Perplexity: Sonar Reasoning Pro

Perplexity: Sonar Reasoning Pro to model generowania tekstu od Perplexity, wydany przez dostawcę 7 marca 2025. Należy do kategorii tekstowej i został zbudowany jako wiodący model rozumowania oparty na DeepSeek R1 z Chain of Thought. Jeśli już kierujesz inne modele Perplexity przez swój stos, ten pochodzi od tego samego dostawcy i stosuje ten sam ogólny wzorzec dostępu.

Model przyjmuje dane wejściowe w postaci tekstu i obrazów, a zwraca tekst. Jego okno kontekstowe wynosi 128 000 tokenów, a maksymalne wyjście to 115 200 tokenów, więc zarówno długie dane wejściowe, jak i długie odpowiedzi są możliwe w ramach jednego żądania. Ponieważ jest to model rozumowania z Chain of Thought, może ujawnić swój proces rozumowania, który kontrolujesz za pomocą parametrów reasoning i include_reasoning. To połączenie dużego kontekstu, wprowadzania obrazów i jawnego wyjścia rozumowania sprawia, że nadaje się do zadań, w których odpowiedź korzysta z kroków pośrednich, a nie z pojedynczej bezpośredniej odpowiedzi.

Praktyczne zastosowania wynikają z tych cech. Możesz wysłać dokument, zrzut ekranu lub diagram wraz z pytaniem i poprosić o analizę, która przechodzi przez logikę. Problemy wieloetapowe, ustrukturyzowane porównania i pytania wymagające rozważenia kilku dowodów są naturalnym zastosowaniem, ponieważ model może rozumować przed wygenerowaniem końcowego tekstu. Parametr web_search_options pozwala także dołączyć zachowanie wyszukiwania do żądania, co pomaga, gdy odpowiedź zależy od bieżących informacji, a nie tylko od tego, co znajduje się w prompcie. Dzięki kontekstowi 128 000 tokenów możesz dostarczyć duży materiał źródłowy i nadal pozostawić miejsce na szczegółową odpowiedź.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "perplexity/sonar-reasoning-pro". Obsługiwane parametry żądania to frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k, top_p i web_search_options. Jeśli przenosisz istniejący kod w stylu OpenAI, kształt żądania pozostaje taki sam, a ty tylko zmieniasz identyfikator modelu i dodajesz potrzebne parametry.

Pamiętaj o górnym limicie wyjścia: max_tokens może wynosić do 115 200, ale tokeny rozumowania i końcowa odpowiedź oba czerpią z tego budżetu, więc pozostaw zapas, gdy chcesz uzyskać długą odpowiedź. Jeśli twoje zadanie to proste generowanie tekstu bez potrzeby Chain of Thought, wprowadzania obrazów lub wyszukiwania, lżejszy model tekstowy może być lepszym wyborem.