新モデルSonar：Perplexity検索向けに最適化された超高速モデル

本日より、すべてのPerplexity Proユーザーは、回答の品質とユーザー体験を最適化したPerplexityの自社モデル「Sonar」の最新版をお試しいただけるようになります。Llama 3.3 70Bを基盤として構築されたSonarは、Perplexityのデフォルト検索モードにおいて、回答の事実関係の正確性と読みやすさを高めるための追加学習が行われています。

包括的なオンラインA/Bテストの結果、SonarはGPT-4o miniやClaude 3.5 Haikuといった同クラスのモデルを大幅に凌駕し、GPT-4oやClaude 3.5 Sonnetといった最先端モデルと同等以上のユーザー満足度を達成していることが判明しました。Cerebrasの推論インフラストラクチャを採用したSonarは、秒間1200トークンという非常に高速な推論速度を実現しており、ほぼ瞬時の回答生成を可能にしています。

Perplexityユーザーに選ばれるSonar

当社は、製品の使用頻度や継続率と強く相関する重要な指標であるユーザー満足度を測定するため、Sonarの大規模なオンラインA/Bテストを実施しました。この指標は、ユーザーがPerplexityで質問する際の満足度や関与の度合いを測定するものです。

評価の結果、SonarはGPT-4o miniおよびClaude 3.5 Haikuを大幅に上回ることが示されました。また、より高価な最先端モデルと比較したところ、Claude 3.5 Sonnetを凌駕し、GPT-4oに近いパフォーマンスを、より低コストかつ10倍以上の速度で実現していることが確認されました。

圧倒的な高速化で瞬時の回答を実現

Cerebrasの推論インフラストラクチャを搭載したSonarは、Gemini 2.0 Flashなどの類似モデルと比較して約10倍のデコードスループットを達成し、圧倒的な高速応答を実現しています。これにより、ほぼ瞬時の回答生成が可能となり、クイックな情報検索や詳細な質問応答のユースケースに最適です。

正確で高品質な回答を提供するSonar

当社は、ユーザー満足度と強く相関する「回答の事実関係の正確性」と「読みやすさ」という2つの重要な観点において、Sonarを最適化しました。

回答の事実関係の正確性：検索結果に基づいた事実を用いて、モデルがいかに的確に質問に回答できるか、また、相反する情報や欠落している情報をいかに解決できるかを測定します。

読みやすさ：Markdown形式を適切に用いてテキストを構成し、簡潔かつ詳細な回答を提供するモデルの能力を測定します。

当社の結果は、SonarがベースモデルであるLlama 3.3 70B Instructと比較してこれらの側面を大幅に改善し、主要な分野においては他の最先端モデルさえも凌駕していることを証明しています†。

さらにSonarは、ユーザーの指示への準拠や世界の知識を測定する学術ベンチマークにおいても、GPT-4o miniやClaude 3.5 Haikuといった同クラスのモデルを上回っています。

IFEval：モデルがユーザーの指示にどれだけ忠実に従えるかを測定します。

MMLU：多様な分野における世界の知識を評価します。

Sonarの回答プロセス

事実関係の正確性と読みやすさの向上は、実際にはどのように反映されるのでしょうか。Sonarと他のモデルで行われたこれらの検索結果を比較して、その違いをご確認ください。

今すぐSonarを利用する

Sonarは高速かつ正確な回答を提供することに優れており、日常的な利用に最適なモデルです。Perplexity Proユーザーは、設定からSonarをデフォルトモデルとして選択できます。また、Sonar API*を介して利用することも可能です。

脚注

†これらの評価は0から100のスケールで採点され、数値が高いほど優れていることを示します。

*APIを通じて提供されるSonarモデルは、現時点ではCerebrasの推論インフラストラクチャ上で動作していませんが、近日対応予定です。