Sonar Pro Search er Perplexitys Pro Search-modus for Sonar Pro, utformet for å besvare spørsmål som krever flere trinn med informasjonsinnhenting. Den kan utføre gjentatte nettsøk, hente sideinnhold og sammenstille funnene i et kildebasert svar. Modusen er forskjellig fra den raskere søkeveien og fra den separat navngitte modellen Sonar Deep Research.
Produsenten beskriver automatisert orkestrering av nettsøk og innhenting av sider. I stedet for at brukeren må gjøre hvert søkeresultat om til neste søk, kan søkeprosessen følge opp mellomspørsmålene som er nødvendige for svaret. Den dokumenterte konfigurasjonen tilbyr søkevalgene pro, fast og automatisk; det automatiske valget klassifiserer søket etter kompleksitet. Dette er produsentens søkeinnstillinger, ikke navn på tre forskjellige faste modellsjekkpunkter.
Perplexitys publiserte Pro Search-arbeidsflyt krever strømming og viser resonneringsprosessen mens søket pågår. En klient som mottar denne strømmen fra produsenten, må holde fremdriftsmeldinger og svarinnhold i riktig rekkefølge. Det ferdige undersøkelsessvaret er den nyttige leveransen; en fremdriftsmelding alene er ikke den ferdige forklaringen eller sammenligningen brukeren ba om.
Formuler spørsmålet med den enheten, det stedet, den perioden og de beslutningskriteriene som er relevante. En teknologisammenligning kan for eksempel spørre hvilke dokumenterte funksjoner som oppfyller et bestemt integrasjonskrav, hvilke betingelser som er forskjellige mellom alternativene, og hvilken dokumentasjon som underbygger forskjellen. Et godt resultat inneholder sammenligningen, kildematerialet som underbygger den, og de uavklarte spørsmålene som fortsatt påvirker valget.
For et spørsmål med flere avhengigheter oppgir du sluttmålet og begrensningene samlet. En prosjektundersøkelse kan kreve at relevant produktdokumentasjon identifiseres, at to implementeringstilnærminger sammenlignes, og at det forklares hvilke publiserte begrensninger som gjelder. Be om at funnene organiseres etter kravet de besvarer, slik at leseren kan spore konklusjonen tilbake til dokumentasjonen den bygger på.
Gjennomgå undersøkelsesresultatet som et kildebasert svar: skill mellom en kildes eksplisitte utsagn og modellens slutning, og hold motstridende eller ufullstendig informasjon synlig. Modellens rolle her er søk og sammenstilling. Endringer i et eksternt system eller gjennomføring av en foreslått implementering er fortsatt handlinger som utføres av applikasjonen rundt modellen.
", "aboutText": "Sonar Pro Search er Perplexitys Pro Search-modus for Sonar Pro, utformet for å besvare spørsmål som krever flere trinn med informasjonsinnhenting. Den kan utføre gjentatte nettsøk, hente sideinnhold og sammenstille funnene i et kildebasert svar. Modusen er forskjellig fra den raskere søkeveien og fra den separat navngitte modellen Sonar Deep Research.\n\nProdusenten beskriver automatisert orkestrering av nettsøk og innhenting av sider. I stedet for at brukeren må gjøre hvert søkeresultat om til neste søk, kan søkeprosessen følge opp mellomspørsmålene som er nødvendige for svaret. Den dokumenterte konfigurasjonen tilbyr søkevalgene pro, fast og automatisk; det automatiske valget klassifiserer søket etter kompleksitet. Dette er produsentens søkeinnstillinger, ikke navn på tre forskjellige faste modellsjekkpunkter.\n\nPerplexitys publiserte Pro Search-arbeidsflyt krever strømming og viser resonneringsprosessen mens søket pågår. En klient som mottar denne strømmen fra produsenten, må holde fremdriftsmeldinger og svarinnhold i riktig rekkefølge. Det ferdige undersøkelsessvaret er den nyttige leveransen; en fremdriftsmelding alene er ikke den ferdige forklaringen eller sammenligningen brukeren ba om.