Perplexity: Sonar Pro Search

Perplexity: Sonar Pro Search ist ein Textmodell von Perplexity, das vom Anbieter am 30. Oktober 2025 veröffentlicht wurde. Es wird als Perplexitys fortschrittlichstes agentisches Suchsystem beschrieben, das für tiefergehende Schlussfolgerungen und Analysen entwickelt wurde und ausschließlich über die API und nicht über das Verbraucherprodukt verfügbar ist. Wenn Sie bereits andere Modelle über api14 leiten, ist dies der Perplexity-Eintrag, der auf suchintensive Arbeitslasten statt auf einfachen Chat ausgerichtet ist.

Das Modell akzeptiert Text- und Bildeingaben und gibt Textausgaben zurück. Es hat ein Kontextfenster von 200.000 Tokens und eine maximale Ausgabe von 8.000 Tokens. Da es sich um ein agentisches Suchsystem handelt, können Anfragen mit Web-Suchoptionen kombiniert werden, und das Modell unterstützt einen Reasoning-Modus sowie eine Option, das Reasoning in die Antwort aufzunehmen. Diese Kombination macht es geeignet für Fragen, bei denen die Antwort von aktuellen Informationen plus einer gewissen Analyse des Abgerufenen abhängt, statt von einem einzigen Durchlauf über einen statischen Prompt.

Praktische Anwendungen ergeben sich aus diesen Eigenschaften. Recherche-Assistenten, die Quellen sammeln und diese dann vergleichen oder zusammenfassen müssen, passen naturally, ebenso wie Wettbewerbs- und Marktanalysen, bei denen sich die zugrunde liegenden Fakten häufig ändern. Bildeingabe erweitert dies auf Aufgaben wie das Lesen eines Screenshots, Diagramms oder einer Dokumentseite und die anschließende Suche nach verwandtem Kontext. Analyseintensive Workflows, etwa das Zusammenführen von Erkenntnissen aus mehreren Themen zu einer begründeten Antwort, passen ebenfalls gut zum agentischen Suchdesign. Einfache Generierungsaufgaben ohne Retrieval-Komponente sind in der Regel kostengünstiger und einfacher mit einem Standard-Textmodell.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "perplexity/sonar-pro-search" auf. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k, top_p und web_search_options. In der Praxis würden Sie web_search_options setzen, wenn Sie das Suchverhalten aktivieren möchten, reasoning oder include_reasoning verwenden, wenn Sie das Reasoning des Modells sichtbar machen möchten, und sich auf structured_outputs verlassen, wenn das Ergebnis von Code geparst werden muss. Sampling-Steuerungen wie temperature, top_p und top_k sowie die Penalty-Parameter und max_tokens verhalten sich wie bei anderen OpenAI-kompatiblen Endpunkten.

Die wichtigsten Einschränkungen, die Sie beachten sollten, sind die Obergrenze von 8.000 Tokens für die Ausgabe und die rein textbasierte Ausgabemodalität, sodass sehr lange generierte Dokumente oder Nicht-Text-Ausgaben außerhalb des Rahmens liegen. Eingabebilder werden akzeptiert, aber die Antwort ist immer Text. Wenn Ihre Aufgabe keine Suche oder mehrstufiges Reasoning erfordert, ist ein Allzweck-Textmodell wahrscheinlich besser geeignet.