Sonar Pro ialah pilihan Sonar lanjutan Perplexity untuk soalan penyelidikan dan pencarian maklumat yang memerlukan maklumat semasa. Pengeluar menerangkannya sebagai sesuai untuk penyelidikan harian dan siasatan berbilang langkah yang ringan. Model ini menghasilkan jawapan teks berasaskan maklumat yang dikumpulkan untuk soalan tersebut, sambil kekal berbeza daripada mod Pro Search dan Sonar Deep Research.
Sediakan tugasan berdasarkan keputusan yang perlu disokong oleh penyelidikan. Namakan organisasi, produk atau subjek dengan tepat dan nyatakan tempoh, lokasi serta kriteria perbandingan. Untuk siasatan produk, minta keupayaan yang didokumenkan, syarat yang mempengaruhi penggunaannya dan bukti yang menyokong setiap dapatan. Output boleh menjadi nota perbandingan, semakan keperluan atau taklimat ringkas.
Apabila beberapa sumber menerangkan subjek yang sama, minta model membandingkan pernyataan sumber tersebut dan bukannya merangkumnya menjadi satu kesimpulan yang tidak disokong. Kenal pasti sumber yang merupakan spesifikasi atau pengumuman asal, sumber yang merupakan tafsiran dan sama ada pernyataan itu terpakai pada edisi yang sama. Hasil yang disusun mengikut dakwaan dan bukti sokongan lebih mudah diperiksa dan dikemas kini berbanding gambaran umum.
Soalan susulan boleh mengecilkan skop siasatan kepada syarat yang belum dipastikan. Contohnya, selepas perbandingan ciri, tanyakan keperluan yang mengubah pilihan atau pengecualian yang berkaitan dengan aliran kerja tertentu. Sertakan dapatan terdahulu dan kekangan baharu supaya model mempunyai konteks untuk jawapan seterusnya. Susulan yang pendek dan ditakrifkan dengan baik boleh menjadikan penyelidikan lebih berguna berbanding mengulangi soalan asal yang luas.
Keluarga Sonar menggabungkan penjanaan jawapan dengan carian web. Respons Sonar yang didokumenkan pengeluar memisahkan jawapan daripada petikan sumber dan maklumat hasil carian. Kekalkan hubungan tersebut apabila aplikasi mempersembahkan penyelidikan: petikan yang dilihat pembaca perlu kekal berhubung dengan hasil sokongan, dengan huraian sumber tersedia untuk diperiksa.
Untuk taklimat akhir, minta jawapan, bukti bagi dakwaan pentingnya dan senarai pendek ketidakpastian yang masih ada. Jika soalan memerlukan perubahan dalam sistem lain, gunakan penyelidikan untuk menyediakan keputusan itu; sebarang pelaksanaan atau akses kepada maklumat peribadi disediakan oleh aplikasi yang mengelilinginya.
", "aboutText": "Sonar Pro ialah pilihan Sonar lanjutan Perplexity untuk soalan penyelidikan dan pencarian maklumat yang memerlukan maklumat semasa. Pengeluar menerangkannya sebagai sesuai untuk penyelidikan harian dan siasatan berbilang langkah yang ringan. Model ini menghasilkan jawapan teks berasaskan maklumat yang dikumpulkan untuk soalan tersebut, sambil kekal berbeza daripada mod Pro Search dan Sonar Deep Research.\n\nSediakan tugasan berdasarkan keputusan yang perlu disokong oleh penyelidikan. Namakan organisasi, produk atau subjek dengan tepat dan nyatakan tempoh, lokasi serta kriteria perbandingan. Untuk siasatan produk, minta keupayaan yang didokumenkan, syarat yang mempengaruhi penggunaannya dan bukti yang menyokong setiap dapatan. Output boleh menjadi nota perbandingan, semakan keperluan atau taklimat ringkas.\n\nApabila beberapa sumber menerangkan subjek yang sama, minta model membandingkan pernyataan sumber tersebut dan bukannya merangkumnya menjadi satu kesimpulan yang tidak disokong. Kenal pasti sumber yang merupakan spesifikasi atau pengumuman asal, sumber yang merupakan tafsiran dan sama ada pernyataan itu terpakai pada edisi yang sama. Hasil yang disusun mengikut dakwaan dan bukti sokongan lebih mudah diperiksa dan dikemas kini berbanding gambaran umum.\n\nSoalan susulan boleh mengecilkan skop siasatan kepada syarat yang belum dipastikan. Contohnya, selepas perbandingan ciri, tanyakan keperluan yang mengubah pilihan atau pengecualian yang berkaitan dengan aliran kerja tertentu. Sertakan dapatan terdahulu dan kekangan baharu supaya model mempunyai konteks untuk jawapan seterusnya. Susulan yang pendek dan ditakrifkan dengan baik boleh menjadikan penyelidikan lebih berguna berbanding mengulangi soalan asal yang luas.