Découvrez le nouveau Sonar : Un modèle ultra-rapide optimisé pour la recherche Perplexity

À partir d'aujourd'hui, tous les utilisateurs de Perplexity Pro pourront essayer la dernière version de Sonar, le modèle interne de Perplexity optimisé pour la qualité des réponses et l'expérience utilisateur. Construit sur Llama 3.3 70B, Sonar a été davantage entraîné pour améliorer la factualité et la lisibilité des réponses dans le mode de recherche par défaut de Perplexity.

Grâce à des tests A/B en ligne complets, nous avons constaté que Sonar surpasse significativement les modèles de sa catégorie, comme le GPT-4o mini et le Claude 3.5 Haiku, tout en égalant voire dépassant la performance des modèles de pointe comme le GPT-4o et le Claude 3.5 Sonnet pour la satisfaction des utilisateurs. Propulsé par l'infrastructure d'inférence Cerebras, Sonar fonctionne à une vitesse fulgurante de 1200 tokens par seconde — permettant une génération de réponses presque instantanée.

Les utilisateurs de Perplexity préfèrent Sonar

Nous avons mené des tests A/B en ligne approfondis de Sonar pour mesurer la satisfaction des utilisateurs — un indicateur clé fortement corrélé à l'utilisation du produit et à la rétention. Cet indicateur capture à quel point les utilisateurs sont satisfaits et engagés lorsqu'ils posent des questions sur Perplexity.

Nos évaluations montrent que Sonar dépasse à la fois le GPT-4o mini et le Claude 3.5 Haiku par une marge substantielle. Nous avons également comparé Sonar à des modèles de pointe plus coûteux et avons constaté qu'il surpasse le Claude 3.5 Sonnet tout en s'approchant étroitement de la performance du GPT-4o à une fraction du prix et plus de 10 fois la vitesse.

Une vitesse fulgurante permet des réponses instantanées

Propulsé par l'infrastructure d'inférence Cerebras, Sonar délivre des réponses à des vitesses fulgurantes, atteignant un débit de décodage presque 10 fois plus rapide que des modèles comparables comme le Gemini 2.0 Flash. Cela permet une génération de réponses presque instantanée, ce qui fait de Sonar un modèle idéal pour la récupération rapide d'informations ou les cas d'utilisation de réponse à des questions détaillées.

Sonar excelle à fournir des réponses factuelles et de haute qualité

Nous avons optimisé Sonar selon deux dimensions critiques fortement corrélées à la satisfaction des utilisateurs — la factualité des réponses et leur lisibilité.

• Factualité des réponses : Évalue la capacité d'un modèle à répondre aux questions en utilisant des faits fondés sur les résultats de recherche, et sa capacité à résoudre les informations conflictuelles ou manquantes

• Lisibilité : Mesure la capacité d’un modèle à fournir une réponse concise et détaillée avec l’utilisation appropriée de la mise en forme markdown pour organiser le texte

Nos résultats démontrent que Sonar améliore considérablement ces aspects par rapport au modèle de base, Llama 3.3 70B Instruct, et même surpasse d'autres modèles de pointe dans ces domaines clés†.

En outre, Sonar dépasse également les modèles de sa catégorie comme le GPT-4o mini et le Claude 3.5 Haiku sur les benchmarks académiques qui évaluent la conformité aux instructions de l'utilisateur et la connaissance mondiale.

• IFEval : Mesure la capacité d'un modèle à se conformer aux instructions fournies par l'utilisateur

• MMLU : Évalue les connaissances mondiales dans divers domaines

Comment Sonar répond aux questions

À quoi ressemblent l'augmentation de la factualité et de la lisibilité dans la pratique ? Comparez ces recherches, qui ont été effectuées à la fois sur Sonar et sur d'autres modèles pour voir la différence.

Utilisez Sonar dès aujourd'hui

Sonar excelle à fournir des réponses rapides et précises, en faisant un excellent modèle pour une utilisation quotidienne. Les utilisateurs de Perplexity Pro peuvent faire de Sonar leur modèle par défaut dans leurs paramètres. Il peut également être utilisé via l'offre API Sonar*.

Notes de bas de page

• †Ces évaluations sont notées sur une échelle de 0 à 100, où plus est mieux

• *Le modèle Sonar servi via l'API ne fonctionne pas encore sur l'infrastructure d'inférence Cerebras, mais ce sera le cas bientôt