2026年生成式搜索报告Top2：Sonar与Pro版优缺点对比

Perplexity宣称推出全新的API服务, 该服务可提供即时生成式搜索功能, 借助网络连接以及对可信来源的信息搜索, 以此提升生成式人工智能结果的事实性与准确度, 其API存在两个层级, 其中Sonar API着重于轻量化设计以及成本效益, 而Sonar Pro API是针对有处理复杂查询需求的企业进行优化的。

声呐应用程序编程接口给出迅速、即刻的网页搜索结果, 还附上参考文献以此来提升信息可信度, 这个服务适配基础问答应用, 像是行动应用程序内侧的查询功能或者客服系统。然而, 声呐专业应用程序编程接口更进一步提高性能, 能够处理多步骤查询以及长篇上下文，并且联合来自多来源的信息检索, 给出更为深入、可靠的答复, 它平均参考文献数量是声呐应用程序编程接口的两倍, 格外适用于企业级应用场景, 诸如业务决策支持或者高精度信息检索。

有一款名为SimpleQA的语言模型事实性的基准测试工具, 它专门被用来评估语言模型, 在回答简短并且事实性问题时的准确度表现。依据测试结果可知, Sonar API的F-score是0.773, 而Sonar Pro API呢, 则于SimpleQA基准测试的F-score取得了0.858, 呈现出其生成式搜索具有的高性能以及实用性。

当下, 该API服务能够被整合到不一样的应用里, 涵盖销售、医疗以及视频会议等方面。Perplexity给出的案例有, Zoom借助Sonar Pro API于视频会议期间提供即时查询功能, 致使用户不用切换到别的应用就能迅速获取所需信息。同时, Perplexity官方着重表明, Sonar和Sonar Pro API一概严格遵循数据隐私原则, 保证用户数据不会被用于模型训练。

观点

现今, 大模型工具增添了联网检索功能, 然而, 好像无法搜索实时联网信息, 正确性只是相对增强。不过, 当前大模型普遍存在的“幻觉”（Hallucination）问题, 其本质是缺少实时、权威的数据锚点。

将网络检索与可信来源进行结构化处理, Perplexity在技术路径方面达成了动态知识更新。传统大模型其训练数据存有时间滞后性, 像GPT-4训练数据截至2023年10月, 然而Perplexity的实时检索机制能够捕获突发新闻、最新科研成果这类动态信息, 促使生成式AI从“通用聊天”朝着“专业知识服务”方向演进。