Sonar Reasoning Pro ist die auf Reasoning ausgerichtete Sonar-Auswahl von Perplexity für Forschungsfragen mit mehreren voneinander abhängigen Schritten. Der Hersteller sieht seine Rolle im mehrstufigen Browsen und im Zusammenführen vieler Quellen. Das Ergebnis ist eine recherchierte Textantwort, die die gefundenen Belege auf das zu lösende Problem bezieht.
Verwenden Sie diese Auswahl, wenn das Auffinden eines Fakts nur den ersten Teil der Aufgabe bildet. Eine Frage kann erfordern, die relevante Regel zu ermitteln, Belege für eine Ausnahme zu finden und anschließend festzustellen, wie diese Teile eine Schlussfolgerung verändern. Formulieren Sie diese Kette in der Aufgabe, damit die Antwort auf den Zusammenhang zwischen den Erkenntnissen eingeht, statt unverbundene Suchzusammenfassungen vorzulegen.
Für eine technische Untersuchung geben Sie das genaue Produkt oder die Komponente, das beobachtete Verhalten und die Bedingungen an, unter denen es auftritt. Verlangen Sie die Dokumentation, die das Verhalten erklärt, konkurrierende Erklärungen und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis trennt, was eine Quelle aussagt, was das Modell daraus ableitet und wofür noch eine Beobachtung aus der Anwendung benötigt wird.
Für einen Recherchevergleich legen Sie die gemeinsamen Kriterien fest, bevor Sie das Modell Informationen sammeln lassen. Vergleichen Sie Alternativen beispielsweise anhand derselben dokumentierten Funktion, Einschränkung und Einsatzbedingung. Fordern Sie eine Belegtabelle mit anschließender Schlussfolgerung an und lassen Sie Widersprüche zwischen Quellen sichtbar. So wird eine Antwort aus mehreren Quellen als Entscheidungsgrundlage oder als Ausgangspunkt einer tiefergehenden Untersuchung nutzbar.
Eine Folgefrage sollte das ursprüngliche Ziel beibehalten und die neue Bedingung benennen. Klärt eine Suche einen Teil des Problems, lässt aber einen anderen offen, soll sich die nächste Gesprächsrunde auf diese ungelöste Abhängigkeit konzentrieren. Halten Sie die relevanten bisherigen Erkenntnisse verfügbar, damit die Schlussfolgerungen auf den bereits gesammelten Belegen aufbauen.
Schlussfolgerungen aus abgerufenen Informationen und das Ausführen einer externen Aktion sind separate Stufen der Anwendung. Das Modell kann das Rechercheergebnis erklären oder einen nächsten Schritt vorschlagen; die Anwendung stellt erforderliche private Datensätze bereit, führt ihre eigenen Werkzeuge aus und liefert bei Bedarf Beobachtungen zurück. So bleibt die endgültige Antwort mit den tatsächlichen Belegen für die Aufgabe verbunden.
", "aboutText": "Sonar Reasoning Pro ist die auf Reasoning ausgerichtete Sonar-Auswahl von Perplexity für Forschungsfragen mit mehreren voneinander abhängigen Schritten. Der Hersteller sieht seine Rolle im mehrstufigen Browsen und im Zusammenführen vieler Quellen. Das Ergebnis ist eine recherchierte Textantwort, die die gefundenen Belege auf das zu lösende Problem bezieht.\n\nVerwenden Sie diese Auswahl, wenn das Auffinden eines Fakts nur den ersten Teil der Aufgabe bildet. Eine Frage kann erfordern, die relevante Regel zu ermitteln, Belege für eine Ausnahme zu finden und anschließend festzustellen, wie diese Teile eine Schlussfolgerung verändern. Formulieren Sie diese Kette in der Aufgabe, damit die Antwort auf den Zusammenhang zwischen den Erkenntnissen eingeht, statt unverbundene Suchzusammenfassungen vorzulegen.\n\nFür eine technische Untersuchung geben Sie das genaue Produkt oder die Komponente, das beobachtete Verhalten und die Bedingungen an, unter denen es auftritt. Verlangen Sie die Dokumentation, die das Verhalten erklärt, konkurrierende Erklärungen und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis trennt, was eine Quelle aussagt, was das Modell daraus ableitet und wofür noch eine Beobachtung aus der Anwendung benötigt wird.