Perplexity: Sonar Deep Research

Perplexity: Sonar Deep Research es un modelo de texto centrado en la investigación de Perplexity, la empresa detrás de la familia Sonar de modelos basados en búsqueda. Fue lanzado por el proveedor el 7 de marzo de 2025. Está orientado a trabajo de investigación complejo y de varios pasos en lugar de respuestas conversacionales rápidas, y se sitúa en la categoría de texto en api14, por lo que está pensado para leer y escribir texto, no para imágenes o audio.

El modelo funciona ejecutando recuperación, síntesis y razonamiento de varios pasos sobre un tema. En lugar de responder en una sola pasada, busca, lee y evalúa fuentes de forma autónoma, y refina su enfoque a medida que reúne material. Acepta texto como entrada y devuelve texto como salida. La ventana de contexto es de 128.000 tokens, y la salida máxima es de 115.200 tokens, lo que deja mucho espacio para informes largos y con muchas fuentes.

Esas capacidades apuntan a un conjunto de usos bastante específico. Encaja en preguntas que necesitan evidencia extraída de varios lugares y luego combinada en una única respuesta coherente: análisis de literatura y de mercado, investigación de antecedentes sobre una empresa o tecnología, comparación de posturas entre fuentes, y redacción de informes largos donde el razonamiento debe exponerse. Como el modelo lee y pondera fuentes como parte de la ejecución, es una opción razonable cuando quieres una síntesis escrita en lugar de una única consulta factual.

Se llama a través de api14 usando la API compatible con OpenAI con el id de modelo "perplexity/sonar-deep-research". Los parámetros de solicitud que admite son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k, top_p y web_search_options. Como la interfaz es compatible con OpenAI, puedes apuntar un cliente OpenAI existente a api14 y establecer el modelo en este id. Los parámetros reasoning e include_reasoning te permiten mostrar la salida de razonamiento del modelo si la quieres, y web_search_options te da control sobre el lado de recuperación de la ejecución.

Ten presente su enfoque cuando lo elijas. Es un modelo de investigación y síntesis, así que para chat de baja latencia, extracción simple o clasificación de alto volumen, un modelo de texto más ligero suele ser la mejor opción. Si necesitas entrada de imagen o audio, este modelo no es el indicado, ya que solo maneja texto.