Sonar Deep Research es la opción Sonar de Perplexity centrada en investigación para indagaciones complejas y una amplia cobertura de fuentes. El fabricante la orienta al razonamiento de nivel experto y a la investigación exhaustiva. Su resultado útil es un informe textual detallado que organiza los hallazgos en torno a la pregunta, en lugar de una colección de resultados de búsqueda que el usuario deba ensamblar.
Empieza con un encargo de investigación: el tema, el alcance, el periodo cubierto y la decisión que debe respaldar el informe. Especifica las secciones que se deben devolver y los tipos de evidencias relevantes. Para un panorama tecnológico, un encargo útil puede pedir los principales enfoques, sus restricciones documentadas, las evidencias más sólidas de cada uno y las preguntas que siguen sin resolverse.
Separa el descubrimiento de la síntesis en el resultado solicitado. Los hallazgos deben explicar qué establecen las fuentes; el análisis debe indicar cómo afectan esos hallazgos a la pregunta. Pide que las evidencias contradictorias y las lagunas importantes sigan siendo visibles. Para una tarea bibliográfica, define si el énfasis está en material académico, documentación original u otra clase de fuente.
El anuncio publicado por Perplexity de Sonar Deep Research describe opciones de esfuerzo de razonamiento y un modo de búsqueda académica que prioriza las fuentes académicas. Son controles de investigación del fabricante. La tarea sigue necesitando un objetivo claro: un procesamiento más profundo no puede decidir qué evidencias o entregable son pertinentes cuando la propia pregunta de investigación no está especificada.
Un resultado práctico puede ser un resumen ejecutivo seguido de una comparación de enfoques, una tabla de evidencias y un conjunto de preguntas de investigación posteriores. Por ejemplo, una investigación sobre un diseño técnico puede distinguir mecanismos establecidos, condiciones de implementación y compromisos sin resolver, con cada conclusión principal vinculada a la información utilizada para respaldarla.
Revisa el informe frente al encargo original. Comprueba si sus conclusiones responden a la pregunta definida, si se han mantenido separadas las distintas ediciones de las fuentes y si una inferencia se ha presentado como un hecho respaldado por una fuente. El informe de investigación puede orientar una decisión posterior de la aplicación, mientras que los cambios en sistemas externos y el análisis de registros privados requieren las herramientas y el acceso propios de la aplicación.
", "aboutText": "Sonar Deep Research es la opción Sonar de Perplexity centrada en investigación para indagaciones complejas y una amplia cobertura de fuentes. El fabricante la orienta al razonamiento de nivel experto y a la investigación exhaustiva. Su resultado útil es un informe textual detallado que organiza los hallazgos en torno a la pregunta, en lugar de una colección de resultados de búsqueda que el usuario deba ensamblar.\n\nEmpieza con un encargo de investigación: el tema, el alcance, el periodo cubierto y la decisión que debe respaldar el informe. Especifica las secciones que se deben devolver y los tipos de evidencias relevantes. Para un panorama tecnológico, un encargo útil puede pedir los principales enfoques, sus restricciones documentadas, las evidencias más sólidas de cada uno y las preguntas que siguen sin resolverse.\n\nSepara el descubrimiento de la síntesis en el resultado solicitado. Los hallazgos deben explicar qué establecen las fuentes; el análisis debe indicar cómo afectan esos hallazgos a la pregunta. Pide que las evidencias contradictorias y las lagunas importantes sigan siendo visibles. Para una tarea bibliográfica, define si el énfasis está en material académico, documentación original u otra clase de fuente.\n\nEl anuncio publicado por Perplexity de Sonar Deep Research describe opciones de esfuerzo de razonamiento y un modo de búsqueda académica que prioriza las fuentes académicas. Son controles de investigación del fabricante. La tarea sigue necesitando un objetivo claro: un procesamiento más profundo no puede decidir qué evidencias o entregable son pertinentes cuando la propia pregunta de investigación no está especificada.\n\nUn resultado práctico puede ser un resumen ejecutivo seguido de una comparación de enfoques, una tabla de evidencias y un conjunto de preguntas de investigación posteriores. Por ejemplo, una investigación sobre un diseño técnico puede distinguir mecanismos establecidos, condiciones de implementación y compromisos sin resolver, con cada conclusión principal vinculada a la información utilizada para respaldarla.\n\nRevisa el informe frente al encargo original. Comprueba si sus conclusiones responden a la pregunta definida, si se han mantenido separadas las distintas ediciones de las fuentes y si una inferencia se ha presentado como un hecho respaldado por una fuente. El informe de investigación puede orientar una decisión posterior de la aplicación, mientras que los cambios en sistemas externos y el análisis de registros privados requieren las herramientas y el acceso propios de la aplicación.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f12d477e97029ed1a64e495d338f23e75c28fcf3a5d25568d59e2281adcc2157", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "sonar-deep-researchSonar Deep Research de Perplexity es la opción Sonar para investigaciones exigentes y una amplia cobertura de fuentes. Convierte un encargo de investigación complejo en un informe detallado respaldado por fuentes, con controles de razonamiento y búsqueda académica documentados por el 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 Deep Research es la opción Sonar de Perplexity centrada en investigación para indagaciones complejas y una amplia cobertura de fuentes. El fabricante la orienta al razonamiento de nivel experto y a la investigación exhaustiva. Su resultado útil es un informe textual detallado que organiza los hallazgos en torno a la pregunta, en lugar de una colección de resultados de búsqueda que el usuario deba ensamblar.
