Search API：更好的提取、動態基準測試

在 9 月，我們發布了 Perplexity Search API 架構的技術總覽，並推出了 search_evals，這是我們的開源評估框架，用於在工作流程中對搜尋 API 進行基準測試。自那時起，我們投入最多心力的就是摘要品質，並從兩個面向進行優化：關聯性與大小。在正確的時間返回正確數量的內容，直接決定了下游答案的準確度與權杖效率。為了達成這個目標，我們建構了用於提取、跨度層級標記與評估的新系統，其中最顯著的是一個跨度標記管線，能夠識別來源文件的哪些片段對於給定查詢具有回應性。

為了系統化地改善摘要，我們設計了一個全新的評估系統。針對給定的查詢與文件，該系統會根據文件片段與查詢的關聯性來識別並標記其中的片段：必須包含在摘要中的「至關重要」片段、應排除的各種「不相關」片段類別、重複內容以及其他分類。這種跨度層級的標記讓我們能以前所未有的精確度評估摘要品質，同時衡量哪些內容被正確包含以及哪些內容被正確省略。

實際上，這些改進讓我們能夠產生與查詢關聯性更高且更小的摘要。我們具備自我改善功能的內容理解管線現在可處理更廣泛的結構化資料格式，包含表格、巢狀清單，以及早期規則集無法可靠解析的動態算繪內容。

這些改進源自我們自己的生產系統。隨著內部研究推動摘要關聯性與大小的提升，內部評估顯示，在進行一系列品質改進後，較小的內容預算實際上能產生更準確的結果。我們對預設組態進行了一些修改以反映我們的發現，在減少回應酬載大小與延遲的同時，為每個結果提供更多實用內容。對開發者而言，更小且更相關的摘要直接轉化為更低的權杖成本，以及更佳的下游 LLM 上下文管理。

SEAL 基準測試用於檢驗檢索系統是否能回答其正確回應會隨時間改變的問題。要進行可靠的回答，需要即時的索引新鮮度、從各種持續更新的資料來源中進行更聰明的摘要提取，以及能夠識別目前數值而非歷史數值的解析能力。

當我們使用 Claude Sonnet 4.5 針對 2 月 22 日發布的 SEAL 執行 search_evals 時，Perplexity 的分數上升，而其他提供者在 SEAL-Hard 上的分數則下降：

我們已擴充 search_evals 框架，將 SEAL 納入其中，以及我們 9 月文章中所報導的基準測試。更新後的結果與方法可在 GitHub 上的更新儲存庫中取得。

此 API 現在單一請求中最多支援 5 個查詢。結果會依據提交的相同順序分組返回。這減少了需要平行發出相關搜尋之應用程式的來回傳輸次數，例如將複雜問題拆解為多個檢索子任務的代理程式。

除了網域過濾（允許清單與拒絕清單，最多 20 個網域）和時效過濾外，API 現在還支援依 ISO 639-1 代碼進行語言過濾，以及依 ISO 國家代碼進行區域搜尋。這些可以組合使用以精確界定結果範圍，例如限制僅顯示來自德國網域的英文結果。

Python SDK（pip install perplexityai）現在對 Search API 提供原生支援，以及 Agent API 和 Sonar API。

完整說明文件請參閱 docs.perplexity.ai

在跨度層級評估摘要

SEAL：對時間敏感的檢索進行基準測試

多查詢支援

擴充過濾

SDK 與可用性