Sonar Pro Search es el modo Pro Search de Perplexity para Sonar Pro, diseñado para responder preguntas que requieren varios pasos de recopilación de información. Puede realizar búsquedas web reiteradas, recuperar el contenido de páginas y combinar lo encontrado en una respuesta documentada. Este modo es distinto de la vía de búsqueda más rápida y del modelo denominado por separado Sonar Deep Research.
El fabricante describe la orquestación automática de la búsqueda web y la recuperación de páginas. En lugar de dejar que el usuario convierta cada resultado de búsqueda en la siguiente consulta, el proceso de búsqueda puede abordar las preguntas intermedias necesarias para responder. Su configuración documentada ofrece opciones de búsqueda pro, fast y automática; la opción automática clasifica la consulta según su complejidad. Son ajustes de búsqueda del fabricante, no nombres de tres puntos de control fijos diferentes.
El flujo Pro Search publicado por Perplexity requiere streaming y muestra el proceso de razonamiento mientras avanza la búsqueda. Un cliente que recibe ese flujo del fabricante debe mantener en orden la secuencia de avances y el contenido de la respuesta. La respuesta documentada terminada es el resultado útil; una actualización de progreso por sí sola no constituye la explicación o comparación completa solicitada por el usuario.
Prepara la pregunta con la entidad, la ubicación, el periodo y los criterios de decisión relevantes. Por ejemplo, una comparación de tecnologías puede preguntar qué capacidades documentadas satisfacen un requisito de integración concreto, qué condiciones difieren entre los candidatos y qué evidencias respaldan la distinción. Un resultado eficaz incluye la comparación, el material fuente de respaldo y las preguntas pendientes que todavía afectan a la elección.
Para una pregunta con varias dependencias, indica juntos el objetivo final y las restricciones. La investigación de un proyecto puede requerir identificar la documentación pertinente del producto, comparar dos enfoques de implementación y explicar qué limitaciones publicadas se aplican. Pide que los hallazgos se organicen según el requisito al que responden, para que el lector pueda rastrear la conclusión hasta las evidencias utilizadas.
Revisa la investigación recibida como una respuesta basada en evidencias: distingue las afirmaciones explícitas de una fuente de las inferencias del modelo y mantén visible la información contradictoria o incompleta. El papel del modelo aquí es buscar y sintetizar. Los cambios en un sistema externo o la ejecución de una implementación propuesta siguen siendo acciones de la aplicación que lo integra.
", "aboutText": "Sonar Pro Search es el modo Pro Search de Perplexity para Sonar Pro, diseñado para responder preguntas que requieren varios pasos de recopilación de información. Puede realizar búsquedas web reiteradas, recuperar el contenido de páginas y combinar lo encontrado en una respuesta documentada. Este modo es distinto de la vía de búsqueda más rápida y del modelo denominado por separado Sonar Deep Research.\n\nEl fabricante describe la orquestación automática de la búsqueda web y la recuperación de páginas. En lugar de dejar que el usuario convierta cada resultado de búsqueda en la siguiente consulta, el proceso de búsqueda puede abordar las preguntas intermedias necesarias para responder. Su configuración documentada ofrece opciones de búsqueda pro, fast y automática; la opción automática clasifica la consulta según su complejidad. Son ajustes de búsqueda del fabricante, no nombres de tres puntos de control fijos diferentes.\n\nEl flujo Pro Search publicado por Perplexity requiere streaming y muestra el proceso de razonamiento mientras avanza la búsqueda. Un cliente que recibe ese flujo del fabricante debe mantener en orden la secuencia de avances y el contenido de la respuesta. La respuesta documentada terminada es el resultado útil; una actualización de progreso por sí sola no constituye la explicación o comparación completa solicitada por el usuario.\n\nPrepara la pregunta con la entidad, la ubicación, el periodo y los criterios de decisión relevantes. Por ejemplo, una comparación de tecnologías puede preguntar qué capacidades documentadas satisfacen un requisito de integración concreto, qué condiciones difieren entre los candidatos y qué evidencias respaldan la distinción. Un resultado eficaz incluye la comparación, el material fuente de respaldo y las preguntas pendientes que todavía afectan a la elección.