Perplexity: Sonar Reasoning Pro

Perplexity: Sonar Reasoning Pro är en textgenereringsmodell från Perplexity, släppt av leverantören den 7 mars 2025. Den tillhör textkategorin och är byggd som en förstklassig resonemangsmodell som drivs av DeepSeek R1 med Chain of Thought. Om du redan dirigerar andra Perplexity-modeller genom din stack kommer den här från samma leverantör och följer samma allmänna åtkomstmönster.

Modellen tar emot text- och bildindata och returnerar text. Dess kontextfönster är 128 000 tokens, och maximal utdata är 115 200 tokens, så både långa indata och långa svar är genomförbara inom en enda begäran. Eftersom det är en resonemangsmodell med Chain of Thought kan den visa sin resonemangsprocess, vilket du styr genom parametrarna reasoning och include_reasoning. Den kombinationen av en stor kontext, bildindata och explicit resonemangsutdata gör den lämplig för uppgifter där svaret drar nytta av mellanliggande steg snarare än ett enda direkt svar.

Praktiska användningar följer av dessa egenskaper. Du kan skicka ett dokument, en skärmbild eller ett diagram tillsammans med en fråga och be om en analys som går igenom logiken. Problem i flera steg, strukturerade jämförelser och frågor som kräver avvägning av flera bevisbitar passar naturligt, eftersom modellen kan resonera innan den producerar den slutliga texten. Parametern web_search_options låter dig också koppla sökbeteende till en begäran, vilket hjälper när svaret beror på aktuell information snarare än bara det som finns i prompten. Med en kontext på 128 000 tokens kan du tillhandahålla stort källmaterial och fortfarande lämna utrymme för ett detaljerat svar.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "perplexity/sonar-reasoning-pro". De begärandeparametrar som stöds är frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, temperature, top_k, top_p och web_search_options. Om du porterar befintlig OpenAI-liknande kod förblir begäransformen densamma och du ändrar bara modell-id:t och lägger till de parametrar du behöver.

Tänk på taket för utdata: max_tokens kan gå upp till 115 200, men både resonemangstokens och det slutliga svaret tar av den budgeten, så lämna utrymme när du vill ha ett långt svar. Om din uppgift är enkel textgenerering utan behov av Chain of Thought, bildindata eller sökning kan en lättare textmodell vara ett bättre val.