Perplexity: Sonar Pro Search

Perplexity: Sonar Pro Search es un modelo de texto de Perplexity, publicado por el proveedor el 30 de octubre de 2025. Se describe como el sistema de búsqueda agéntica más avanzado de Perplexity, diseñado para un razonamiento y análisis más profundos, y está disponible exclusivamente a través de la API en lugar del producto de consumo. Si ya estás enrutando otros modelos a través de api14, esta es la entrada de Perplexity orientada a cargas de trabajo intensivas en búsqueda en lugar de chat simple.

El modelo acepta entrada de texto e imágenes y devuelve salida de texto. Tiene una ventana de contexto de 200.000 tokens y una salida máxima de 8.000 tokens. Debido a que es un sistema de búsqueda agéntica, las solicitudes se pueden combinar con opciones de búsqueda web, y el modelo admite un modo de razonamiento, así como una opción para incluir el razonamiento en la respuesta. Esa combinación lo hace adecuado para preguntas en las que la respuesta depende de información actual más algún análisis de lo recuperado, en lugar de una sola pasada sobre un prompt estático.

Los usos prácticos se derivan de esos rasgos. Los asistentes de investigación que necesitan reunir fuentes y luego compararlas o resumirlas encajan de forma natural, al igual que los análisis competitivos y de mercado en los que los hechos subyacentes cambian con frecuencia. La entrada de imágenes amplía esto a tareas como leer una captura de pantalla, un gráfico o una página de documento y luego buscar contexto relacionado. Los flujos de trabajo intensivos en análisis, como reunir hallazgos de varios temas en una única respuesta razonada, también encajan bien con el diseño de búsqueda agéntica. Las tareas de generación sencillas sin componente de recuperación suelen ser más baratas y simples en un modelo de texto estándar.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "perplexity/sonar-pro-search". Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k, top_p y web_search_options. En la práctica, establecerías web_search_options cuando quieras que se active el comportamiento de búsqueda, usarías reasoning o include_reasoning cuando necesites que se muestre el razonamiento del modelo, y confiarías en structured_outputs cuando el resultado tenga que ser analizado por código. Los controles de muestreo como temperature, top_p y top_k, junto con los parámetros de penalización y max_tokens, se comportan como lo hacen para otros endpoints compatibles con OpenAI.

Las principales restricciones a tener en cuenta son el límite de salida de 8.000 tokens y la modalidad de salida solo texto, por lo que los documentos generados muy largos o las salidas que no sean texto quedan fuera de alcance. Se aceptan imágenes de entrada, pero la respuesta siempre es texto. Si tu tarea no necesita búsqueda o razonamiento de varios pasos, un modelo de texto de propósito general probablemente se ajuste mejor.