\n\nFormuler spørsmålet med den enheten, det stedet, den perioden og de beslutningskriteriene som er relevante. En teknologisammenligning kan for eksempel spørre hvilke dokumenterte funksjoner som oppfyller et bestemt integrasjonskrav, hvilke betingelser som er forskjellige mellom alternativene, og hvilken dokumentasjon som underbygger forskjellen. Et godt resultat inneholder sammenligningen, kildematerialet som underbygger den, og de uavklarte spørsmålene som fortsatt påvirker valget.\n\nFor et spørsmål med flere avhengigheter oppgir du sluttmålet og begrensningene samlet. En prosjektundersøkelse kan kreve at relevant produktdokumentasjon identifiseres, at to implementeringstilnærminger sammenlignes, og at det forklares hvilke publiserte begrensninger som gjelder. Be om at funnene organiseres etter kravet de besvarer, slik at leseren kan spore konklusjonen tilbake til dokumentasjonen den bygger på.\n\nGjennomgå undersøkelsesresultatet som et kildebasert svar: skill mellom en kildes eksplisitte utsagn og modellens slutning, og hold motstridende eller ufullstendig informasjon synlig. Modellens rolle her er søk og sammenstilling. Endringer i et eksternt system eller gjennomføring av en foreslått implementering er fortsatt handlinger som utføres av applikasjonen rundt modellen.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 fra Perplexity er søkemodusen i Sonar Pro for søk i flere trinn. Den kombinerer gjentatte nettsøk og innhenting av sider med resonnering for å utarbeide et kildebasert svar, med strømming av fremdrift i produsentens dokumenterte arbeidsflyt.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sonar Pro Search er Perplexitys Pro Search-modus for Sonar Pro, utformet for å besvare spørsmål som krever flere trinn med informasjonsinnhenting. Den kan utføre gjentatte nettsøk, hente sideinnhold og sammenstille funnene i et kildebasert svar. Modusen er forskjellig fra den raskere søkeveien og fra den separat navngitte modellen Sonar Deep Research.
Produsenten beskriver automatisert orkestrering av nettsøk og innhenting av sider. I stedet for at brukeren må gjøre hvert søkeresultat om til neste søk, kan søkeprosessen følge opp mellomspørsmålene som er nødvendige for svaret. Den dokumenterte konfigurasjonen tilbyr søkevalgene pro, fast og automatisk; det automatiske valget klassifiserer søket etter kompleksitet. Dette er produsentens søkeinnstillinger, ikke navn på tre forskjellige faste modellsjekkpunkter.
Perplexitys publiserte Pro Search-arbeidsflyt krever strømming og viser resonneringsprosessen mens søket pågår. En klient som mottar denne strømmen fra produsenten, må holde fremdriftsmeldinger og svarinnhold i riktig rekkefølge. Det ferdige undersøkelsessvaret er den nyttige leveransen; en fremdriftsmelding alene er ikke den ferdige forklaringen eller sammenligningen brukeren ba om.
Formuler spørsmålet med den enheten, det stedet, den perioden og de beslutningskriteriene som er relevante. En teknologisammenligning kan for eksempel spørre hvilke dokumenterte funksjoner som oppfyller et bestemt integrasjonskrav, hvilke betingelser som er forskjellige mellom alternativene, og hvilken dokumentasjon som underbygger forskjellen. Et godt resultat inneholder sammenligningen, kildematerialet som underbygger den, og de uavklarte spørsmålene som fortsatt påvirker valget.
For et spørsmål med flere avhengigheter oppgir du sluttmålet og begrensningene samlet. En prosjektundersøkelse kan kreve at relevant produktdokumentasjon identifiseres, at to implementeringstilnærminger sammenlignes, og at det forklares hvilke publiserte begrensninger som gjelder. Be om at funnene organiseres etter kravet de besvarer, slik at leseren kan spore konklusjonen tilbake til dokumentasjonen den bygger på.
