Sonar Pro to zaawansowany wariant Sonar firmy Perplexity do pytań badawczych i wyszukiwań wymagających aktualnych informacji. Producent przedstawia go jako rozwiązanie do codziennego zbierania informacji i mniej złożonych analiz wieloetapowych. Generuje odpowiedź tekstową opartą na informacjach zebranych dla danego pytania, pozostając odrębny od trybu Pro Search i Sonar Deep Research.
Przygotuj zadanie wokół decyzji, której ma służyć analiza. Dokładnie nazwij organizację, produkt lub temat i określ okres, lokalizację oraz kryteria porównania. Przy analizie produktu poproś o udokumentowaną możliwość, warunki wpływające na jej wykorzystanie i dowody potwierdzające każde ustalenie. Wynik może posłużyć jako notatka porównawcza, ocena zgodności z wymaganiami lub zwięzłe opracowanie.
Gdy kilka źródeł opisuje ten sam temat, poproś model o porównanie ich stwierdzeń, zamiast łączenia ich w jeden niepoparty dowodami wniosek. Ustal, które źródło jest oryginalną specyfikacją lub ogłoszeniem, które stanowi interpretację i czy stwierdzenia dotyczą tej samej edycji. Wynik uporządkowany według twierdzeń i potwierdzających je dowodów łatwiej sprawdzać i aktualizować niż ogólny przegląd.
Pytania uzupełniające mogą zawęzić analizę do nierozstrzygniętego warunku. Na przykład po porównaniu funkcji zapytaj, które wymaganie zmienia wybór lub jaki wyjątek ma znaczenie dla konkretnego procesu. Dołącz wcześniejsze ustalenia i nowe ograniczenie, aby model miał kontekst do następnej odpowiedzi. Krótkie, dobrze określone pytanie uzupełniające może być bardziej przydatne niż ponowienie pierwotnego, szerokiego pytania.
Rodzina Sonar łączy generowanie odpowiedzi z wyszukiwaniem w sieci. Udokumentowana odpowiedź Sonar producenta oddziela odpowiedź od odwołań do źródeł i informacji o wynikach wyszukiwania. Zachowuj te powiązania, gdy aplikacja prezentuje opracowanie: fragment widoczny dla czytelnika powinien pozostać powiązany z potwierdzającym go wynikiem, a opis źródła powinien być dostępny do sprawdzenia.
W końcowym opracowaniu poproś o odpowiedź, dowody na jej istotne twierdzenia i krótką listę pozostałych niepewności. Jeżeli pytanie wymaga zmiany w innym systemie, wykorzystaj analizę do przygotowania tej decyzji; wykonanie działań i dostęp do informacji prywatnych zapewnia aplikacja korzystająca z modelu.
", "aboutText": "Sonar Pro to zaawansowany wariant Sonar firmy Perplexity do pytań badawczych i wyszukiwań wymagających aktualnych informacji. Producent przedstawia go jako rozwiązanie do codziennego zbierania informacji i mniej złożonych analiz wieloetapowych. Generuje odpowiedź tekstową opartą na informacjach zebranych dla danego pytania, pozostając odrębny od trybu Pro Search i Sonar Deep Research.\n\nPrzygotuj zadanie wokół decyzji, której ma służyć analiza. Dokładnie nazwij organizację, produkt lub temat i określ okres, lokalizację oraz kryteria porównania. Przy analizie produktu poproś o udokumentowaną możliwość, warunki wpływające na jej wykorzystanie i dowody potwierdzające każde ustalenie. Wynik może posłużyć jako notatka porównawcza, ocena zgodności z wymaganiami lub zwięzłe opracowanie.\n\nGdy kilka źródeł opisuje ten sam temat, poproś model o porównanie ich stwierdzeń, zamiast łączenia ich w jeden niepoparty dowodami wniosek. Ustal, które źródło jest oryginalną specyfikacją lub ogłoszeniem, które stanowi interpretację i czy stwierdzenia dotyczą tej samej edycji. Wynik uporządkowany według twierdzeń i potwierdzających je dowodów łatwiej sprawdzać i aktualizować niż ogólny przegląd.