Perplexity Sonar домінує в новому оцінюванні Search Arena

1-ше місце: Sonar-Reasoning-Pro-High здобув оцінку в Arena 1136 (±21/−19), розділивши перше місце з Gemini-2.5-Pro-Grounding від Google (1142 +14/-17). У прямих порівняннях модель Sonar-Reasoning-Pro-High перемагала Gemini-2.5-Pro-Grounding у 53% випадків.
Домінування Sonar: Моделі Perplexity посіли з 1 по 4 місця, значно перевершивши інші оцінювані моделі від Google та OpenAI.
Перевага міркування: Моделі з можливостями міркування (sonar-reasoning-pro та sonar-reasoning) посіли вищі місця, що узгоджується із загальною перевагою користувачів, помітною для моделей із міркуванням (топ-3 у рейтингу).
Глибина пошуку: Моделі Sonar виконують глибший пошук і враховують більше джерел, в середньому цитуючи у 2–3 рази більше джерел, ніж порівнянні моделі Gemini.

______

LM Arena щойно випустила свій новий рейтинг Search Arena, що порівнює пошукові LLM-системи на основі вподобань користувачів. Модель Sonar-Reasoning-Pro від Perplexity розділила перше місце з Gemini-2.5-Pro-Grounding, а решта моделей Sonar перевершили Gemini-2.0-Flash-Grounding та всі вебпошукові моделі OpenAI.

На відміну від SimpleQA, яка зосереджується на вузькій фактичній точності, LM Arena оцінює продуктивність моделей на реальних запитах користувачів у програмуванні, написанні текстів, дослідженнях та рекомендаціях. У Search Arena оцінювання зосереджено на поточних подіях і включає довші, складніші запити, збираючи понад 10 000 голосів користувачів щодо 11 моделей. У період з 18 березня по 13 квітня 2025 року Search Arena просила користувачів вводити запити та обирати, яка відповідь моделі краще задовольняє їхні інформаційні потреби.

Модели Sonar від Perplexity перевершили багато провідних сучасних моделей, зокрема Gemini 2.0 Flash та GPT 4o Search. Наша модель Sonar-Reasoning-Pro досягла оцінки 1136, розділивши першу позицію з Gemini-2.5-Pro-Grounding (1142) за статистичними показниками.

У прямих порівняннях модель Sonar-Reasoning-Pro-High перемагала Gemini-2.5-Pro-Grounding у 53% випадків.

Оцінювання Search Arena виявило три чинники, які тісно корелюють із вподобаннями користувачів:

Довші відповіді (коеф. 0.255, p<0.05)
Вища кількість цитувань (коеф. 0.234, p<0.05)
Цитування із загальнодоступних вебджерел

Рейтинг показав чітку перевагу користувачів на користь моделей із розширеними можливостями міркування: Sonar-Reasoning-Pro та Sonar-Reasoning зайняли дві з трьох найкращих позицій. Контрольні експерименти підтвердили ці висновки, показавши, що контролювання кількості цитувань призводить до зближення рейтингів моделей, що свідчить про глибину пошуку як суттєвий диференціатор продуктивності.

Моделі Sonar від Perplexity мали суттєво більшу глибину пошуку: ppl-sonar-pro-high цитувала у 2-3 рази більше джерел, ніж еквівалентні моделі Gemini.

Для користувачів Perplexity ці результати підтверджують, що моделі Sonar забезпечують найкращу у своєму класі точність, вичерпне зазначення джерел та високоякісні відповіді на широке кола тем.

Користувачі Perplexity Pro можуть і надалі користуватися перевагами цих найкращих моделей, встановивши Sonar як модель за замовчуванням у налаштуваннях. Користувачі API можуть отримати доступ до цих можливостей через наші пропозиції Sonar API з гнучкими режимами пошуку для балансування продуктивності та економічності.

Хоча ми пишаємося цим досягненням, ми залишаємося зосередженими на постійному вдосконаленні. Оцінювання Search Arena надає цінні інсайди щодо вподобань користувачів, які спрямовуватимуть наші подальші зусилля з розробки.

Приєднуйтеся до співзасновника та технічного директора Perplexity Дениса Яраца (Denis Yarats) на огляд нашого API 24 квітня о 11:00 за тихоокеанським часом. Денис розповість про API Perplexity, поділиться результатами бенчмарків та варіантами використання API.

Зареєструйтеся тут.

Почніть роботу з Sonar.

Коротко:

Тестування у Search Arena

Результати продуктивності моделей Sonar

Що це означає для користувачів

Знайомство з Sonar