PPLX ஆன்லைன் LLM-களை அறிமுகப்படுத்துகிறோம்

இதுபோன்ற முதல் ஆன்லைன் LLM API ஆகும்.

இரண்டு புதிய PPLX மாதிரிகளை வழங்குவதில் நாங்கள் மகிழ்ச்சியடைகிறோம்: pplx-7b-online மற்றும் pplx-70b-online! எங்களது ஆன்லைன் மாதிரிகள் பயனுள்ள, தற்போதைய மற்றும் உண்மைத் தகவல்களை வழங்குவதில் கவனம் செலுத்துகின்றன, மேலும் இவை pplx-api மூலம் பொதுமக்களுக்குக் கிடைக்கின்றன, இது ஒரு முதல் வகை API ஆகும். pplx-7b-online மற்றும் pplx-70b-online ஆகியவை எங்களது LLM பிளேகிரவுண்டான Perplexity Labs மூலமாகவும் அணுகக்கூடியவை.

LLM-கள் நாம் தகவல்களைக் கண்டறியும் முறையை மாற்றியுள்ளன. இருப்பினும், இன்றைய பெரும்பாலான LLM-களில் இரண்டு வரம்புகள் உள்ளன:

புத்துணர்ச்சி: LLM-கள் பெரும்பாலும் புதுப்பித்த தகவலைப் பகிர சிரமப்படுகின்றன.

மாயத்தோற்றங்கள்: LLM-கள் தவறான அறிக்கைகளையும் வெளியிடலாம்.

எங்களது pplx-7b-online மற்றும் pplx-70b-online மாதிரிகள், பதில்களில் பயனுள்ள, உண்மையான மற்றும் புதுப்பித்த தகவல்களை வழங்குவதன் மூலம் தற்போதைய வரம்புகளை நிவர்த்தி செய்கின்றன.

PPLX ஆன்லைன் LLM-கள்

எங்களது LLM-கள், pplx-7b-online மற்றும் pplx-70b-online, ஆன்லைன் LLM-கள் ஆகும், ஏனெனில் அவைகளால் இணையத்திலிருந்து அறிவைப் பயன்படுத்த முடியும், இதனால் ஒரு பதிலை உருவாக்கும் போது மிகவும் புதுப்பித்த தகவலைப் பயன்படுத்த முடியும். எங்களது LLM-களுக்கு வலையிலிருந்து அறிவை வழங்குவதன் மூலம், எங்களது மாதிரிகள் நேரத்திற்கு உணர்திறன் கொண்ட வினவல்களுக்குத் துல்லியமாகப் பதிலளிக்கின்றன, இது அதன் பயிற்சித் தொகுப்பிற்கு அப்பால் அறிவைத் திறக்கிறது. இதன் பொருள் Perplexity-இன் ஆன்லைன் LLM-களால் ஆஃப்லைன் மாதிரிகளுக்குச் சவாலான “நேற்றிரவு வாரியர்ஸ் விளையாட்டு ஸ்கோர் என்ன?” போன்ற வினவல்களுக்குப் பதிலளிக்க முடியும். உயர் மட்டத்தில், எங்களது ஆன்லைன் LLM எவ்வாறு செயல்படுகிறது என்பது இங்கே:

