కొత్త సెర్చ్ అరీనా మూల్యాంకనంలో Perplexity Sonar ఆధిపత్యం చెలాయించింది

టి ఎల్; డి ఆర్

• కో #1 ర్యాంక్: Sonar-Reasoning-Pro-High 1136 (±21/−19) అరీనా స్కోర్‌ను సాధించింది, ఇది గూగుల్ యొక్క Gemini-2.5-Pro-Grounding (1142 +14/-17) తో మొదటి స్థానంలో గణాంకపరంగా సమం చేయబడింది. నేరుగా తలపడిన యుద్ధాలలో, Sonar-Reasoning-Pro-High 53% సార్లు Gemini-2.5-Pro-Grounding ఓడించింది.
• Sonar ఆధిపత్యం: Perplexity మోడల్స్ 1 నుండి 4 వరకు ర్యాంక్‌లను పొందాయి, గూగుల్ మరియు OpenAI నుండి మూల్యాంకనం చేయబడిన ఇతర మోడల్స్‌ను గణనీయంగా మించిపోయాయి.
• రీజనింగ్ ప్రయోజనం: రీజనింగ్ సామర్ధ్యాలను పొందుపరిచే మోడల్స్ (సోనార్-రీజనింగ్-ప్రో మరియు సోనార్-రీజనింగ్) అధిక ర్యాంక్ పొందాయి, రీజనింగ్ మోడల్స్ కోసం గమనించిన సాధారణ వినియోగదారు ప్రాధాన్యతతో సమలేఖనం చేయబడ్డాయి (లీడర్‌బోర్డ్‌లో మొదటి 3).
• శోధన లోతు: Sonar మోడల్స్ లోతైన శోధనను నిర్వహిస్తాయి మరియు ఎక్కువ మూలాలను పరిగణనలోకి తీసుకుంటాయి, సగటున పోల్చదగిన Gemini మోడల్స్ కంటే 2-3 రెట్లు ఎక్కువ మూలాలను ఉదహరిస్తాయి.

______

LM అరీనా మానవ ప్రాధాన్యత ఆధారంగా శోధన-ఆధారిత LLM సిస్టమ్‌లను సరిపోల్చే వారి కొత్త సెర్చ్ అరీనా లీడర్‌బోర్డ్‌ను ఇప్పుడే విడుదల చేసింది. Perplexity యొక్క Sonar-Reasoning-Pro మోడల్ Gemini-2.5-Pro-Grounding తో మొదటి స్థానాన్ని పంచుకుంది, మిగిలిన Sonar మోడల్స్ Gemini-2.0-Flash-Grounding మరియు OpenAI యొక్క అన్ని వెబ్ శోధన మోడల్స్‌ను మించిపోయాయి.

విస్తరించు

సెర్చ్ అరీనా బెంచ్‌మార్కింగ్

సింపుల్‌క్విఐ యొక్క ఇరుకైన వాస్తవిక ఖచ్చితత్వంపై దృష్టి పెట్టడం కాకుండా, కోడింగ్, రైటింగ్, రీసెర్చ్ మరియు సిఫార్సులలో నిజమైన వినియోగదారు ప్రశ్నలపై మోడల్స్ ఎలా పని చేస్తాయనేదాన్ని LM అరీనా అంచనా వేస్తుంది. సెర్చ్ అరీనాతో, మూల్యాంకనం ప్రస్తుత ఈవెంట్‌లపై దృష్టి పెడుతుంది మరియు పొడవైన, మరింత సంక్లిష్టమైన ప్రాంప్ట్‌లను కలిగి ఉంటుంది, 11 మోడల్స్‌లో 10,000 కంటే ఎక్కువ మానవ ప్రాధాన్యత ఓట్లను సేకరిస్తుంది. మార్చి 18 మరియు ఏప్రిల్ 13, 2025 మధ్య, సెర్చ్ అరీనా వినియోగదారులను ప్రాంప్ట్ చేయమని మరియు వారి సమాచార అవసరాలను ఏ మోడల్ ప్రతిస్పందన更好地 సంతృప్తి పరిచిందో ఎంచుకోమని కోరింది.