\n\nPytania uzupełniające mogą zawęzić analizę do nierozstrzygniętego warunku. Na przykład po porównaniu funkcji zapytaj, które wymaganie zmienia wybór lub jaki wyjątek ma znaczenie dla konkretnego procesu. Dołącz wcześniejsze ustalenia i nowe ograniczenie, aby model miał kontekst do następnej odpowiedzi. Krótkie, dobrze określone pytanie uzupełniające może być bardziej przydatne niż ponowienie pierwotnego, szerokiego pytania.\n\nRodzina Sonar łączy generowanie odpowiedzi z wyszukiwaniem w sieci. Udokumentowana odpowiedź Sonar producenta oddziela odpowiedź od odwołań do źródeł i informacji o wynikach wyszukiwania. Zachowuj te powiązania, gdy aplikacja prezentuje opracowanie: fragment widoczny dla czytelnika powinien pozostać powiązany z potwierdzającym go wynikiem, a opis źródła powinien być dostępny do sprawdzenia.\n\nW końcowym opracowaniu poproś o odpowiedź, dowody na jej istotne twierdzenia i krótką listę pozostałych niepewności. Jeżeli pytanie wymaga zmiany w innym systemie, wykorzystaj analizę do przygotowania tej decyzji; wykonanie działań i dostęp do informacji prywatnych zapewnia aplikacja korzystająca z modelu.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
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 firmy Perplexity odpowiada na pytania badawcze, wykorzystując informacje z sieci i syntezę opartą na źródłach. Służy do codziennego zbierania informacji i bardziej złożonych poszukiwań, z pytaniami uzupełniającymi, które doprecyzowują analizę.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Sonar Pro to zaawansowany wariant Sonar firmy Perplexity do pytań badawczych i wyszukiwań wymagających aktualnych informacji. Producent przedstawia go jako rozwiązanie do codziennego zbierania informacji i mniej złożonych analiz wieloetapowych. Generuje odpowiedź tekstową opartą na informacjach zebranych dla danego pytania, pozostając odrębny od trybu Pro Search i Sonar Deep Research.
Przygotuj zadanie wokół decyzji, której ma służyć analiza. Dokładnie nazwij organizację, produkt lub temat i określ okres, lokalizację oraz kryteria porównania. Przy analizie produktu poproś o udokumentowaną możliwość, warunki wpływające na jej wykorzystanie i dowody potwierdzające każde ustalenie. Wynik może posłużyć jako notatka porównawcza, ocena zgodności z wymaganiami lub zwięzłe opracowanie.
Gdy kilka źródeł opisuje ten sam temat, poproś model o porównanie ich stwierdzeń, zamiast łączenia ich w jeden niepoparty dowodami wniosek. Ustal, które źródło jest oryginalną specyfikacją lub ogłoszeniem, które stanowi interpretację i czy stwierdzenia dotyczą tej samej edycji. Wynik uporządkowany według twierdzeń i potwierdzających je dowodów łatwiej sprawdzać i aktualizować niż ogólny przegląd.
Pytania uzupełniające mogą zawęzić analizę do nierozstrzygniętego warunku. Na przykład po porównaniu funkcji zapytaj, które wymaganie zmienia wybór lub jaki wyjątek ma znaczenie dla konkretnego procesu. Dołącz wcześniejsze ustalenia i nowe ograniczenie, aby model miał kontekst do następnej odpowiedzi. Krótkie, dobrze określone pytanie uzupełniające może być bardziej przydatne niż ponowienie pierwotnego, szerokiego pytania.
Rodzina Sonar łączy generowanie odpowiedzi z wyszukiwaniem w sieci. Udokumentowana odpowiedź Sonar producenta oddziela odpowiedź od odwołań do źródeł i informacji o wynikach wyszukiwania. Zachowuj te powiązania, gdy aplikacja prezentuje opracowanie: fragment widoczny dla czytelnika powinien pozostać powiązany z potwierdzającym go wynikiem, a opis źródła powinien być dostępny do sprawdzenia.
