AI 搜索引擎企业 Perplexity 推出的新版 Sonar 搜索模型，其在速度和回答质量上表现优异，已向特定用户开放并将提供 API 服务。
-
模型概况：基于 Llama 3.3 70B 深化训练，为搜索应用定制，运行于 Cerebras 推理基础设施。
-
-
解码速度快：Token 解码速度达每秒 1200 个，是 Gemini 2.0 Flash 的 约8.5 倍，远超 Gemini 2.0 Flash，能近乎即时生成答案。
-
回答质量高：根据Perplexity的内部测试，Sonar在用户满意度指标上大幅优于GPT-4o mini和Claude 3.5 Haiku，与 Claude 3.5 Sonnet 相当，和 GPT-4o 差距微小。两大核心竞争力是事实性回答能力强和熟练运用 markdown 格式，保证回答准确且文本可读性高。
-
应用情况：已向 Perplexity Pro 订阅用户开放，还将以 API 形式对外服务，有望推动搜索体验变革。
-
内容示例：网页展示了 Sonar 和 Claude 3.5 Haiku 对 “MacBook M1 Chip” 问题的回答，Sonar 的回答从芯片设计、核心参数、应用机型等方面详细介绍，内容更丰富。