\n\nFür einen Recherchevergleich legen Sie die gemeinsamen Kriterien fest, bevor Sie das Modell Informationen sammeln lassen. Vergleichen Sie Alternativen beispielsweise anhand derselben dokumentierten Funktion, Einschränkung und Einsatzbedingung. Fordern Sie eine Belegtabelle mit anschließender Schlussfolgerung an und lassen Sie Widersprüche zwischen Quellen sichtbar. So wird eine Antwort aus mehreren Quellen als Entscheidungsgrundlage oder als Ausgangspunkt einer tiefergehenden Untersuchung nutzbar.\n\nEine Folgefrage sollte das ursprüngliche Ziel beibehalten und die neue Bedingung benennen. Klärt eine Suche einen Teil des Problems, lässt aber einen anderen offen, soll sich die nächste Gesprächsrunde auf diese ungelöste Abhängigkeit konzentrieren. Halten Sie die relevanten bisherigen Erkenntnisse verfügbar, damit die Schlussfolgerungen auf den bereits gesammelten Belegen aufbauen.\n\nSchlussfolgerungen aus abgerufenen Informationen und das Ausführen einer externen Aktion sind separate Stufen der Anwendung. Das Modell kann das Rechercheergebnis erklären oder einen nächsten Schritt vorschlagen; die Anwendung stellt erforderliche private Datensätze bereit, führt ihre eigenen Werkzeuge aus und liefert bei Bedarf Beobachtungen zurück. So bleibt die endgültige Antwort mit den tatsächlichen Belegen für die Aufgabe verbunden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.perplexity/sonar-reasoning-proSonar Reasoning Pro von Perplexity richtet sich an Fragen, die Schlussfolgerungen über mehrere Suchvorgänge und Quellen hinweg erfordern. Es unterstützt mehrstufige Recherchen und das Zusammenführen von Belegen und erstellt eine Antwort, die die Erkenntnisse mit der Frage verbindet.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Sonar Reasoning Pro ist die auf Reasoning ausgerichtete Sonar-Auswahl von Perplexity für Forschungsfragen mit mehreren voneinander abhängigen Schritten. Der Hersteller sieht seine Rolle im mehrstufigen Browsen und im Zusammenführen vieler Quellen. Das Ergebnis ist eine recherchierte Textantwort, die die gefundenen Belege auf das zu lösende Problem bezieht.
Verwenden Sie diese Auswahl, wenn das Auffinden eines Fakts nur den ersten Teil der Aufgabe bildet. Eine Frage kann erfordern, die relevante Regel zu ermitteln, Belege für eine Ausnahme zu finden und anschließend festzustellen, wie diese Teile eine Schlussfolgerung verändern. Formulieren Sie diese Kette in der Aufgabe, damit die Antwort auf den Zusammenhang zwischen den Erkenntnissen eingeht, statt unverbundene Suchzusammenfassungen vorzulegen.
Für eine technische Untersuchung geben Sie das genaue Produkt oder die Komponente, das beobachtete Verhalten und die Bedingungen an, unter denen es auftritt. Verlangen Sie die Dokumentation, die das Verhalten erklärt, konkurrierende Erklärungen und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis trennt, was eine Quelle aussagt, was das Modell daraus ableitet und wofür noch eine Beobachtung aus der Anwendung benötigt wird.
Für einen Recherchevergleich legen Sie die gemeinsamen Kriterien fest, bevor Sie das Modell Informationen sammeln lassen. Vergleichen Sie Alternativen beispielsweise anhand derselben dokumentierten Funktion, Einschränkung und Einsatzbedingung. Fordern Sie eine Belegtabelle mit anschließender Schlussfolgerung an und lassen Sie Widersprüche zwischen Quellen sichtbar. So wird eine Antwort aus mehreren Quellen als Entscheidungsgrundlage oder als Ausgangspunkt einer tiefergehenden Untersuchung nutzbar.