Gjennomgå undersøkelsesresultatet som et kildebasert svar: skill mellom en kildes eksplisitte utsagn og modellens slutning, og hold motstridende eller ufullstendig informasjon synlig. Modellens rolle her er søk og sammenstilling. Endringer i et eksternt system eller gjennomføring av en foreslått implementering er fortsatt handlinger som utføres av applikasjonen rundt modellen.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser perplexity/sonar-pro-search | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Faktureringsmengde | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.006 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.006 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengdeén forespørsel | Kostnad Inndata $0.036 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra perplexity/sonar-pro-search
Bruk metodestiene som vises ovenfor.
perplexity/sonar-pro-searchSonar Pro Search fra Perplexity er søkemodusen i Sonar Pro for søk i flere trinn. Den kombinerer gjentatte nettsøk og innhenting av sider med resonnering for å utarbeide et kildebasert svar, med strømming av fremdrift i produsentens dokumenterte arbeidsflyt.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sonar Pro Search er Perplexitys Pro Search-modus for Sonar Pro, utformet for å besvare spørsmål som krever flere trinn med informasjonsinnhenting. Den kan utføre gjentatte nettsøk, hente sideinnhold og sammenstille funnene i et kildebasert svar. Modusen er forskjellig fra den raskere søkeveien og fra den separat navngitte modellen Sonar Deep Research.
Produsenten beskriver automatisert orkestrering av nettsøk og innhenting av sider. I stedet for at brukeren må gjøre hvert søkeresultat om til neste søk, kan søkeprosessen følge opp mellomspørsmålene som er nødvendige for svaret. Den dokumenterte konfigurasjonen tilbyr søkevalgene pro, fast og automatisk; det automatiske valget klassifiserer søket etter kompleksitet. Dette er produsentens søkeinnstillinger, ikke navn på tre forskjellige faste modellsjekkpunkter.
Perplexitys publiserte Pro Search-arbeidsflyt krever strømming og viser resonneringsprosessen mens søket pågår. En klient som mottar denne strømmen fra produsenten, må holde fremdriftsmeldinger og svarinnhold i riktig rekkefølge. Det ferdige undersøkelsessvaret er den nyttige leveransen; en fremdriftsmelding alene er ikke den ferdige forklaringen eller sammenligningen brukeren ba om.
Formuler spørsmålet med den enheten, det stedet, den perioden og de beslutningskriteriene som er relevante. En teknologisammenligning kan for eksempel spørre hvilke dokumenterte funksjoner som oppfyller et bestemt integrasjonskrav, hvilke betingelser som er forskjellige mellom alternativene, og hvilken dokumentasjon som underbygger forskjellen. Et godt resultat inneholder sammenligningen, kildematerialet som underbygger den, og de uavklarte spørsmålene som fortsatt påvirker valget.
For et spørsmål med flere avhengigheter oppgir du sluttmålet og begrensningene samlet. En prosjektundersøkelse kan kreve at relevant produktdokumentasjon identifiseres, at to implementeringstilnærminger sammenlignes, og at det forklares hvilke publiserte begrensninger som gjelder. Be om at funnene organiseres etter kravet de besvarer, slik at leseren kan spore konklusjonen tilbake til dokumentasjonen den bygger på.
Gjennomgå undersøkelsesresultatet som et kildebasert svar: skill mellom en kildes eksplisitte utsagn og modellens slutning, og hold motstridende eller ufullstendig informasjon synlig. Modellens rolle her er søk og sammenstilling. Endringer i et eksternt system eller gjennomføring av en foreslått implementering er fortsatt handlinger som utføres av applikasjonen rundt modellen.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser perplexity/sonar-pro-search | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Faktureringsmengde | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.006 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengde— | Kostnad Inndata · Inngående tokener $0.006 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Faktureringsmengdeén forespørsel | Kostnad Inndata $0.036 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "perplexity/sonar-pro-search",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra perplexity/sonar-pro-search
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.