Perplexity Sonar domină noua evaluare Search Arena

Modelele Perplexity Sonar ocupă primele locuri în evaluarea căutării

Pe scurt

  • Locul #1: Sonar-Reasoning-Pro-High a obținut un scor în Arenă de 1136 (±21/−19), aflându-se la egalitate statistică pentru primul loc cu Gemini-2.5-Pro-Grounding de la Google (1142 +14/-17). În confruntările directe, Sonar-Reasoning-Pro-High a învins Gemini-2.5-Pro-Grounding în 53% din cazuri.
  • Dominanța Sonar: Modelele Perplexity și-au asigurat locurile de la 1 la 4, depășind semnificativ alte modele evaluate de la Google și OpenAI.
  • Avantajul raționamentului: Modelele care încorporează capacități de raționament (sonar-reasoning-pro și sonar-reasoning) s-au clasat mai sus, aliniindu-se cu preferința generală a utilizatorilor observată pentru modelele de raționament (primele 3 din clasament).
  • Adâncimea căutării: Modelele Sonar efectuează căutări mai profunde și iau în considerare mai multe surse, citând în medie de 2-3 ori mai multe surse decât modelele Gemini comparabile.

______

LM Arena tocmai și-a lansat noul clasament Search Arena, care compară sistemele LLM augmentate cu căutare pe baza preferințelor umane. Modelul Sonar-Reasoning-Pro de la Perplexity s-a clasat pe primul loc la egalitate cu Gemini-2.5-Pro-Grounding, restul modelelor Sonar depășind Gemini-2.0-Flash-Grounding și toate modelele de căutare web ale OpenAI.

Evaluarea performanței în Search Arena

Spre deosebire de accentul pus de SimpleQA pe acuratețea factuală restrânsă, LM Arena evaluează modul în care modelele gestionează interogările reale ale utilizatorilor în materie de programare, scriere, cercetare și recomandări. În Search Arena, evaluarea se concentrează pe evenimente actuale și include prompturi mai lungi și mai complexe, colectând peste 10.000 de voturi privind preferințele umane pe parcursul a 11 modele. Între 18 martie și 13 aprilie 2025, Search Arena le-a cerut utilizatorilor să introducă prompturi și să selecteze care răspuns de la model a satisfăcut mai bine nevoile lor de informare.

Rezultatele performanței modelelor Sonar

Modelele Sonar de la Perplexity au întrecut multe dintre cele mai bune modele de ultimă generație, inclusiv Gemini 2.0 Flash și GPT 4o Search. Modelul nostru Sonar-Reasoning-Pro a obținut un scor de 1136, aflându-se la egalitate statistică pe prima poziție cu Gemini-2.5-Pro-Grounding (1142).

În confruntările directe, Sonar-Reasoning-Pro-High a învins Gemini-2.5-Pro-Grounding în 53% din cazuri.

Evaluarea Search Arena a scos în evidență trei factori care se corelează puternic cu preferințele utilizatorilor:

  • Răspunsuri mai lungi (coef. 0,255, p<0,05)
  • Număr mai mare de citări (coef. 0,234, p<0,05)
  • Citări din surse web comunitare

Clasamentul a arătat o preferință clară a utilizatorilor pentru modelele cu capacități de raționament îmbunătățite, Sonar-Reasoning-Pro și Sonar-Reasoning ocupând două dintre primele trei poziții. Experimentele de control au întărit aceste concluzii, demonstrând că luarea în considerare a citărilor a făcut ca clasamentele modelelor să conveargă, sugerând că adâncimea căutării este un factor semnificativ de diferențiere a performanței.

Modelele Sonar de la Perplexity au avut o adâncime a căutării substanțial mai mare, ppl-sonar-pro-high citând de 2-3 ori mai multe surse decât modelele Gemini echivalente.

Ce înseamnă acest lucru pentru utilizatori

Pentru utilizatorii Perplexity, aceste rezultate confirmă faptul că modelele Sonar oferă cea mai bună acuratețe din clasă, atribuire cuprinzătoare a surselor și răspunsuri de înaltă calitate pentru o gamă largă de subiecte.

Utilizatorii Perplexity Pro pot continua să beneficieze de aceste modele performante setând Sonar ca model implicit în setări. Utilizatorii de API pot accesa aceste capabilități prin intermediul ofertelor noastre de API Sonar, beneficiind de moduri de căutare flexibile pentru a echilibra performanța și eficiența costurilor

Deși suntem mândri de această realizare, rămânem concentrați pe îmbunătățirea continuă. Evaluarea Search Arena oferă informații valoroase privind preferințele utilizatorilor care vor sta la baza eforturilor noastre viitoare de dezvoltare.

Introducere în Sonar

Alăturați-vă cofondatorului și directorului tehnologic (CTO) Perplexity, Denis Yarats, pentru o prezentare generală a API-ului nostru pe 24 aprilie, la ora 11:00 PT. Denis va oferi o prezentare generală a API-urilor Perplexity, va împărtăși rezultatele benchmark-urilor și cazurile de utilizare ale API-ului.

Înregistrați-vă aici.

Începeți cu Sonar.