Eine Folgefrage sollte das ursprüngliche Ziel beibehalten und die neue Bedingung benennen. Klärt eine Suche einen Teil des Problems, lässt aber einen anderen offen, soll sich die nächste Gesprächsrunde auf diese ungelöste Abhängigkeit konzentrieren. Halten Sie die relevanten bisherigen Erkenntnisse verfügbar, damit die Schlussfolgerungen auf den bereits gesammelten Belegen aufbauen.
Schlussfolgerungen aus abgerufenen Informationen und das Ausführen einer externen Aktion sind separate Stufen der Anwendung. Das Modell kann das Rechercheergebnis erklären oder einen nächsten Schritt vorschlagen; die Anwendung stellt erforderliche private Datensätze bereit, führt ihre eigenen Werkzeuge aus und liefert bei Bedarf Beobachtungen zurück. So bleibt die endgültige Antwort mit den tatsächlichen Belegen für die Aufgabe verbunden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits perplexity/sonar-reasoning-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Abrechnungsmenge | Gebühr |
|---|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationJe Anfrage | Tarifstaffel— | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmengeeine Anfrage | Gebühr Eingabe $0.01 pro Anfrage |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-reasoning-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='perplexity/sonar-reasoning-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='perplexity/sonar-reasoning-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
perplexity/sonar-reasoning-proSonar Reasoning Pro von Perplexity richtet sich an Fragen, die Schlussfolgerungen über mehrere Suchvorgänge und Quellen hinweg erfordern. Es unterstützt mehrstufige Recherchen und das Zusammenführen von Belegen und erstellt eine Antwort, die die Erkenntnisse mit der Frage verbindet.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Sonar Reasoning Pro ist die auf Reasoning ausgerichtete Sonar-Auswahl von Perplexity für Forschungsfragen mit mehreren voneinander abhängigen Schritten. Der Hersteller sieht seine Rolle im mehrstufigen Browsen und im Zusammenführen vieler Quellen. Das Ergebnis ist eine recherchierte Textantwort, die die gefundenen Belege auf das zu lösende Problem bezieht.
Verwenden Sie diese Auswahl, wenn das Auffinden eines Fakts nur den ersten Teil der Aufgabe bildet. Eine Frage kann erfordern, die relevante Regel zu ermitteln, Belege für eine Ausnahme zu finden und anschließend festzustellen, wie diese Teile eine Schlussfolgerung verändern. Formulieren Sie diese Kette in der Aufgabe, damit die Antwort auf den Zusammenhang zwischen den Erkenntnissen eingeht, statt unverbundene Suchzusammenfassungen vorzulegen.
Für eine technische Untersuchung geben Sie das genaue Produkt oder die Komponente, das beobachtete Verhalten und die Bedingungen an, unter denen es auftritt. Verlangen Sie die Dokumentation, die das Verhalten erklärt, konkurrierende Erklärungen und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis trennt, was eine Quelle aussagt, was das Modell daraus ableitet und wofür noch eine Beobachtung aus der Anwendung benötigt wird.
Für einen Recherchevergleich legen Sie die gemeinsamen Kriterien fest, bevor Sie das Modell Informationen sammeln lassen. Vergleichen Sie Alternativen beispielsweise anhand derselben dokumentierten Funktion, Einschränkung und Einsatzbedingung. Fordern Sie eine Belegtabelle mit anschließender Schlussfolgerung an und lassen Sie Widersprüche zwischen Quellen sichtbar. So wird eine Antwort aus mehreren Quellen als Entscheidungsgrundlage oder als Ausgangspunkt einer tiefergehenden Untersuchung nutzbar.
Eine Folgefrage sollte das ursprüngliche Ziel beibehalten und die neue Bedingung benennen. Klärt eine Suche einen Teil des Problems, lässt aber einen anderen offen, soll sich die nächste Gesprächsrunde auf diese ungelöste Abhängigkeit konzentrieren. Halten Sie die relevanten bisherigen Erkenntnisse verfügbar, damit die Schlussfolgerungen auf den bereits gesammelten Belegen aufbauen.
