नए Sonar से मिलें: Perplexity खोज के लिए अनुकूलित मॉडल

आज से, सभी Perplexity Pro उपयोगकर्ता Sonar के नवीनतम संस्करण को आज़मा सकेंगे, जो कि Perplexity का इन-हाउस मॉडल है और इसे उत्तर की गुणवत्ता तथा उपयोगकर्ता अनुभव के लिए अनुकूलित किया गया है। Llama 3.3 70B पर निर्मित, Sonar को Perplexity के डिफ़ॉल्ट खोज मोड के लिए उत्तर की तथ्यात्मकता और पठनीयता को बढ़ाने के लिए विशेष रूप से प्रशिक्षित किया गया है।

व्यापक ऑनलाइन A/B परीक्षण के माध्यम से, हमने पाया है कि Sonar अपने वर्ग के मॉडलों, जैसे GPT-4o mini और Claude 3.5 Haiku, से काफी बेहतर प्रदर्शन करता है, जबकि उपयोगकर्ता संतुष्टि के मामले में यह GPT-4o और Claude 3.5 Sonnet जैसे अग्रणी मॉडलों के प्रदर्शन के बराबर या उससे बेहतर है। Cerebras इन्फरेंस इंफ्रास्ट्रक्चर द्वारा संचालित, Sonar 1200 टोकन प्रति सेकंड की तीव्र गति से चलता है — जो लगभग तत्काल उत्तर निर्माण को संभव बनाता है।

Perplexity उपयोगकर्ता Sonar को प्राथमिकता देते हैं

हमने उपयोगकर्ता संतुष्टि को मापने के लिए Sonar का व्यापक ऑनलाइन A/B परीक्षण किया — यह एक प्रमुख मेट्रिक है जो उत्पाद के उपयोग और प्रतिधारण (retention) से मजबूती से जुड़ा हुआ है। यह मेट्रिक यह मापता है कि Perplexity पर प्रश्न पूछने के दौरान उपयोगकर्ता कितने संतुष्ट और संलग्न रहते हैं।

हमारा मूल्यांकन दर्शाता है कि Sonar, GPT-4o mini और Claude 3.5 Haiku दोनों से काफी बेहतर है। हमने अधिक महंगे अग्रणी मॉडलों के साथ भी Sonar की तुलना की और पाया कि यह Claude 3.5 Sonnet से बेहतर प्रदर्शन करता है, जबकि कम कीमत और 10 गुना से अधिक गति के साथ यह GPT-4o के प्रदर्शन के करीब पहुंचता है।

अत्यंत तीव्र गति तत्काल उत्तरों को सक्षम बनाती है

Cerebras इन्फरेंस इंफ्रास्ट्रक्चर द्वारा संचालित, Sonar अत्यंत तीव्र गति से उत्तर प्रदान करता है, जो Gemini 2.0 Flash जैसे तुलनीय मॉडलों की तुलना में लगभग 10 गुना अधिक डिकोडिंग थ्रूपुट प्राप्त करता है। यह लगभग तत्काल उत्तर निर्माण को सक्षम बनाता है, जो Sonar को त्वरित जानकारी प्राप्त करने या विस्तृत प्रश्न-उत्तर उपयोग के मामलों के लिए आदर्श बनाता है।

Sonar तथ्यात्मक और उच्च गुणवत्ता वाले उत्तर प्रदान करने में उत्कृष्ट है

हमने दो महत्वपूर्ण आयामों पर Sonar को अनुकूलित किया है जो उपयोगकर्ता संतुष्टि से मजबूती से जुड़े हैं — उत्तर की तथ्यात्मकता और पठनीयता।

उत्तर की तथ्यात्मकता: यह मापता है कि कोई मॉडल खोज परिणामों में निहित तथ्यों का उपयोग करके प्रश्नों का उत्तर कितनी अच्छी तरह दे सकता है, और परस्पर विरोधी या गायब जानकारी को हल करने की इसकी क्षमता कितनी है।

पठनीयता: यह पाठ को व्यवस्थित करने के लिए मार्कडाउन फ़ॉर्मेटिंग के उचित उपयोग के साथ संक्षिप्त और विस्तृत उत्तर प्रदान करने की मॉडल की क्षमता को मापता है।

हमारे परिणाम प्रदर्शित करते हैं कि Sonar आधार मॉडल, Llama 3.3 70B Instruct, की तुलना में इन पहलुओं में काफी सुधार करता है, और यहां तक कि इन प्रमुख क्षेत्रों में अन्य अग्रणी मॉडलों से भी आगे निकल जाता है†।

इसके अतिरिक्त, Sonar शैक्षणिक बेंचमार्क पर भी GPT-4o mini और Claude 3.5 Haiku जैसे इन-क्लास मॉडलों से आगे है, जो उपयोगकर्ता द्वारा दिए गए निर्देशों का पालन करने और विश्व ज्ञान को मापते हैं।

IFEval: यह मापता है कि कोई मॉडल उपयोगकर्ता द्वारा दिए गए निर्देशों का कितनी अच्छी तरह पालन करता है।

MMLU: यह विविध क्षेत्रों में विश्व ज्ञान का मूल्यांकन करता है।

Sonar प्रश्नों का उत्तर कैसे देता है

अभ्यास में बढ़ी हुई तथ्यात्मकता और पठनीयता कैसी दिखती है? इन खोजों की तुलना करें, जो Sonar और अन्य मॉडलों पर की गई थीं, ताकि अंतर देखा जा सके।

आज ही Sonar का उपयोग करें

Sonar तेज़ और सटीक उत्तर प्रदान करने में उत्कृष्ट है, जो इसे दैनिक उपयोग के लिए एक बेहतरीन मॉडल बनाता है। Perplexity Pro उपयोगकर्ता अपनी सेटिंग्स में Sonar को अपना डिफ़ॉल्ट मॉडल बना सकते हैं। इसका उपयोग Sonar API ऑफ़रिंग* के माध्यम से भी किया जा सकता है।

फुटनोट्स

†इन मूल्यांकनों को 0 से 100 के पैमाने पर आंका गया है, जहाँ उच्च स्कोर बेहतर है।

*API के माध्यम से प्रदान किया जाने वाला Sonar मॉडल अभी तक Cerebras इन्फरेंस इंफ्रास्ट्रक्चर पर नहीं चल रहा है, लेकिन यह जल्द ही आने वाला है।