Perplexity: Sonar

Perplexity: Sonar es un modelo de texto de Perplexity, lanzado el 27 de enero de 2025. Perplexity lo describe como ligero, rápido, asequible y sencillo de usar, con citas y la capacidad de personalizar fuentes. Está dirigido a empresas que quieren integrar funciones ligeras de preguntas y respuestas en sus propios productos en lugar de construir un asistente de propósito general desde cero.

El modelo acepta texto e imágenes como entrada y devuelve texto. Tiene una ventana de contexto de 127.072 tokens y una salida máxima de 114.364 tokens, por lo que puede contener entradas largas y producir respuestas largas en una sola llamada. La combinación de entrada de imágenes con salida de texto significa que puede leer una captura de pantalla, un diagrama o una foto junto con una pregunta escrita y responder en prosa. Dado que la descripción del proveedor destaca las citas y las fuentes personalizables, las respuestas pueden fundamentarse en las fuentes que elijas, lo cual importa cuando necesitas mostrar de dónde proviene una respuesta.

Esos rasgos apuntan a un conjunto de usos bastante específico. Las funciones de preguntas y respuestas dentro de un producto son el encaje obvio: widgets de soporte, asistentes de documentación, consultas de conocimiento interno y flujos similares donde un usuario pregunta algo y espera una respuesta breve y con fuentes. La entrada de imágenes amplía esto a casos en los que la pregunta trata sobre algo visual, como preguntar sobre el contenido de una captura de pantalla o de un documento fotografiado. El gran límite de salida se adapta a tareas que necesitan una respuesta escrita larga, como resumir varios documentos o redactar una explicación detallada, mientras que la gran ventana de contexto te permite pasar material de fondo sustancial sin dividirlo.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "perplexity/sonar". Los parámetros de solicitud admitidos son frequency_penalty, max_tokens, presence_penalty, temperature, top_k, top_p y web_search_options. Los primeros seis son los controles habituales de muestreo y longitud, así que puedes ajustar cuán determinista o variada es la salida y limitar cuántos tokens se devuelven. web_search_options es el parámetro al que recurrir cuando quieres que el modelo se apoye en la búsqueda web y es la palanca principal para la personalización de fuentes que menciona el proveedor.

Aquí no hay información sobre límites de velocidad, cifras de latencia ni precisión, así que esos aspectos deben probarse con tu propia carga de trabajo. Si tu tarea es generación de texto pura sin necesidad de citas ni control de fuentes, un modelo de texto simple puede ser más sencillo. Sonar tiene más sentido cuando las respuestas fundamentadas y citadas y la entrada de imágenes opcional son centrales para lo que estás construyendo.