Perplexity: Sonar Pro Search

Perplexity: Sonar Pro Search is een tekstmodel van Perplexity, vrijgegeven door de provider op 30 oktober 2025. Het wordt beschreven als Perplexity's meest geavanceerde agentische zoeksysteem, gebouwd voor diepere redenering en analyse, en het is uitsluitend beschikbaar via de API en niet via het consumentenproduct. Als je al andere modellen via api14 routeert, is dit de Perplexity-inzending gericht op zoekintensieve workloads in plaats van gewone chat.

Het model accepteert tekst- en afbeeldingsinvoer en retourneert tekstuitvoer. Het heeft een contextvenster van 200.000 tokens en een maximale uitvoer van 8.000 tokens. Omdat het een agentisch zoeksysteem is, kunnen verzoeken worden gecombineerd met webzoekopties, en het model ondersteunt een redeneermodus evenals een optie om redenering in het antwoord op te nemen. Die combinatie maakt het geschikt voor vragen waarbij het antwoord afhangt van actuele informatie plus enige analyse van wat is opgehaald, in plaats van een enkele doorgang over een statische prompt.

Praktische toepassingen volgen uit die eigenschappen. Onderzoeksassistenten die bronnen moeten verzamelen en vervolgens moeten vergelijken of samenvatten, passen van nature, net als concurrentie- en marktscans waarbij de onderliggende feiten vaak veranderen. Afbeeldingsinvoer breidt dit uit naar taken zoals het lezen van een screenshot, grafiek of documentpagina en vervolgens zoeken naar gerelateerde context. Analyse-intensieve workflows, zoals het samenbrengen van bevindingen over meerdere onderwerpen in één beargumenteerd antwoord, sluiten ook goed aan op het agentische zoekontwerp. Eenvoudige generatietaken zonder retrieval-component zijn meestal goedkoper en eenvoudiger op een standaard tekstmodel.

Je roept het aan via api14's OpenAI-compatibele API met het model-id "perplexity/sonar-pro-search". De ondersteunde verzoekparameters zijn frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, structured_outputs, temperature, top_k, top_p en web_search_options. In de praktijk stel je web_search_options in wanneer je wilt dat het zoekgedrag wordt geactiveerd, gebruik je reasoning of include_reasoning wanneer je de redenering van het model naar voren wilt laten komen, en vertrouw je op structured_outputs wanneer het resultaat door code moet worden geparseerd. Sampling-besturingen zoals temperature, top_p en top_k, samen met de penalty-parameters en max_tokens, gedragen zich zoals bij andere OpenAI-compatibele endpoints.

De belangrijkste beperkingen om in gedachten te houden zijn het uitvoerplafond van 8.000 tokens en de tekst-only uitvoermodaliteit, dus zeer lange gegenereerde documenten of niet-tekstuele uitvoer vallen buiten bereik. Invoerafbeeldingen worden geaccepteerd, maar het antwoord is altijd tekst. Als je taak geen zoeken of meerstapsredenering nodig heeft, is een algemeen tekstmodel waarschijnlijk een betere keuze.