Schlussfolgerungen aus abgerufenen Informationen und das Ausführen einer externen Aktion sind separate Stufen der Anwendung. Das Modell kann das Rechercheergebnis erklären oder einen nächsten Schritt vorschlagen; die Anwendung stellt erforderliche private Datensätze bereit, führt ihre eigenen Werkzeuge aus und liefert bei Bedarf Beobachtungen zurück. So bleibt die endgültige Antwort mit den tatsächlichen Belegen für die Aufgabe verbunden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits perplexity/sonar-reasoning-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Abrechnungsmenge | Gebühr |
|---|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationJe Anfrage | Tarifstaffel— | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmengeeine Anfrage | Gebühr Eingabe $0.01 pro Anfrage |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "perplexity/sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perplexity/sonar-reasoning-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perplexity/sonar-reasoning-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proSonar Reasoning Pro von Perplexity richtet sich an Fragen, die Schlussfolgerungen über mehrere Suchvorgänge und Quellen hinweg erfordern. Es unterstützt mehrstufige Recherchen und das Zusammenführen von Belegen und erstellt eine Antwort, die die Erkenntnisse mit der Frage verbindet.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Sonar Reasoning Pro ist die auf Reasoning ausgerichtete Sonar-Auswahl von Perplexity für Forschungsfragen mit mehreren voneinander abhängigen Schritten. Der Hersteller sieht seine Rolle im mehrstufigen Browsen und im Zusammenführen vieler Quellen. Das Ergebnis ist eine recherchierte Textantwort, die die gefundenen Belege auf das zu lösende Problem bezieht.
Verwenden Sie diese Auswahl, wenn das Auffinden eines Fakts nur den ersten Teil der Aufgabe bildet. Eine Frage kann erfordern, die relevante Regel zu ermitteln, Belege für eine Ausnahme zu finden und anschließend festzustellen, wie diese Teile eine Schlussfolgerung verändern. Formulieren Sie diese Kette in der Aufgabe, damit die Antwort auf den Zusammenhang zwischen den Erkenntnissen eingeht, statt unverbundene Suchzusammenfassungen vorzulegen.
Für eine technische Untersuchung geben Sie das genaue Produkt oder die Komponente, das beobachtete Verhalten und die Bedingungen an, unter denen es auftritt. Verlangen Sie die Dokumentation, die das Verhalten erklärt, konkurrierende Erklärungen und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis trennt, was eine Quelle aussagt, was das Modell daraus ableitet und wofür noch eine Beobachtung aus der Anwendung benötigt wird.
Für einen Recherchevergleich legen Sie die gemeinsamen Kriterien fest, bevor Sie das Modell Informationen sammeln lassen. Vergleichen Sie Alternativen beispielsweise anhand derselben dokumentierten Funktion, Einschränkung und Einsatzbedingung. Fordern Sie eine Belegtabelle mit anschließender Schlussfolgerung an und lassen Sie Widersprüche zwischen Quellen sichtbar. So wird eine Antwort aus mehreren Quellen als Entscheidungsgrundlage oder als Ausgangspunkt einer tiefergehenden Untersuchung nutzbar.
Eine Folgefrage sollte das ursprüngliche Ziel beibehalten und die neue Bedingung benennen. Klärt eine Suche einen Teil des Problems, lässt aber einen anderen offen, soll sich die nächste Gesprächsrunde auf diese ungelöste Abhängigkeit konzentrieren. Halten Sie die relevanten bisherigen Erkenntnisse verfügbar, damit die Schlussfolgerungen auf den bereits gesammelten Belegen aufbauen.
Schlussfolgerungen aus abgerufenen Informationen und das Ausführen einer externen Aktion sind separate Stufen der Anwendung. Das Modell kann das Rechercheergebnis erklären oder einen nächsten Schritt vorschlagen; die Anwendung stellt erforderliche private Datensätze bereit, führt ihre eigenen Werkzeuge aus und liefert bei Bedarf Beobachtungen zurück. So bleibt die endgültige Antwort mit den tatsächlichen Belegen für die Aufgabe verbunden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits sonar-reasoning-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Abrechnungsmenge | Gebühr |
|---|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationJe Anfrage | Tarifstaffel— | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmengeeine Anfrage | Gebühr Eingabe $0.01 pro Anfrage |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-reasoning-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="sonar-reasoning-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
sonar-reasoning-proSonar Reasoning Pro von Perplexity richtet sich an Fragen, die Schlussfolgerungen über mehrere Suchvorgänge und Quellen hinweg erfordern. Es unterstützt mehrstufige Recherchen und das Zusammenführen von Belegen und erstellt eine Antwort, die die Erkenntnisse mit der Frage verbindet.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Sonar Reasoning Pro ist die auf Reasoning ausgerichtete Sonar-Auswahl von Perplexity für Forschungsfragen mit mehreren voneinander abhängigen Schritten. Der Hersteller sieht seine Rolle im mehrstufigen Browsen und im Zusammenführen vieler Quellen. Das Ergebnis ist eine recherchierte Textantwort, die die gefundenen Belege auf das zu lösende Problem bezieht.