Empieza con un encargo de investigación: el tema, el alcance, el periodo cubierto y la decisión que debe respaldar el informe. Especifica las secciones que se deben devolver y los tipos de evidencias relevantes. Para un panorama tecnológico, un encargo útil puede pedir los principales enfoques, sus restricciones documentadas, las evidencias más sólidas de cada uno y las preguntas que siguen sin resolverse.
Separa el descubrimiento de la síntesis en el resultado solicitado. Los hallazgos deben explicar qué establecen las fuentes; el análisis debe indicar cómo afectan esos hallazgos a la pregunta. Pide que las evidencias contradictorias y las lagunas importantes sigan siendo visibles. Para una tarea bibliográfica, define si el énfasis está en material académico, documentación original u otra clase de fuente.
El anuncio publicado por Perplexity de Sonar Deep Research describe opciones de esfuerzo de razonamiento y un modo de búsqueda académica que prioriza las fuentes académicas. Son controles de investigación del fabricante. La tarea sigue necesitando un objetivo claro: un procesamiento más profundo no puede decidir qué evidencias o entregable son pertinentes cuando la propia pregunta de investigación no está especificada.
Un resultado práctico puede ser un resumen ejecutivo seguido de una comparación de enfoques, una tabla de evidencias y un conjunto de preguntas de investigación posteriores. Por ejemplo, una investigación sobre un diseño técnico puede distinguir mecanismos establecidos, condiciones de implementación y compromisos sin resolver, con cada conclusión principal vinculada a la información utilizada para respaldarla.
Revisa el informe frente al encargo original. Comprueba si sus conclusiones responden a la pregunta definida, si se han mantenido separadas las distintas ediciones de las fuentes y si una inferencia se ha presentado como un hecho respaldado por una fuente. El informe de investigación puede orientar una decisión posterior de la aplicación, mientras que los cambios en sistemas externos y el análisis de registros privados requieren las herramientas y el acceso propios de la aplicación.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites sonar-deep-research | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
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 |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0044 / 1K tokens Salida · Tokens de salida $0.0176 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-deep-research","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-deep-research", 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 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 sonar-deep-research
/chat/completions
sonar-deep-researchSonar Deep Research de Perplexity es la opción Sonar para investigaciones exigentes y una amplia cobertura de fuentes. Convierte un encargo de investigación complejo en un informe detallado respaldado por fuentes, con controles de razonamiento y búsqueda académica documentados por el 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 Deep Research es la opción Sonar de Perplexity centrada en investigación para indagaciones complejas y una amplia cobertura de fuentes. El fabricante la orienta al razonamiento de nivel experto y a la investigación exhaustiva. Su resultado útil es un informe textual detallado que organiza los hallazgos en torno a la pregunta, en lugar de una colección de resultados de búsqueda que el usuario deba ensamblar.
Empieza con un encargo de investigación: el tema, el alcance, el periodo cubierto y la decisión que debe respaldar el informe. Especifica las secciones que se deben devolver y los tipos de evidencias relevantes. Para un panorama tecnológico, un encargo útil puede pedir los principales enfoques, sus restricciones documentadas, las evidencias más sólidas de cada uno y las preguntas que siguen sin resolverse.
Separa el descubrimiento de la síntesis en el resultado solicitado. Los hallazgos deben explicar qué establecen las fuentes; el análisis debe indicar cómo afectan esos hallazgos a la pregunta. Pide que las evidencias contradictorias y las lagunas importantes sigan siendo visibles. Para una tarea bibliográfica, define si el énfasis está en material académico, documentación original u otra clase de fuente.
El anuncio publicado por Perplexity de Sonar Deep Research describe opciones de esfuerzo de razonamiento y un modo de búsqueda académica que prioriza las fuentes académicas. Son controles de investigación del fabricante. La tarea sigue necesitando un objetivo claro: un procesamiento más profundo no puede decidir qué evidencias o entregable son pertinentes cuando la propia pregunta de investigación no está especificada.
Un resultado práctico puede ser un resumen ejecutivo seguido de una comparación de enfoques, una tabla de evidencias y un conjunto de preguntas de investigación posteriores. Por ejemplo, una investigación sobre un diseño técnico puede distinguir mecanismos establecidos, condiciones de implementación y compromisos sin resolver, con cada conclusión principal vinculada a la información utilizada para respaldarla.
Revisa el informe frente al encargo original. Comprueba si sus conclusiones responden a la pregunta definida, si se han mantenido separadas las distintas ediciones de las fuentes y si una inferencia se ha presentado como un hecho respaldado por una fuente. El informe de investigación puede orientar una decisión posterior de la aplicación, mientras que los cambios en sistemas externos y el análisis de registros privados requieren las herramientas y el acceso propios de la aplicación.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites sonar-deep-research | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0044 / 1K tokens Salida · Tokens de salida $0.0176 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "sonar-deep-research",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-deep-research', '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-deep-research', '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 sonar-deep-research
/chat/completions