1. திறந்த மூல மாதிரிகளைப் பயன்படுத்துங்கள்: எங்களது PPLX மாதிரிகள் mistral-7b மற்றும் llama2-70b அடிப்படை மாதிரிகளின் மேல் கட்டமைக்கப்பட்டுள்ளன.
2. உள் தேடல் தொழில்நுட்பம்: எங்களது உள் தேடல், குறியீட்டு மற்றும் கிராவ்லிங் உள்கட்டமைப்பு மிகவும் பொருத்தமான, புதுப்பித்த மற்றும் மதிப்புமிக்க தகவல்களுடன் LLM-களை மேம்படுத்த அனுமதிக்கிறது. எங்களது தேடல் குறியீடு பெரியது, வழக்கமான இடைவெளியில் புதுப்பிக்கப்படுகிறது, மற்றும் உயர் தரம், SEO செய்யப்படாத தளங்களுக்கு முன்னுரிமை அளிக்கப்படுவதை உறுதி செய்ய அதிநவீன தரவரிசை அல்காரிதம்களைப் பயன்படுத்துகிறது. வலைத்தளச் சுருக்கங்கள், “snippets” என்று நாம் அழைப்பவை, மிகவும் புதுப்பித்த தகவலுடன் பதில்களை இயக்க எங்களது pplx-online மாதிரிகளுக்கு வழங்கப்படுகின்றன.
3. ஃபைன்-டியூனிங்: எங்களது PPLX மாதிரிகள் தங்கள் பதில்களைத் தெரிவிக்க சுருக்கங்களை திறம்படப் பயன்படுத்த ஃபைன்-டியூன் செய்யப்பட்டுள்ளன. எங்களது உள் தரவு ஒப்பந்தக்காரர்களைப் பயன்படுத்தி, பயனுள்ள தன்மை, உண்மைத்தன்மை மற்றும் புத்துணர்ச்சி போன்ற பல்வேறு அச்சுகளில் உயர் செயல்திறனை அடைய உயர் தரம், மாறுபட்ட மற்றும் பெரிய பயிற்சித் தொகுப்புகளை நாங்கள் கவனமாகத் தொகுக்கிறோம். செயல்திறனைத் தொடர்ந்து மேம்படுத்த எங்களது மாதிரிகள் নিয়মিতமாக ஃபைன்-டியூன் செய்யப்படுகின்றன.

Perplexity-இன் ஆன்லைன் LLM-களை மதிப்பீடு செய்தல்

Perplexity-இன் நோக்கம் உலகின் சிறந்த பதில் இயந்திரத்தை உருவாக்குவதாகும் - இது மக்கள் தங்கள் அறிவைக் கண்டறியவும் விரிவுபடுத்தவும் நம்பும் ஒன்றாகும். இதை அடைவதற்கு, பயனுள்ள, உண்மையான மற்றும் புதுப்பித்த தகவல்களை வழங்குவதில் நாங்கள் ஆழ்ந்த கவனம் செலுத்துகிறோம். இந்த அச்சுகளில் எங்களது LLM-களின் செயல்திறனை பெஞ்ச்மார்க் செய்ய, பதில் இயந்திரங்களுக்கான சவாலான மற்றும் யதார்த்தமான பயன்பாட்டு நிகழ்வுகளைப் பிரதிபலிக்க மதிப்பீட்டு தரவுத்தொகுப்புகளைத் தொகுத்துள்ளோம். ஒவ்வொரு மதிப்பீட்டுத் தொகுப்பிலும் உள்ள ஒவ்வொரு வினவலுக்கும், ஒப்பந்தக்காரர்களுக்கு இரண்டு மாதிரி பதில்கள் வழங்கப்பட்டு, பின்வரும் அளவுகோல்களுக்குச் சிறப்பாகச் செயல்பட்ட பதிலைத் தேர்ந்தெடுக்க அறிவுறுத்தப்பட்டனர்:

• பயனுள்ள தன்மை: எந்தப் பதில் வினவலுக்கும் குறிப்பிட்ட வழிமுறைகளுக்கும் சிறப்பாகப் பதிலளிக்கிறது?
• உண்மைத்தன்மை: மிகத் துல்லியமான அல்லது முக்கிய அறிவு தேவைப்படும் கேள்விகளுக்குக் கூட, மாயத்தோற்றங்கள் இல்லாமல் எந்தப் பதில் மிகவும் துல்லியமான பதில்களை வழங்குகிறது?
• புத்துணர்ச்சி (FreshLLMs ஆல் ஈர்க்கப்பட்டது): எந்தப் பதில் மிகவும் புதுப்பித்த தகவலைக் கொண்டுள்ளது? ஒரு மாதிரி “புதிய” தகவலுடன் வினவல்களுக்குப் பதிலளிக்க முடிந்தால், அது இந்த அளவுகோலில் சிறந்து விளங்குகிறது.

