Search API: Daha İyi Çıkarma, Dinamik Kıyaslamalar

Eylül ayında Perplexity Search API mimarisine ilişkin bir teknik genel bakış yayımladık ve arama iş akışlarında arama API'lerini kıyaslamak için açık kaynaklı değerlendirme çerçevemiz olan search_evals'i kullanıma sunduk. O zamandan beri en büyük yatırım, alaka düzeyi ve boyut olmak üzere iki boyutta optimize edilen parça kalitesine yapıldı. Doğru içeriğin doğru miktarda döndürülmesi, sonraki aşamadaki yanıt doğruluğunu ve token verimliliğini doğrudan belirler. Buna ulaşma çalışmaları; çıkarma, parça düzeyinde etiketleme ve değerlendirme için yeni sistemler, özellikle de bir kaynak belgenin hangi segmentlerinin belirli bir sorguya yanıt verdiğini belirleyen bir parça etiketleme hattı oluşturulmasını içeriyordu.

Parçaları sistematik olarak iyileştirmek için yeni bir değerlendirme sistemi tasarladık. Belirli bir sorgu ve belge için sistem, belgedeki parçaları sorguyla olan ilişkilerine göre tanımlar ve etiketler: Parçaya dahil edilmesi gereken "hayati" parçalar, hariç tutulması gereken çeşitli "alakasız" parça sınıfları, yinelenenler ve diğer kategoriler. Bu parça düzeyinde etiketleme, daha önce mümkün olmayan bir hassasiyet düzeyiyle parça kalitesini değerlendirmemize olanak tanır ve hem doğru şekilde dahil edilenleri hem de doğru şekilde hariç tutulanları ölçer.

Uygulamada, bu iyileştirmeler sorguyla daha alakalı olan daha küçük parçalar oluşturmamıza olanak tanır. Kendi kendini iyileştiren içerik anlama hattımız artık tablolar, iç içe listeler ve daha önceki kural setlerinin güvenilir bir şekilde ayrıştıramadığı dinamik olarak oluşturulmuş içerikler dahil olmak üzere daha geniş bir yapılandırılmış veri formatı yelpazesini işler.

Bu iyileştirmeler kendi üretim sistemlerimizden ortaya çıktı. Dahili araştırmamız parça alaka düzeyini ve boyutlandırmasını ileriye taşırken, dahili değerlendirmeler bir dizi kalite iyileştirmesinden sonra daha küçük içerik bütçelerinin aslında daha doğru sonuçlar ürettiğini ortaya koydu. Bulgularımızı yansıtmak için varsayılan yapılandırmalarımızda bazı değişiklikler yaptık; sonuç başına daha faydalı içerik sunarken yanıt yükü boyutunu ve gecikmeyi azalttık. Geliştiriciler için daha küçük, daha alakalı parçalar, sonraki aşamadaki LLM'ler için doğrudan daha düşük token maliyetleri ve daha iyi bağlam yönetimi anlamına gelir.

SEAL kıyaslaması, bir erişim sisteminin doğru yanıtı zamanla değişen soruları yanıtlayıp yanıtlayamayacağını test eder. Güvenilir bir şekilde yanıt vermek, gerçek zamanlı dizin tazeliği, sürekli güncellenen çeşitli veri kaynaklarından daha akıllı parça çıkarma ve geçmiş bir değer yerine geçerli değeri tanımlayabilen ayrıştırma gerektirir.

Claude Sonnet 4.5 kullanarak 22 Şubat SEAL sürümüne karşı search_evals çalıştırdığımızda, SEAL-Hard üzerinde diğer sağlayıcılar düşüş yaşarken Perplexity puanları arttı:

Eylül ayındaki gönderimizde bildirilen kıyaslamaların yanı sıra SEAL'i de içerecek şekilde search_evals çerçevemizi genişlettik. Güncellenmiş sonuçlar ve metodoloji GitHub'daki güncellenmiş havuzda mevcuttur.

API artık tek bir istekte en fazla 5 sorguyu destekler. Sonuçlar, gönderildikleri sırayla sorgu başına gruplandırılmış olarak döndürülür. Bu, karmaşık bir soruyu birden fazla erişim alt görevine ayıran aracılar gibi, paralel olarak ilgili aramalar yapması gereken uygulamalar için gidiş-dönüş sürelerini azaltır.

Etki alanı filtreleme (izin verilenler ve engellenenler listesi, en fazla 20 etki alanı) ve güncellik filtrelemenin yanı sıra API artık ISO 639-1 koduna göre dil filtrelemesi ve ISO ülke koduna göre bölgesel arama desteği sunar. Bunlar, sonuçları tam olarak daraltmak için (örneğin Almanca etki alanlarından gelen İngilizce dilindeki sonuçlarla sınırlamak gibi) birleştirilebilir.

Python SDK (pip install perplexityai), Agent API ve Sonar API'nin yanı sıra Search API için de yerel destek sunar.

Tam belgelendirme docs.perplexity.ai adresindedir

Parçaları parça düzeyinde değerlendirme

SEAL: Zamana duyarlı erişimi kıyaslama

Çoklu sorgu desteği

Genişletilmiş filtreleme

SDK ve kullanılabilirlik