\n\nKeluarga Sonar menggabungkan penjanaan jawapan dengan carian web. Respons Sonar yang didokumenkan pengeluar memisahkan jawapan daripada petikan sumber dan maklumat hasil carian. Kekalkan hubungan tersebut apabila aplikasi mempersembahkan penyelidikan: petikan yang dilihat pembaca perlu kekal berhubung dengan hasil sokongan, dengan huraian sumber tersedia untuk diperiksa.\n\nUntuk taklimat akhir, minta jawapan, bukti bagi dakwaan pentingnya dan senarai pendek ketidakpastian yang masih ada. Jika soalan memerlukan perubahan dalam sistem lain, gunakan penyelidikan untuk menyediakan keputusan itu; sebarang pelaksanaan atau akses kepada maklumat peribadi disediakan oleh aplikasi yang mengelilinginya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Research a spreadsheet export constraint\n\nResearch the current official CSV export guidance for Microsoft Excel and LibreOffice Calc. Compare how each handles multiple sheets and the choice of text encoding. Prefer product documentation, keep each claim attached to its source, and note any version-specific uncertainty. Finish with two questions a user should answer before exporting a workbook for a supplier.A short source-backed comparison, explicit version conditions and two practical pre-export questions.Inspect that each important claim has a relevant official source and that CSV is not described as preserving an entire multi-sheet workbook.perplexity/sonar-proSonar Pro daripada Perplexity menjawab soalan penyelidikan menggunakan maklumat web dan sintesis yang disokong sumber. Model ini ditujukan untuk penyelidikan harian dan pencarian maklumat yang lebih mendalam, dengan soalan susulan yang memperhalus siasatan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Sonar Pro ialah pilihan Sonar lanjutan Perplexity untuk soalan penyelidikan dan pencarian maklumat yang memerlukan maklumat semasa. Pengeluar menerangkannya sebagai sesuai untuk penyelidikan harian dan siasatan berbilang langkah yang ringan. Model ini menghasilkan jawapan teks berasaskan maklumat yang dikumpulkan untuk soalan tersebut, sambil kekal berbeza daripada mod Pro Search dan Sonar Deep Research.
Sediakan tugasan berdasarkan keputusan yang perlu disokong oleh penyelidikan. Namakan organisasi, produk atau subjek dengan tepat dan nyatakan tempoh, lokasi serta kriteria perbandingan. Untuk siasatan produk, minta keupayaan yang didokumenkan, syarat yang mempengaruhi penggunaannya dan bukti yang menyokong setiap dapatan. Output boleh menjadi nota perbandingan, semakan keperluan atau taklimat ringkas.
Apabila beberapa sumber menerangkan subjek yang sama, minta model membandingkan pernyataan sumber tersebut dan bukannya merangkumnya menjadi satu kesimpulan yang tidak disokong. Kenal pasti sumber yang merupakan spesifikasi atau pengumuman asal, sumber yang merupakan tafsiran dan sama ada pernyataan itu terpakai pada edisi yang sama. Hasil yang disusun mengikut dakwaan dan bukti sokongan lebih mudah diperiksa dan dikemas kini berbanding gambaran umum.
Soalan susulan boleh mengecilkan skop siasatan kepada syarat yang belum dipastikan. Contohnya, selepas perbandingan ciri, tanyakan keperluan yang mengubah pilihan atau pengecualian yang berkaitan dengan aliran kerja tertentu. Sertakan dapatan terdahulu dan kekangan baharu supaya model mempunyai konteks untuk jawapan seterusnya. Susulan yang pendek dan ditakrifkan dengan baik boleh menjadikan penyelidikan lebih berguna berbanding mengulangi soalan asal yang luas.
Keluarga Sonar menggabungkan penjanaan jawapan dengan carian web. Respons Sonar yang didokumenkan pengeluar memisahkan jawapan daripada petikan sumber dan maklumat hasil carian. Kekalkan hubungan tersebut apabila aplikasi mempersembahkan penyelidikan: petikan yang dilihat pembaca perlu kekal berhubung dengan hasil sokongan, dengan huraian sumber tersedia untuk diperiksa.
