Perplexity Sonar thống trị đánh giá Search Arena mới

TL;DR

• Hạng #1: Sonar-Reasoning-Pro-High đạt Điểm Arena là 1136 (±21/−19), đồng hạng nhất một cách sít sao với Gemini-2.5-Pro-Grounding của Google (1142 +14/-17). Trong các trận đối đầu trực tiếp, Sonar-Reasoning-Pro-High đã vượt qua Gemini-2.5-Pro-Grounding 53% số lần.
• Sự thống trị của Sonar: Các model của Perplexity chiếm giữ các vị trí từ 1 đến 4, vượt trội hơn hẳn so với các model được đánh giá khác từ Google và OpenAI.
• Lợi thế suy luận: Các model tích hợp khả năng suy luận (sonar-reasoning-pro và sonar-reasoning) xếp hạng cao hơn, phù hợp với sở thích chung của người dùng đối với các model suy luận (top 3 trên bảng xếp hạng).
• Độ sâu tìm kiếm: Các model Sonar thực hiện tìm kiếm sâu hơn và xem xét nhiều nguồn hơn, trích dẫn trung bình nhiều hơn gấp 2-3 lần so với các model Gemini tương đương.

______

LM Arena vừa phát hành bảng xếp hạng Search Arena mới so sánh các hệ thống LLM được tăng cường tìm kiếm dựa trên sở thích của con người. Model Sonar-Reasoning-Pro của Perplexity đã đồng hạng nhất với Gemini-2.5-Pro-Grounding, trong khi các model Sonar còn lại đều vượt trội hơn Gemini-2.0-Flash-Grounding và tất cả các model tìm kiếm web của OpenAI.

Phóng to

Đánh giá chuẩn trên Search Arena

Khác với trọng tâm của SimpleQA là độ chính xác về mặt sự thật hẹp, LM Arena đánh giá cách các model hoạt động trên các truy vấn thực tế của người dùng trên các lĩnh vực lập trình, viết lách, nghiên cứu và đề xuất. Với Search Arena, việc đánh giá tập trung vào các sự kiện hiện tại và bao gồm các lời nhắc dài hơn, phức tạp hơn, thu thập hơn 10.000 lượt lựa chọn sở thích của người dùng trên 11 model. Từ ngày 18 tháng 3 đến ngày 13 tháng 4 năm 2025, Search Arena đã yêu cầu người dùng đưa ra lời nhắc và chọn phản hồi model nào đáp ứng tốt hơn nhu cầu thông tin của họ.

Kết quả hiệu suất của model Sonar

Các model Sonar của Perplexity đã vượt trội hơn nhiều model tiên tiến hàng đầu bao gồm Gemini 2.0 Flash và GPT 4o Search. Model Sonar-Reasoning-Pro của chúng tôi đạt điểm 1136, đồng hạng sít sao với Gemini-2.5-Pro-Grounding (1142) ở vị trí dẫn đầu.

Phóng to

Đánh giá của Search Arena đã tiết lộ ba yếu tố có mối tương quan chặt chẽ với sở thích của người dùng:

• Phản hồi dài hơn (hệ số 0.255, p<0.05)
• Số lượng trích dẫn cao hơn (hệ số 0.234, p<0.05)
• Trích dẫn từ các nguồn web cộng đồng

Bảng xếp hạng cho thấy người dùng ưu tiên rõ rệt các model được tăng cường khả năng suy luận, với Sonar-Reasoning-Pro và Sonar-Reasoning chiếm hai trong ba vị trí dẫn đầu. Các thí nghiệm kiểm soát đã củng cố những phát hiện này, cho thấy việc kiểm soát các trích dẫn khiến thứ hạng của các model hội tụ lại, cho thấy độ sâu tìm kiếm là một yếu tố khác biệt đáng kể về hiệu suất.

Phóng to

Ý nghĩa đối với người dùng

Đối với người dùng Perplexity, những kết quả này xác nhận rằng các model Sonar cung cấp độ chính xác tốt nhất trong phân khúc, khả năng quy nguồn toàn diện và các phản hồi chất lượng cao trên nhiều chủ đề.

Người dùng Perplexity Pro có thể tiếp tục hưởng lợi từ các model có hiệu suất hàng đầu này bằng cách đặt Sonar làm model mặc định của họ trong phần cài đặt. Người dùng API có thể truy cập các tính năng này thông qua các dịch vụ Sonar API của chúng tôi với các chế độ tìm kiếm linh hoạt để cân bằng giữa hiệu suất và chi phí hiệu quả

Mặc dù chúng tôi tự hào về thành tựu này, chúng tôi vẫn tập trung vào việc cải tiến liên tục. Đánh giá của Search Arena cung cấp những thông tin giá trị về sở thích của người dùng để định hướng cho các nỗ lực phát triển tiếp theo của chúng tôi.

Phóng to

Giới thiệu về Sonar

Hãy tham gia cùng đồng sáng lập kiêm CTO của Perplexity, Denis Yarats, để có cái nhìn tổng quan về API của chúng tôi vào ngày 24 tháng 4 lúc 11 giờ sáng theo giờ Thái Bình Dương (PT). Denis sẽ trình bày tổng quan về các API của Perplexity, chia sẻ kết quả đánh giá chuẩn và các trường hợp sử dụng API.

Đăng ký tại đây.

Bắt đầu với Sonar.