल्यांकनातून मानवी पसंतीशी जोरदारपणे संबंधित तीन घटक उघड झाले:

• दीर्घ प्रतिसाद (coeff 0.255, p<0.05)
• उच्च उद्धरण संख्या (coeff 0.234, p<0.05)
• कम्युनिटी वेब स्त्रोतांकडून उद्धरणे (Citations)

लीडरबोर्डने तार्किकता-वर्धित (reasoning-enhanced) मॉडेल्ससाठी स्पष्ट वापरकर्ता पसंती दर्शवली, ज्यामध्ये Sonar-Reasoning-Pro आणि Sonar-Reasoning यांनी शीर्ष तीनपैकी दोन स्थाने पटकावली. नियंत्रण प्रयोगांनी या निष्कर्षांना बळकट केले, ज्यावरून हे दिसून आले की उद्धरणांचे (citations) नियंत्रण केल्यामुळे मॉडेल रँकिंग अभिसारित (converge) होतात, जे सुचवते की शोधाची खोली (search depth) हा कार्यक्षमतेमधील एक महत्त्वपूर्ण फरक करणारा घटक आहे.

विस्तृत करा

वापरकर्त्यांसाठी याचा काय अर्थ आहे

Perplexity वापरकर्त्यांसाठी, हे परिणाम पुष्टी करतात की Sonar मॉडेल्स विस्तृत विषयांवर सर्वोत्तम श्रेणीतील अचूकता, सर्वसमावेशक स्त्रोत ॲट्रिब्यूशन आणि उच्च-गुणवत्तेचे प्रतिसाद प्रदान करतात.

Perplexity Pro वापरकर्ते सेटिंग्जमध्ये Sonar ला त्यांचे डीफॉल्ट मॉडेल म्हणून सेट करून या टॉप-परफॉर्मिंग मॉडेल्सचा लाभ घेणे सुरू ठेवू शकतात. API वापरकर्ते कार्यक्षमता आणि खर्च कार्यक्षमता संतुलित करण्यासाठी लवचिक शोध मोडसह आमच्या Sonar API ऑफरिंग्स द्वारे या क्षमतांमध्ये प्रवेश करू शकतात

आम्हाला या उपलब्धतेचा अभिमान असला तरी, आमचे लक्ष सतत सुधारणा करण्यावर केंद्रित आहे. सर्च अरेना मूल्यांकन वापरकर्त्यांच्या पसंतींबद्दल मौल्यवान अंतर्दृष्टी प्रदान करते जे आमच्या चालू असलेल्या विकास प्रयत्नांची माहिती देईल.

विस्तृत करा

Sonar चा परिचय

२४ एप्रिल रोजी सकाळी ११ वाजता PT वाजता आमच्या API च्या विहंगम अवलोकनासाठी Perplexity चे सह-संस्थापक आणि CTO, Denis Yarats यांच्याशी सामील व्हा. Denis हे Perplexity च्या API चे विहंगम अवलोकन प्रदान करतील, बेंचमार्क परिणाम आणि API वापर प्रकरणे सामायिक करतील.

येथे नोंदणी करा.

Sonar सह सुरुवात करा.