Sonar మోడల్ పనితీరు ఫలితాలు

Perplexity యొక్క Sonar మోడల్స్ Gemini 2.0 Flash మరియు GPT 4o Search తో సహా అనేక అత్యున్నత అత్యాధునిక మోడల్స్‌ను మించిపోయాయి. మా Sonar-Reasoning-Pro మోడల్ 1136 స్కోర్‌ను సాధించింది, ఇది అగ్ర స్థానంలో ఉన్న Gemini-2.5-Pro-Grounding (1142) తో గణాంకపరంగా సమం చేయబడింది.

విస్తరించు

సెర్చ్ అరీనా యొక్క మూల్యాంకనం మానవ ప్రాధాన్యతతో బలంగా సంబంధం ఉన్న మూడు కారకాలను వెల్లడించింది:

• పొడవైన ప్రతిస్పందనలు (కోఫ్ 0.255, p<0.05)
• అధిక ఉల్లేఖన గణనలు (కోఫ్ 0.234, p<0.05)
• కమ్యూనిటీ వెబ్ మూలాల నుండి ఉల్లేఖనాలు

లీడర్‌బోర్డ్ తార్కిక-మెరుగైన మోడల్‌ల కోసం స్పష్టమైన వినియోగదారు ప్రాధాన్యతను చూపింది, Sonar-Reasoning-Pro మరియు Sonar-Reasoning మొదటి మూడు స్థానాల్లో రెండింటిని ఆక్రమించాయి. నియంత్రణ ప్రయోగాలు ఈ అన్వేషణలను బలపరిచాయి, ఉల్లేఖనాలను నియంత్రించడం వలన మోడల్ ర్యాంకింగ్‌లు కన్వర్జ్ కావడానికి కారణమయ్యాయని చూపించాయి, శోధన లోతు గణనీయమైన పనితీరు వ్యత్యాసమని సూచిస్తుంది.

విస్తరించు

వినియోగదారులకు దీని అర్థం ఏమిటి

Perplexity వినియోగదారుల కోసం, Sonar మోడల్స్ అత్యుత్తమ-తరగతి ఖచ్చితత్వాన్ని, సమగ్ర మూల ఆపాదణను మరియు అనేక రకాల అంశాలపై అధిక-నాణ్యత ప్రతిస్పందనలను అందిస్తాయని ఈ ఫలితాలు నిర్ధారిస్తాయి.

Perplexity Pro వినియోగదారులు సెట్టింగ్‌లలో Sonar ను వారి డిఫాల్ట్ మోడల్‌గా సెట్ చేయడం ద్వారా ఈ అత్యుత్తమ పనితీరు కనబరిచే మోడల్స్ నుండి ప్రయోజనం పొందడం కొనసాగించవచ్చు. API వినియోగదారులు పనితీరు మరియు ఖర్చు సామర్థ్యాన్ని సమతుల్యం చేయడానికి సౌకర్యవంతమైన శోధన మోడ్‌లతో మా Sonar API ఆఫర్‌ల ద్వారా ఈ సామర్థ్యాలను యాక్సెస్ చేయవచ్చు

మేము ఈ సాధన గురించి గర్వపడుతున్నప్పటికీ, నిరంతర మెరుగుదలపై దృష్టి పెడుతున్నాము. సెర్చ్ అరీనా మూల్యాంకనం మా కొనసాగుతున్న అభివృద్ధి ప్రయత్నాలకు తెలియజేసే వినియోగదారు ప్రాధాన్యతలపై విలువైన అంతర్దృష్టులను అందిస్తుంది.

విస్తరించు

Sonar పరిచయం

ఏప్రిల్ 24 న ఉదయం 11 గంటలకు PT కి మా API యొక్క అవలోకనం కోసం Perplexity సహ-స్థాపకుడు & CTO, డెనిస్ యారాట్స్‌తో చేరండి. డెనిస్ Perplexity యొక్క API ల అవలోకనాన్ని అందిస్తారు, బెంచ్‌మార్క్ ఫలితాలను మరియు API ఉపయోగ సందర్భాలను పంచుకుంటారు.

ఇక్కడ నమోదు చేసుకోండి.

Sonar తో ప్రారంభించండి.