மேலே உள்ள மூன்று அளவுகோல்களுக்கு மேலதிகமாக, மாதிரி பதில்களும் முழுமையாக மதிப்பீடு செய்யப்பட்டன. பதில்களை முழுமையாக மதிப்பீடு செய்ய, மதிப்பீட்டாளர்கள் கேள்வியுடன் உதவும் மனித உதவியாளரிடமிருந்து பெற விரும்பும் பதிலைத் தேர்ந்தெடுக்குமாறு கேட்டுக் கொள்ளப்பட்டனர்.

மதிப்பீட்டுத் தொகுப்பைத் தொகுத்தல்

இந்த மதிப்பீட்டிற்காக, பயனுள்ள தன்மை, உண்மைத்தன்மை மற்றும் புத்துணர்ச்சி ஆகியவற்றை திறம்பட மதிப்பீடு செய்யும் குறிக்கோளுடன் மாறுபட்ட தூண்டுதல்களின் தொகுப்பை நாங்கள் கவனமாகத் தொகுத்துள்ளோம். தரவின் தரம் மற்றும் பொருத்தம் மீதான உயர் மட்டக் கட்டுப்பாட்டை உறுதிசெய்து, ஒவ்வொரு தூண்டுதலும் கைமுறையாகத் தேர்ந்தெடுக்கப்பட்டது. தரவுத்தொகுப்பு பரந்த அளவிலான பதில் இயந்திரத் தூண்டுதல்களை உள்ளடக்கியது மற்றும் Perplexity சிறந்து விளங்க விரும்பும் எதன் விரிவான கண்ணோட்டத்தையும் உள்ளடக்கியது. எங்களது மாதிரி செயல்திறன் மதிப்பீடுகள் உயர் சமிக்ஞையைக் கொண்டிருக்க இது எங்களுக்கு முக்கியமானதாகும்.

மூன்று மதிப்பீட்டுத் தொகுப்புகளில் ஒவ்வொன்றும் 50 தூண்டுதல்களைக் கொண்டுள்ளன. இந்தத் தொகுப்புகளிலிருந்து சில எடுத்துக்காட்டுகள் பின்வருமாறு:

• பயனுள்ள தன்மை: உலகக் கோப்பை இறுதிப் போட்டிகளில் விளையாடிய அனைத்து அமெரிக்க கால்பந்து வீரர்களின் அட்டவணையை உருவாக்கி, கோல்கள், அசிஸ்ட்கள் போன்ற அவற்றின் புள்ளிவிவரங்களுக்கான நெடுவரிசைகளை உருவாக்கவும்.
• உண்மைத்தன்மை: AISI 1015 மற்றும் AISI 1040 எஃகுகளின் கடினத்தன்மையை விளக்கவும்.
• புதுப்பித்த தன்மை: 2023 இல் சான் ஃபிரான்சிஸ்கோவில் எந்தத் தன்னாட்சி கார் நிறுவனம் தடை செய்யப்பட்டது?

மாதிரி பதில்களை உருவாக்குதல்

நாங்கள் நான்கு மாதிரிகளை மதிப்பீடு செய்தோம்:

pplx-7b-online: Perplexity-இன் மாதிரி, இது இணையத்திலிருந்து தகவலுக்கான அணுகலை உள்ளடக்கியது. இந்த மாதிரி mistral-7b ஐப் பயன்படுத்தி ஃபைன்-டியூன் செய்யப்பட்டது.

pplx-70b-online: Perplexity-இன் மாதிரி, இது இணையத்திலிருந்து தகவலுக்கான அணுகலை உள்ளடக்கியது. இந்த மாதிரி llama2-70b ஐப் பயன்படுத்தி ஃபைன்-டியூன் செய்யப்பட்டது.