\n\nPara una pregunta con varias dependencias, indica juntos el objetivo final y las restricciones. La investigación de un proyecto puede requerir identificar la documentación pertinente del producto, comparar dos enfoques de implementación y explicar qué limitaciones publicadas se aplican. Pide que los hallazgos se organicen según el requisito al que responden, para que el lector pueda rastrear la conclusión hasta las evidencias utilizadas.\n\nRevisa la investigación recibida como una respuesta basada en evidencias: distingue las afirmaciones explícitas de una fuente de las inferencias del modelo y mantén visible la información contradictoria o incompleta. El papel del modelo aquí es buscar y sintetizar. Los cambios en un sistema externo o la ejecución de una implementación propuesta siguen siendo acciones de la aplicación que lo integra.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Synthesize a multi-source integration comparison\n\nUse these supplied documentation excerpts to compare storage choices. DOC-A: Product A supports daily snapshots and restore of an entire project. DOC-B: Product B supports hourly snapshots and restore of individual records. Our requirement is hourly recovery of one accidentally deleted record. Identify the relevant capabilities, recommend the better-documented fit and list unresolved retention and access questions.A requirement-led comparison citing DOC-A and DOC-B, a recommendation and explicit gaps in the supplied evidence.The answer links both snapshot frequency and restore granularity to the requirement and does not invent retention limits.perplexity/sonar-pro-searchSonar Pro Search de Perplexity es el modo de búsqueda de varios pasos de Sonar Pro. Combina búsquedas web reiteradas y recuperación de páginas con razonamiento para elaborar una respuesta documentada, con avances transmitidos en streaming en el flujo de trabajo documentado del fabricante.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Sonar Pro Search es el modo Pro Search de Perplexity para Sonar Pro, diseñado para responder preguntas que requieren varios pasos de recopilación de información. Puede realizar búsquedas web reiteradas, recuperar el contenido de páginas y combinar lo encontrado en una respuesta documentada. Este modo es distinto de la vía de búsqueda más rápida y del modelo denominado por separado Sonar Deep Research.
El fabricante describe la orquestación automática de la búsqueda web y la recuperación de páginas. En lugar de dejar que el usuario convierta cada resultado de búsqueda en la siguiente consulta, el proceso de búsqueda puede abordar las preguntas intermedias necesarias para responder. Su configuración documentada ofrece opciones de búsqueda pro, fast y automática; la opción automática clasifica la consulta según su complejidad. Son ajustes de búsqueda del fabricante, no nombres de tres puntos de control fijos diferentes.
El flujo Pro Search publicado por Perplexity requiere streaming y muestra el proceso de razonamiento mientras avanza la búsqueda. Un cliente que recibe ese flujo del fabricante debe mantener en orden la secuencia de avances y el contenido de la respuesta. La respuesta documentada terminada es el resultado útil; una actualización de progreso por sí sola no constituye la explicación o comparación completa solicitada por el usuario.
Prepara la pregunta con la entidad, la ubicación, el periodo y los criterios de decisión relevantes. Por ejemplo, una comparación de tecnologías puede preguntar qué capacidades documentadas satisfacen un requisito de integración concreto, qué condiciones difieren entre los candidatos y qué evidencias respaldan la distinción. Un resultado eficaz incluye la comparación, el material fuente de respaldo y las preguntas pendientes que todavía afectan a la elección.
Para una pregunta con varias dependencias, indica juntos el objetivo final y las restricciones. La investigación de un proyecto puede requerir identificar la documentación pertinente del producto, comparar dos enfoques de implementación y explicar qué limitaciones publicadas se aplican. Pide que los hallazgos se organicen según el requisito al que responden, para que el lector pueda rastrear la conclusión hasta las evidencias utilizadas.
