搜尋 API：更佳的擷取與動態基準測試

在九月，我們發布了關於 Perplexity Search API 架構的 技術概述，並發布了 search_evals，這是一個用於在代理工作流程中對搜尋 API 進行基準測試的開源評估框架。此後，我們最重要的投入在於摘要品質，並從相關性和大小兩個維度進行了優化。返回正確內容的適當量，直接決定了下游答案的準確性和 token 的效率。為達成此目標，我們構建了用於擷取、片段級標註和評估的新系統，其中最值得注意的是一個片段標註流水線，它可以識別來源文件中哪些區段對給定查詢有響應。

在片段層級評估摘要

為了系統性地改進摘要，我們設計了一個新的評估系統。對於給定的查詢和文件，該系統會根據文件內容與查詢的關係來識別並標註片段：必須包含在摘要中的「關鍵」片段，以及應被排除的各類「不相關」片段、重複內容和其他類別。這種片段級標註使我們能夠以過往無法達到的精確度評估摘要品質，同時測量正確納入的內容與正確排除的內容。

在實踐中，這些改進使我們能夠產生與查詢更相關且體積更小的摘要。我們具備自我改進功能的內容理解流水線，現在能處理更廣泛的結構化數據格式，包括表格、巢狀清單以及過去規則集無法穩定解析的動態渲染內容。

這些改進源自於我們自身的生產系統。隨著我們內部的研究推動了摘要相關性和大小的優化，內部評估顯示，在一系列品質改進之後，較小的內容預算實際上產生了更準確的結果。我們對預設配置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，為每個結果提供更有用的內容。對於開發人員而言，體積更小且更相關的摘要，直接意味著更低的 token 成本以及更好的下游大型語言模型 (LLM) 上下文管理。

SEAL：對時間敏感型檢索進行基準測試

SEAL 基準測試用於檢驗檢索系統是否能回答正確答案會隨時間變化的問題。可靠地回答此類問題需要即時的索引更新、針對各種持續更新數據源的更智慧摘要擷取，以及能識別當前價值而非歷史價值的解析能力。

當我們使用 Claude Sonnet 4.5 對 2 月 22 日發布的 SEAL 執行 search_evals 時，Perplexity 的得分有所提升，而其他供應商在 SEAL-Hard 上的表現則有所下降：

放大

我們已擴展了我們的 search_evals 框架，將 SEAL 與我們九月文章中報告的基準測試一併納入。更新後的結果與方法論可在 GitHub 的 更新儲存庫 中查閱。

多查詢支援

API 現在支援在單一請求中最多 5 個查詢。結果將按提交順序分組返回。這減少了需要並行執行相關搜尋的應用程式之往返次數，例如將複雜問題分解為多個檢索子任務的代理。

擴展篩選功能

除了網域篩選（允許名單與拒絕名單，最多 20 個網域）和近期篩選之外，API 現在支援依 ISO 639-1 代碼進行語言篩選，以及依 ISO 國家代碼進行區域搜尋。這些功能可以結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。

SDK 與可用性

Python SDK (pip install perplexityai) 現已提供對 Search API 的原生支援，同時也支援 Agent API 與 Sonar API。

完整文件請參閱 docs.perplexity.ai