gpt-3.5-turbo-1106: OpenAI-இன் மாதிரி, API வழியாக அணுகப்படுகிறது மற்றும் கூடுதல் விரிவாக்கங்கள் இல்லை. சமீபத்திய gpt-3.5 மாதிரியைப் பயன்படுத்தி இந்த மதிப்பீட்டை நாங்கள் நடத்தினோம் என்பதை நினைவில் கொள்ளவும்.

llama2-70b-chat: Meta AI-இன் மாதிரி, எங்களது pplx-api வழியாக அணுகப்படுகிறது மற்றும் கூடுதல் விரிவாக்கங்கள் இல்லை.

ஒவ்வொரு தூண்டுதலுக்கும், அதே தேடல் முடிவுகள் மற்றும் சுருக்கங்கள் pplx-7b-online மற்றும் pplx-70b-online மாதிரிகளுக்கு வழங்கப்பட்டன. அனைத்து பதில்களும் ஒரே ஹைப்பர்பராமீட்டர்கள் மற்றும் கணினித் தூண்டுதலைப் பயன்படுத்தி உருவாக்கப்பட்டன.

கணினித் தூண்டுதல்

மனித மதிப்பீட்டுடன் மாதிரி பதில்களைத் தரவரிசைப்படுத்துதல்

ஒவ்வொரு ஜோடி ஒப்பீட்டிற்கும், எங்களது உள் ஒப்பந்தக்காரர்களுக்கு தூண்டுதல், மதிப்பீட்டு அளவுகோல் (அதாவது, பயனுள்ள தன்மை, உண்மைத்தன்மை அல்லது புத்துணர்ச்சி), மற்றும் பக்கவாட்டில் காட்டப்படும் மாதிரி பதில்கள் வழங்கப்பட்டன. ஒவ்வொரு திருப்பத்திலும் பதில்களின் வரிசை சீரற்றதாக்கப்பட்டது, மேலும் மூல மாதிரிகள் மதிப்பீட்டாளருக்கு வெளிப்படுத்தப்படவில்லை. மதிப்பீட்டாளர்கள் தாங்கள் முழுமையாக விரும்பும் பதிலைத் தேர்ந்தெடுக்க அறிவுறுத்தப்பட்டனர், அத்துடன் குறிப்பிட்ட மதிப்பீட்டு அளவுகோலில் எது சிறப்பாகச் செயல்படுகிறது என்பதையும் தேர்ந்தெடுக்க அறிவுறுத்தப்பட்டனர், இரண்டிற்கும் டைகள் அனுமதிக்கப்பட்டன. இறுதியாக, பதில்களின் துல்லியத்தைச் சரிபார்க்க இணையத் தேடலைப் பயன்படுத்த மதிப்பீட்டாளர்கள் அனுமதிக்கப்பட்டனர். இந்த மதிப்பீட்டை நடத்த நாங்கள் எங்களது சொந்த உள் விருப்பமான தரவரிசை eszkózt உருவாக்கினோம்.

மதிப்பீட்டு முடிவுகள்

ஒவ்வொரு மாதிரிக்கும் பணி வாரியான Elo ஸ்கோர்களைக் கணக்கிட மனித மதிப்பீட்டிலிருந்து சேகரிக்கப்பட்ட ஜோடி விருப்பத் தரவரிசைகளைப் பயன்படுத்துகிறோம். வீரர்களின் உறவினர் செயல்திறனை அளவிட டோர்னமென்ட் பாணி போட்டிகளில் வீரர்களின் மக்களைத் தரவரிசைப்படுத்த Elo ஸ்கோர்கள் பொதுவாகப் பயன்படுத்தப்படுகின்றன. பெரிய மொழி மாதிரிகளுக்குப் பயன்படுத்தப்படும் போது, இந்த ஸ்கோர்கள் ஒரு மனித மதிப்பீட்டாளர் ஒரு மாதிரியின் வெளியீட்டை மற்றொன்றை விட விரும்புவதற்கான நிகழ்தகவைக் கணிக்கின்றன.

