Perplexity Sonar dominuje w nowej ocenie Search Arena

W skrócie

• Nr 1 w rankingu: Sonar-Reasoning-Pro-High osiągnął wynik w Arena na poziomie 1136 (±21/−19), co statystycznie oznacza pierwsze miejsce ex aequo z Google Gemini-2.5-Pro-Grounding (1142 +14/-17). W bezpośrednich pojedynkach model Sonar-Reasoning-Pro-High wygrywał z Gemini-2.5-Pro-Grounding w 53% przypadków.
• Dominacja Sonar: Modele Perplexity zajęły miejsca od 1 do 4, znacząco wyprzedzając inne oceniane modele od Google i OpenAI.
• Przewaga wnioskowania: Modele wykorzystujące funkcje wnioskowania (sonar-reasoning-pro oraz sonar-reasoning) uplasowały się wyżej, co jest zgodne z ogólną preferencją użytkowników obserwowaną dla modeli wnioskujących (pierwsza trójka w rankingu).
• Głębia wyszukiwania: Modele Sonar wykonują głębsze wyszukiwanie i biorą pod uwagę więcej źródeł, średnio cytując 2-3 razy więcej źródeł niż porównywalne modele Gemini.

______

LM Arena właśnie opublikowała swój nowy ranking Search Arena, porównujący systemy LLM rozszerzone o wyszukiwanie w oparciu o preferencje użytkowników. Model Sonar-Reasoning-Pro od Perplexity zajął pierwsze miejsce ex aequo z Gemini-2.5-Pro-Grounding, podczas gdy pozostałe modele Sonar wyprzedziły Gemini-2.0-Flash-Grounding oraz wszystkie modele wyszukiwania internetowego OpenAI.

Powiększ

Analiza porównawcza Search Arena

W przeciwieństwie do SimpleQA, koncentrującego się na wąskiej dokładności faktycznej, LM Arena ocenia działanie modeli w oparciu o rzeczywiste zapytania użytkowników z zakresu programowania, pisania, badań i rekomendacji. W ramach Search Arena ocena koncentruje się na bieżących wydarzeniach i obejmuje dłuższe, bardziej złożone polecenia, gromadząc ponad 10 000 głosów użytkowników na temat 11 modeli. W okresie od 18 marca do 13 kwietnia 2025 r. w ramach Search Arena użytkownicy byli proszeni o wydawanie poleceń i wskazywanie, która odpowiedź modelu lepiej zaspokajała ich potrzeby informacyjne.

Wyniki wydajności modelu Sonar

Modele Sonar firmy Perplexity okazały się lepsze od wielu czołowych, najnowocześniejszych modeli, w tym Gemini 2.0 Flash oraz GPT 4o Search. Nasz model Sonar-Reasoning-Pro osiągnął wynik 1136, zajmując pierwsze miejsce ex aequo z Gemini-2.5-Pro-Grounding (1142).

Powiększ

Ocena w Search Arena ujawniła trzy czynniki silnie skorelowane z preferencjami użytkowników:

• Dłuższe odpowiedzi (współczynnik 0,255, p<0,05)
• Wyższa liczba cytowań (współczynnik 0,234, p<0,05)
• Cytaty ze społecznościowych źródeł internetowych

Ranking wykazał wyraźną preferencję użytkowników dla modeli z ulepszonym wnioskowaniem, przy czym Sonar-Reasoning-Pro i Sonar-Reasoning zajęły dwa z trzech pierwszych miejsc. Eksperymenty kontrolne potwierdziły te ustalenia, wykazując, że kontrolowanie cytowań spowodowało zbieżność rankingów modeli, co sugeruje, że głębia wyszukiwania jest znaczącym czynnikiem różnicującym wydajność.

Powiększ

Co to oznacza dla użytkowników

Dla użytkowników Perplexity wyniki te potwierdzają, że modele Sonar zapewniają najlepszą w swojej klasie dokładność, kompleksowe przypisywanie źródeł i wysokiej jakości odpowiedzi w szerokim zakresie tematów.

Użytkownicy Perplexity Pro mogą nadal korzystać z tych najlepiej działających modeli, ustawiając Sonar jako model domyślny w ustawieniach. Użytkownicy API mogą uzyskać dostęp do tych funkcji za pośrednictwem naszej oferty Sonar API z elastycznymi trybami wyszukiwania, aby zrównoważyć wydajność i efektywność kosztową.

Choć jesteśmy dumni z tego osiągnięcia, koncentrujemy się na ciągłym doskonaleniu. Ocena Search Arena dostarcza cennych informacji na temat preferencji użytkowników, które wpłyną na nasze bieżące prace rozwojowe.

Powiększ

Wprowadzenie do Sonar

Dołącz do współzałożyciela i CTO Perplexity, Denisa Yaratsa, aby uzyskać przegląd naszego API 24 kwietnia o godzinie 11:00 czasu pacyficznego (PT). Denis omówi interfejsy API Perplexity, przedstawi wyniki testów porównawczych oraz przypadki użycia API.

Zarejestruj się tutaj.

Rozpocznij pracę z Sonar.