Perplexity: Sonar Deep Research

Perplexity: Sonar Deep Research è un modello testuale orientato alla ricerca di Perplexity, l'azienda dietro la famiglia Sonar di modelli basati sulla ricerca. È stato rilasciato dal provider il 7 marzo 2025. È pensato per lavori di ricerca complessi e multi-step piuttosto che per risposte conversazionali rapide, e si colloca nella categoria testo su api14, quindi è destinato alla lettura e alla scrittura di testo anziché a immagini o audio.

Il modello funziona eseguendo recupero, sintesi e ragionamento multi-step su un argomento. Anziché rispondere con una singola passata, cerca, legge e valuta autonomamente le fonti, e affina il proprio approccio man mano che raccoglie materiale. Accetta testo come input e restituisce testo come output. La finestra di contesto è di 128.000 token, e l'output massimo è di 115.200 token, il che lascia ampio spazio per report lunghi e ricchi di fonti.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. Si adatta a domande che richiedono prove raccolte da più fonti e poi combinate in un'unica risposta coerente: rassegne della letteratura e di mercato, ricerca di background su un'azienda o una tecnologia, confronto di posizioni tra fonti, e stesura di lunghi brief in cui il ragionamento deve essere esplicitato. Poiché il modello legge e valuta le fonti come parte dell'esecuzione, è una scelta ragionevole quando si desidera una sintesi scritta anziché una singola ricerca fattuale.

Lo si chiama tramite api14 usando l'API compatibile con OpenAI con il model id "perplexity/sonar-deep-research". I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k, top_p e web_search_options. Poiché l'interfaccia è compatibile con OpenAI, è possibile puntare un client OpenAI esistente su api14 e impostare il modello su questo id. I parametri reasoning e include_reasoning permettono di esporre l'output di ragionamento del modello se lo si desidera, e web_search_options offre il controllo sul lato di recupero dell'esecuzione.

Tieni presente il suo focus quando lo scegli. È un modello di ricerca e sintesi, quindi per chat a bassa latenza, estrazione semplice o classificazione ad alto volume, un modello testuale più leggero sarà di solito la scelta migliore. Se hai bisogno di input di immagini o audio, questo modello non è quello giusto, dato che gestisce solo testo.