வீரர்களின் திறன்களில் மாற்றங்களைக் கணக்கிட ஒரு வரிசை ஒப்பீடுகளுக்கு Elo ஸ்கோர்கள் வழக்கமாகக் கணக்கிடப்பட்டாலும், திறன்கள் மாற முடியாத மாதிரிகளின் செயல்திறனை அளவிட நாங்கள் இலக்கு வைத்துள்ளோம். அதற்கேற்ப, Duan மற்றும் பலர் இல் விவரிக்கப்பட்டுள்ள பூட்ஸ்ட்ராப் Elo முறையை நாங்கள் ஏற்றுக்கொள்கிறோம், மேலும் இது lmsys ஆல் அவர்களின் Chatbot Arena க்காகப் பயன்படுத்தப்படுகிறது, இது ஒப்பீடுகளின் பல சீரற்ற வரிசை மாற்றங்களுக்கு Elo ஸ்கோர்களைக் கணக்கிடுவதை உள்ளடக்கியது. எங்களது கணக்கீடுகளுக்கு, 5000 வரிசை மாற்றங்களுக்கு மேல் Elo ஸ்கோர்களைக் கணக்கிட்டோம் மற்றும் 95% நம்பிக்கை இடைவெளிகளைக் கணக்கிட இந்த Elo ஸ்கோர்களின் விநியோகங்களைப் பயன்படுத்தினோம்.

படம் 1 இல் காட்டப்பட்டுள்ள முடிவுகள், Perplexity தொடர்பான பயன்பாட்டு நிகழ்வுகளில் எங்களது PPLX மாதிரிகள் gpt-3.5 செயல்திறனுடன் பொருந்தக்கூடும் மற்றும் அதை விட அதிகமாகவும் முடியும் என்பதை நிரூபிக்கின்றன. குறிப்பாக, pplx-7b-online மற்றும் pplx-70b-online மாதிரி பதில்கள் துல்லியமான மற்றும் புதுப்பித்த பதில்களுக்காக மனித மதிப்பீட்டாளர்களால் gpt-3.5 மற்றும் llama2-70b மாதிரி பதில்களை விட விரும்பப்படுகின்றன.

pplx-7b-online மற்றும் pplx-70b-online ஆகியவை புத்துணர்ச்சி, உண்மைத்தன்மை, மற்றும் முழுமையான அளவுகோல்களில் gpt-3.5 மற்றும் llama2-70b ஐ விட நன்றாகச் செயல்படுகின்றன.

மதிப்பீட்டிலிருந்து ஜோடி வெற்றி விகிதங்களையும் நாங்கள் கணக்கிட்டோம். படம் 2 இல் காட்டப்பட்டுள்ள முடிவுகள், ஆச்சரியப்படத்தக்க வகையில், pplx ஆன்லைன் மாதிரி பதில்கள் புத்துணர்ச்சி மற்றும் உண்மைத்தன்மை ஆகியவற்றில் மற்றவர்களை விட விரும்பப்படுகின்றன என்பதை விளக்குகின்றன.

எங்களது புத்துணர்ச்சி மதிப்பீட்டு தரவுத்தொகுப்பிலிருந்து ஒரு எடுத்துக்காட்டு இங்கே.