Revisa la investigación recibida como una respuesta basada en evidencias: distingue las afirmaciones explícitas de una fuente de las inferencias del modelo y mantén visible la información contradictoria o incompleta. El papel del modelo aquí es buscar y sintetizar. Los cambios en un sistema externo o la ejecución de una implementación propuesta siguen siendo acciones de la aplicación que lo integra.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites perplexity/sonar-pro-search | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cantidad para facturación | Cargo |
|---|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cantidad para facturación— | Cargo Entrada · Tokens de entrada $0.006 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cantidad para facturación— | Cargo Entrada · Tokens de entrada $0.006 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónPor solicitud | Tabla de tarifas— | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cantidad para facturaciónuna petición | Cargo Entrada $0.036 por solicitud |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-pro-search", "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-pro-search',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-pro-search',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra perplexity/sonar-pro-search
Usa las rutas de método indicadas arriba.
perplexity/sonar-pro-searchSonar Pro Search de Perplexity es el modo de búsqueda de varios pasos de Sonar Pro. Combina búsquedas web reiteradas y recuperación de páginas con razonamiento para elaborar una respuesta documentada, con avances transmitidos en streaming en el flujo de trabajo documentado del fabricante.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Sonar Pro Search es el modo Pro Search de Perplexity para Sonar Pro, diseñado para responder preguntas que requieren varios pasos de recopilación de información. Puede realizar búsquedas web reiteradas, recuperar el contenido de páginas y combinar lo encontrado en una respuesta documentada. Este modo es distinto de la vía de búsqueda más rápida y del modelo denominado por separado Sonar Deep Research.
El fabricante describe la orquestación automática de la búsqueda web y la recuperación de páginas. En lugar de dejar que el usuario convierta cada resultado de búsqueda en la siguiente consulta, el proceso de búsqueda puede abordar las preguntas intermedias necesarias para responder. Su configuración documentada ofrece opciones de búsqueda pro, fast y automática; la opción automática clasifica la consulta según su complejidad. Son ajustes de búsqueda del fabricante, no nombres de tres puntos de control fijos diferentes.
El flujo Pro Search publicado por Perplexity requiere streaming y muestra el proceso de razonamiento mientras avanza la búsqueda. Un cliente que recibe ese flujo del fabricante debe mantener en orden la secuencia de avances y el contenido de la respuesta. La respuesta documentada terminada es el resultado útil; una actualización de progreso por sí sola no constituye la explicación o comparación completa solicitada por el usuario.
Prepara la pregunta con la entidad, la ubicación, el periodo y los criterios de decisión relevantes. Por ejemplo, una comparación de tecnologías puede preguntar qué capacidades documentadas satisfacen un requisito de integración concreto, qué condiciones difieren entre los candidatos y qué evidencias respaldan la distinción. Un resultado eficaz incluye la comparación, el material fuente de respaldo y las preguntas pendientes que todavía afectan a la elección.
Para una pregunta con varias dependencias, indica juntos el objetivo final y las restricciones. La investigación de un proyecto puede requerir identificar la documentación pertinente del producto, comparar dos enfoques de implementación y explicar qué limitaciones publicadas se aplican. Pide que los hallazgos se organicen según el requisito al que responden, para que el lector pueda rastrear la conclusión hasta las evidencias utilizadas.
Revisa la investigación recibida como una respuesta basada en evidencias: distingue las afirmaciones explícitas de una fuente de las inferencias del modelo y mantén visible la información contradictoria o incompleta. El papel del modelo aquí es buscar y sintetizar. Los cambios en un sistema externo o la ejecución de una implementación propuesta siguen siendo acciones de la aplicación que lo integra.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites perplexity/sonar-pro-search | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cantidad para facturación | Cargo |
|---|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cantidad para facturación— | Cargo Entrada · Tokens de entrada $0.006 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cantidad para facturación— | Cargo Entrada · Tokens de entrada $0.006 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónPor solicitud | Tabla de tarifas— | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cantidad para facturaciónuna petición | Cargo Entrada $0.036 por solicitud |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "perplexity/sonar-pro-search",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-search', '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-pro-search', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra perplexity/sonar-pro-search
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Synthesize a multi-source integration comparison\n\nUse these supplied documentation excerpts to compare storage choices. DOC-A: Product A supports daily snapshots and restore of an entire project. DOC-B: Product B supports hourly snapshots and restore of individual records. Our requirement is hourly recovery of one accidentally deleted record. Identify the relevant capabilities, recommend the better-documented fit and list unresolved retention and access questions.A requirement-led comparison citing DOC-A and DOC-B, a recommendation and explicit gaps in the supplied evidence.The answer links both snapshot frequency and restore granularity to the requirement and does not invent retention limits.