Untuk taklimat akhir, minta jawapan, bukti bagi dakwaan pentingnya dan senarai pendek ketidakpastian yang masih ada. Jika soalan memerlukan perubahan dalam sistem lain, gunakan penyelidikan untuk menyediakan keputusan itu; sebarang pelaksanaan atau akses kepada maklumat peribadi disediakan oleh aplikasi yang mengelilinginya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had perplexity/sonar-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Kuantiti pengebilan | Caj |
|---|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiBagi setiap permintaan | Jadual kadar— | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilansatu permintaan | Caj Input $0.01 bagi setiap permintaan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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", "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',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',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra perplexity/sonar-pro
Gunakan laluan kaedah yang dipaparkan di atas.
perplexity/sonar-proSonar Pro daripada Perplexity menjawab soalan penyelidikan menggunakan maklumat web dan sintesis yang disokong sumber. Model ini ditujukan untuk penyelidikan harian dan pencarian maklumat yang lebih mendalam, dengan soalan susulan yang memperhalus siasatan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Sonar Pro ialah pilihan Sonar lanjutan Perplexity untuk soalan penyelidikan dan pencarian maklumat yang memerlukan maklumat semasa. Pengeluar menerangkannya sebagai sesuai untuk penyelidikan harian dan siasatan berbilang langkah yang ringan. Model ini menghasilkan jawapan teks berasaskan maklumat yang dikumpulkan untuk soalan tersebut, sambil kekal berbeza daripada mod Pro Search dan Sonar Deep Research.
Sediakan tugasan berdasarkan keputusan yang perlu disokong oleh penyelidikan. Namakan organisasi, produk atau subjek dengan tepat dan nyatakan tempoh, lokasi serta kriteria perbandingan. Untuk siasatan produk, minta keupayaan yang didokumenkan, syarat yang mempengaruhi penggunaannya dan bukti yang menyokong setiap dapatan. Output boleh menjadi nota perbandingan, semakan keperluan atau taklimat ringkas.
Apabila beberapa sumber menerangkan subjek yang sama, minta model membandingkan pernyataan sumber tersebut dan bukannya merangkumnya menjadi satu kesimpulan yang tidak disokong. Kenal pasti sumber yang merupakan spesifikasi atau pengumuman asal, sumber yang merupakan tafsiran dan sama ada pernyataan itu terpakai pada edisi yang sama. Hasil yang disusun mengikut dakwaan dan bukti sokongan lebih mudah diperiksa dan dikemas kini berbanding gambaran umum.
Soalan susulan boleh mengecilkan skop siasatan kepada syarat yang belum dipastikan. Contohnya, selepas perbandingan ciri, tanyakan keperluan yang mengubah pilihan atau pengecualian yang berkaitan dengan aliran kerja tertentu. Sertakan dapatan terdahulu dan kekangan baharu supaya model mempunyai konteks untuk jawapan seterusnya. Susulan yang pendek dan ditakrifkan dengan baik boleh menjadikan penyelidikan lebih berguna berbanding mengulangi soalan asal yang luas.
Keluarga Sonar menggabungkan penjanaan jawapan dengan carian web. Respons Sonar yang didokumenkan pengeluar memisahkan jawapan daripada petikan sumber dan maklumat hasil carian. Kekalkan hubungan tersebut apabila aplikasi mempersembahkan penyelidikan: petikan yang dilihat pembaca perlu kekal berhubung dengan hasil sokongan, dengan huraian sumber tersedia untuk diperiksa.
Untuk taklimat akhir, minta jawapan, bukti bagi dakwaan pentingnya dan senarai pendek ketidakpastian yang masih ada. Jika soalan memerlukan perubahan dalam sistem lain, gunakan penyelidikan untuk menyediakan keputusan itu; sebarang pelaksanaan atau akses kepada maklumat peribadi disediakan oleh aplikasi yang mengelilinginya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had perplexity/sonar-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Kuantiti pengebilan | Caj |
|---|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiBagi setiap permintaan | Jadual kadar— | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilansatu permintaan | Caj Input $0.01 bagi setiap permintaan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "perplexity/sonar-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-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-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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra perplexity/sonar-pro
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Research a spreadsheet export constraint\n\nResearch the current official CSV export guidance for Microsoft Excel and LibreOffice Calc. Compare how each handles multiple sheets and the choice of text encoding. Prefer product documentation, keep each claim attached to its source, and note any version-specific uncertainty. Finish with two questions a user should answer before exporting a workbook for a supplier.A short source-backed comparison, explicit version conditions and two practical pre-export questions.Inspect that each important claim has a relevant official source and that CSV is not described as preserving an entire multi-sheet workbook.