தூண்டுதல்: USA-ல் எத்தனை பேருக்கு ஓட்டுநர் உரிமம் உள்ளது?

pplx-7b-online

2023 இல், அமெரிக்காவில் மதிப்பிடப்பட்ட 243.4 மில்லியன் உரிமம் பெற்ற ஓட்டுநர்கள் உள்ளனர், இதில் 9% அமெரிக்கப் பெரியவர்கள் அடங்குவர். இந்த எண் 2022 இல் 238.6 மில்லியனில் இருந்து அதிகரித்துள்ளது. உரிமம் பெற்ற ஓட்டுநர்களின் சதவீதம் வெவ்வேறு வயதுக் குழுக்கள் மற்றும் மாநிலங்களில் வேறுபடுகிறது. எடுத்துக்காட்டாக, 2019 இல், 84.1% அமெரிக்க மக்கள் தொகை ஓட்டுநர் உரிமத்தைக் கொண்டிருந்தது. உரிமம் பெற்ற ஓட்டுநர்களின் அதிக சதவீதம் 25 முதல் 49 வயதுடையவர்களிடையே உள்ளது, 90.1% மக்கள் ஓட்டுநர் உரிமத்தைக் கொண்டுள்ளனர். கலிபோர்னியாவில், 27 மில்லியன் உரிமம் பெற்ற ஓட்டுநர்கள் இருந்தனர், இது அதிக எண்ணிக்கையிலான உரிமம் பெற்ற ஓட்டுநர்களைக் கொண்ட மாநிலமாக மாற்றியது.

pplx-70b-online

2021 இல், அமெரிக்காவில் சுமார் 233 மில்லியன் மக்கள் செல்லுபடியாகும் ஓட்டுநர் உரிமங்களைக் கொண்டிருந்தனர். 2023 ஆம் ஆண்டிற்குள், அமெரிக்காவில் உரிமம் பெற்ற ஓட்டுநர்களின் எண்ணிக்கை 243.4 மில்லியனை எட்டும் என்று கணிக்கப்பட்டுள்ளது, இதில் 89% அமெரிக்கப் பெரியவர்கள் அடங்குவர். இது 2022 இல் 238.6 மில்லியனில் இருந்து அதிகரிப்பதைக் குறிக்கிறது.

gpt-3.5

AI மொழி மாதிரியாக, எனக்கு რეல்-டைம் தரவுக்கான அணுகல் இல்லை. இருப்பினும், 2021 நிலவரப்படி, அமெரிக்காவில் சுமார் 227 மில்லியன் மக்கள் செல்லுபடியாகும் ஓட்டுநர் உரிமத்தைக் கொண்டிருந்ததாக மதிப்பிடப்பட்டது. அதற்குப் பிறகு இந்த எண் மாறியிருக்கலாம் என்பதை நினைவில் கொள்ளவும், எனவே மிகவும் துல்லியமான தகவலுக்கு எப்போதும் சமீபத்திய அதிகாரப்பூர்வ புள்ளிவிவரங்களைக் குறிப்பிடுவது சிறந்தது.

llama2-70b

எனக்கு რეல்-டைம் தரவுக்கான அணுகல் இல்லை, ஆனால் அமெரிக்காவில் ஓட்டுநர் உரிமம் உள்ளவர்களின் தோராயமான எண்ணிக்கை குறித்த சில தகவல்களை நான் வழங்க முடியும். ஃபெடரல் நெடுஞ்சாலை நிர்வாகத்தின்படி, 2020 நிலவரப்படி அமெரிக்காவில் தோராயமாக 227.8 மில்லியன் உரிமம் பெற்ற ஓட்டுநர்கள் இருந்தனர். இந்த எண் வணிக மற்றும் வணிகம் அல்லாத ஓட்டுநர்கள் இருவரையும் உள்ளடக்கியது. ஓட்டுநர் உரிமம் பெற்றிருக்கலாம் ஆனால் தொடர்ந்து அல்லது அறவே வாகனம் ஓட்டாத தனிநபர்களை இது கணக்கிடாததால், இந்த எண் ஒருவேளை குறைவாக மதிப்பிடப்பட்டிருக்கலாம் என்பதைக் குறிப்பிடுவது மதிப்புள்ளது. கூடுதலாக, இந்த எண் 16 வயதுக்குட்பட்டவர்கள் அல்லது சில குறைபாடுகள் உள்ளவர்கள் போன்ற ஓட்டுநர் உரிமத்திற்குத் தகுதியற்ற தனிநபர்களை உள்ளடக்கியது அல்ல. உரிமம் பெற்ற ஓட்டுநர்களின் எண்ணிக்கை மாநிலத்திற்கு மாநிலம் மாறுபடலாம் என்பதைக் கவனிக்க வேண்டியதும் முக்கியம், சில மாநிலங்கள் மற்றவர்களை விட அதிக சதவீத உரிமம் பெற்ற ஓட்டுநர்களைக் கொண்டுள்ளன.

