Perplexity Sonar dominerer ny Search Arena-evaluering

Co #1-rangering: Sonar-Reasoning-Pro-High oppnådde en arenaskår på 1136 (±21/−19), og deler førsteplassen statistisk sett med Googles Gemini-2.5-Pro-Grounding (1142 +14/-17). I direkte dueller slo Sonar-Reasoning-Pro-High Gemini-2.5-Pro-Grounding 53 % av tiden.
Sonar-dominans: Perplexity-modeller sikret plass 1 til 4, og presterte betraktelig bedre enn andre evaluerte modeller fra Google og OpenAI.
Resonneringsfordel: Modeller som inkluderer resonneringsevner (sonar-reasoning-pro og sonar-reasoning) kom høyere opp på rangeringen, i tråd med den generelle brukerpreferansen som ble observert for resonneringsmodeller (blant de 3 øverste på rangeringen).
Søkedybde: Sonar-modeller utfører dypere søk og tar hensyn til flere kilder, og henviser i gjennomsnitt til 2–3 ganger flere kilder enn sammenlignbare Gemini-modeller.

______

LM Arena har akkurat sluppet sin nye Search Arena-rangering som sammenligner søkeutvidede LLM-systemer basert på menneskelige preferanser. Perplexity sin Sonar-Reasoning-Pro-modell deler førsteplassen med Gemini-2.5-Pro-Grounding, mens resten av Sonar-modellene presterer bedre enn Gemini-2.0-Flash-Grounding og alle OpenAIs nettsøkmodeller.

I motsetning til SimpleQAs fokus på snever faktanøyaktighet, evaluerer LM Arena hvordan modeller presterer på ekte brukerforespørsler innen koding, skriving, forskning og anbefalinger. Med Search Arena retter evalueringen seg mot dagsaktuelle hendelser og inkluderer lengre og mer komplekse ledetekster, der det samles inn over 10 000 menneskelige preferansestemmer på tvers av 11 modeller. Mellom 18. mars og 13. april 2025 ba Search Arena brukere om å skrive inn ledetekster og velge hvilken modellrespons som best dekket informasjonsbehovet deres.

Perplexity sine Sonar-modeller presterte bedre enn mange av de beste modellene på markedet, inkludert Gemini 2.0 Flash og GPT 4o Search. Vår Sonar-Reasoning-Pro-modell oppnådde en skår på 1136, og er dermed i en statistisk delt ledelse på topplasseringen sammen med Gemini-2.5-Pro-Grounding (1142).

I direkte dueller slo Sonar-Reasoning-Pro-High Gemini-2.5-Pro-Grounding 53 % av tiden.

Search Arenas evaluering avdekket tre faktorer som har en sterk sammenheng med menneskelige preferanser:

Lengre svar (koeff. 0,255, p<0,05)
Flere siteringer (koeff. 0,234, p<0,05)
Siteringer fra nettkilder i fellesskapet

Rangeringen viste en tydelig brukerpreferanse for modeller med forbedret resonneringsevne, der Sonar-Reasoning-Pro og Sonar-Reasoning tok to av de tre øverste plassene. Kontrolleksperimenter underbygget disse funnene og viste at kontroll for kilder førte til at modellrangeringene jevnet seg ut, noe som tyder på at søkedybde er en vesentlig ytelsesfaktor.

Perplexitys Sonar-modeller hadde vesentlig større søkedybde, der ppl-sonar-pro-high henviste til 2–3 ganger flere kilder enn tilsvarende Gemini-modeller.

For Perplexity-brukere bekrefter disse resultatene at Sonar-modellene leverer markedets beste nøyaktighet, grundig kildehenvisning og svar av høy kvalitet på et bredt spektrum av temaer.

Perplexity Pro-brukere kan fortsette å dra nytte av disse topprangerte modellene ved å sette Sonar som sin standardmodell i innstillingene. API-brukere kan få tilgang til disse funksjonene gjennom våre Sonar API-tilbud med fleksible søkemoduser som balanserer ytelse og kostnadseffektivitet

Selv om vi er stolte av denne milepælen, forblir fokuset vårt på kontinuerlig forbedring. Search Arena-evalueringen gir verdifull innsikt i brukerpreferanser som vil forme våre pågående utviklingsarbeider.

Bli med Perplexity-medgrunnlegger og teknisk sjef (CTO) Denis Yarats for en gjennomgang av vårt API 24. april kl. 11.00 PT. Denis vil gi en oversikt over Perplexitys API-er, dele benchmark-resultater og vise bruksområder for API-et.

Registrer deg her.

Kom i gang med Sonar.

Kort sagt

Benchmark-testing for Search Arena

Resultater for Sonar-modellenes ytelse

Hva dette betyr for brukere

Introduksjon til Sonar