Verwenden Sie diese Auswahl, wenn das Auffinden eines Fakts nur den ersten Teil der Aufgabe bildet. Eine Frage kann erfordern, die relevante Regel zu ermitteln, Belege für eine Ausnahme zu finden und anschließend festzustellen, wie diese Teile eine Schlussfolgerung verändern. Formulieren Sie diese Kette in der Aufgabe, damit die Antwort auf den Zusammenhang zwischen den Erkenntnissen eingeht, statt unverbundene Suchzusammenfassungen vorzulegen.
Für eine technische Untersuchung geben Sie das genaue Produkt oder die Komponente, das beobachtete Verhalten und die Bedingungen an, unter denen es auftritt. Verlangen Sie die Dokumentation, die das Verhalten erklärt, konkurrierende Erklärungen und die Belege, die sie unterscheiden. Ein hilfreiches Ergebnis trennt, was eine Quelle aussagt, was das Modell daraus ableitet und wofür noch eine Beobachtung aus der Anwendung benötigt wird.
Für einen Recherchevergleich legen Sie die gemeinsamen Kriterien fest, bevor Sie das Modell Informationen sammeln lassen. Vergleichen Sie Alternativen beispielsweise anhand derselben dokumentierten Funktion, Einschränkung und Einsatzbedingung. Fordern Sie eine Belegtabelle mit anschließender Schlussfolgerung an und lassen Sie Widersprüche zwischen Quellen sichtbar. So wird eine Antwort aus mehreren Quellen als Entscheidungsgrundlage oder als Ausgangspunkt einer tiefergehenden Untersuchung nutzbar.
Eine Folgefrage sollte das ursprüngliche Ziel beibehalten und die neue Bedingung benennen. Klärt eine Suche einen Teil des Problems, lässt aber einen anderen offen, soll sich die nächste Gesprächsrunde auf diese ungelöste Abhängigkeit konzentrieren. Halten Sie die relevanten bisherigen Erkenntnisse verfügbar, damit die Schlussfolgerungen auf den bereits gesammelten Belegen aufbauen.
Schlussfolgerungen aus abgerufenen Informationen und das Ausführen einer externen Aktion sind separate Stufen der Anwendung. Das Modell kann das Rechercheergebnis erklären oder einen nächsten Schritt vorschlagen; die Anwendung stellt erforderliche private Datensätze bereit, führt ihre eigenen Werkzeuge aus und liefert bei Bedarf Beobachtungen zurück. So bleibt die endgültige Antwort mit den tatsächlichen Belegen für die Aufgabe verbunden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits sonar-reasoning-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Abrechnungsmenge | Gebühr |
|---|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmenge— | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.016 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationJe Anfrage | Tarifstaffel— | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Abrechnungsmengeeine Anfrage | Gebühr Eingabe $0.01 pro Anfrage |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "sonar-reasoning-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sonar-reasoning-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sonar-reasoning-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra perplexity/sonar-reasoning-pro, sonar-reasoning-pro
/chat/completions
Technisches Beispiel auf Englisch
Connect a documented exception to a failure\n\nUse only these supplied documentation excerpts. D1: 'Expired access tokens cause error E7.' D2: 'A valid refresh token can obtain a new access token.' D3: 'Refresh is unavailable after account closure.' Log L1: 'E7; account status closed.' Explain the evidence chain, distinguish the likely cause from the permitted recovery path and list one unresolved fact.An evidence table and a short multi-step conclusion retaining source labels and uncertainty.The answer must not recommend refresh as available for the closed account or claim a live lookup occurred.