ஒட்டுமொத்தமாக, மதிப்பீட்டு முடிவுகள் Perplexity தொடர்பான பயன்பாட்டு நிகழ்வுகளில் எங்களது PPLX மாதிரிகள் gpt-3.5 மற்றும் llama2-70b உடன் பொருந்தக்கூடும் மற்றும் அதை விட சிறப்பாகச் செயல்படக்கூடும் என்பதை நிரூபிக்கின்றன, குறிப்பாக துல்லியமான மற்றும் புதுப்பித்த பதில்களை வழங்குவதற்கு.

Perplexity-இன் ஆன்லைன் மாதிரிகளை அணுகுதல்

pplx-api பீட்டாவிலிருந்து பொதுப் பொது வெளியீட்டிற்கு வெளியேறுவதை அறிவிப்பதில் நாங்கள் மகிழ்ச்சியடைகிறோம்! எங்களது pplx-7b-online மற்றும் pplx-70b-online மாதிரிகள் pplx-api வழியாக அணுகப்படுவது இதுவே முதல்முறையாகும். கூடுதலாக, எங்களது pplx-7b-chat மற்றும் pplx-70b-chat மாதிரிகள் ஆல்ஃபாவிலிருந்து வெளியேறிவிட்டன, இப்போது எங்களது பொது வெளியீட்டில் அணுகக்கூடியவை.

இதன் மூலம், நாங்கள் புதிய பயன்பாடு சார்ந்த விலை நிர்ணயக் கட்டமைப்பை அறிமுகப்படுத்துகிறோம். ஒளிரும் வேகமான ஊகத்தை வழங்க NVIDIA H100s ஐப் பயன்படுத்தும் எங்களது அதிநவீன உள்கட்டமைப்பை எங்களது பயனர்கள் பயன்படுத்த நாங்கள் உற்சாகமாக இருக்கிறோம். Pro பயனர்கள் மறுநிகழ்வு $5 மாதாந்திர pplx-api கிரெடிட்களைப் பெறுவார்கள். மற்ற அனைத்து பயனர்களுக்கும், பயன்பாட்டின் அடிப்படையில் விலை தீர்மானிக்கப்படும். Pro பயனராகப் பதிவு செய்ய, இங்கே கிளிக் செய்யவும். வணிக விசாரணைகளுக்கு api@perplexity.ai ஐத் தொடர்பு கொள்ளவும்.

கூடுதல் வளங்கள்:

• pplx-api உடன் தொடங்கவும் இங்கே.
• Perplexity Labs உடன் எங்களது ஆன்லைன் மாதிரிகளை இலவசமாக முயற்சிக்கவும்.
• pplx-api ஆவணங்கள் வழியாக எங்களது API பற்றி மேலும் அறிக.
• சிறந்த பதில் இயந்திரத்தை உருவாக்கும் உயர்-தாக்கம், உயர்-வேகக் குழுவில் வேலை செய்ய ஆர்வமா? எங்களுடன் இணையுங்கள்!
• எங்களது வளர்ந்து வரும் Discord சமூகத்தில் இணையுங்கள்!

பங்களிப்பாளர்கள்:

Lauren Yang, Kevin Hu, Aarash Heydari, Gradey Wang, Dmitry Pervukhin, Nikhil Thota, Alexandr Yarats, Max Morozov, Denis Yarats