W końcowym opracowaniu poproś o odpowiedź, dowody na jej istotne twierdzenia i krótką listę pozostałych niepewności. Jeżeli pytanie wymaga zmiany w innym systemie, wykorzystaj analizę do przygotowania tej decyzji; wykonanie działań i dostęp do informacji prywatnych zapewnia aplikacja korzystająca z modelu.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity perplexity/sonar-pro | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Ilość do rozliczenia | Opłata |
|---|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Ilość do rozliczenia— | Opłata Wejście · Tokeny wejściowe $0.006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Ilość do rozliczenia— | Opłata Wejście · Tokeny wejściowe $0.006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaZa żądanie | Tabela stawek— | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Ilość do rozliczeniajedno żądanie | Opłata Wejście $0.01 za żądanie |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra perplexity/sonar-pro
Użyj ścieżek metod podanych powyżej.
perplexity/sonar-proSonar Pro firmy Perplexity odpowiada na pytania badawcze, wykorzystując informacje z sieci i syntezę opartą na źródłach. Służy do codziennego zbierania informacji i bardziej złożonych poszukiwań, z pytaniami uzupełniającymi, które doprecyzowują analizę.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Sonar Pro to zaawansowany wariant Sonar firmy Perplexity do pytań badawczych i wyszukiwań wymagających aktualnych informacji. Producent przedstawia go jako rozwiązanie do codziennego zbierania informacji i mniej złożonych analiz wieloetapowych. Generuje odpowiedź tekstową opartą na informacjach zebranych dla danego pytania, pozostając odrębny od trybu Pro Search i Sonar Deep Research.
Przygotuj zadanie wokół decyzji, której ma służyć analiza. Dokładnie nazwij organizację, produkt lub temat i określ okres, lokalizację oraz kryteria porównania. Przy analizie produktu poproś o udokumentowaną możliwość, warunki wpływające na jej wykorzystanie i dowody potwierdzające każde ustalenie. Wynik może posłużyć jako notatka porównawcza, ocena zgodności z wymaganiami lub zwięzłe opracowanie.
Gdy kilka źródeł opisuje ten sam temat, poproś model o porównanie ich stwierdzeń, zamiast łączenia ich w jeden niepoparty dowodami wniosek. Ustal, które źródło jest oryginalną specyfikacją lub ogłoszeniem, które stanowi interpretację i czy stwierdzenia dotyczą tej samej edycji. Wynik uporządkowany według twierdzeń i potwierdzających je dowodów łatwiej sprawdzać i aktualizować niż ogólny przegląd.
Pytania uzupełniające mogą zawęzić analizę do nierozstrzygniętego warunku. Na przykład po porównaniu funkcji zapytaj, które wymaganie zmienia wybór lub jaki wyjątek ma znaczenie dla konkretnego procesu. Dołącz wcześniejsze ustalenia i nowe ograniczenie, aby model miał kontekst do następnej odpowiedzi. Krótkie, dobrze określone pytanie uzupełniające może być bardziej przydatne niż ponowienie pierwotnego, szerokiego pytania.
Rodzina Sonar łączy generowanie odpowiedzi z wyszukiwaniem w sieci. Udokumentowana odpowiedź Sonar producenta oddziela odpowiedź od odwołań do źródeł i informacji o wynikach wyszukiwania. Zachowuj te powiązania, gdy aplikacja prezentuje opracowanie: fragment widoczny dla czytelnika powinien pozostać powiązany z potwierdzającym go wynikiem, a opis źródła powinien być dostępny do sprawdzenia.
W końcowym opracowaniu poproś o odpowiedź, dowody na jej istotne twierdzenia i krótką listę pozostałych niepewności. Jeżeli pytanie wymaga zmiany w innym systemie, wykorzystaj analizę do przygotowania tej decyzji; wykonanie działań i dostęp do informacji prywatnych zapewnia aplikacja korzystająca z modelu.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity perplexity/sonar-pro | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Ilość do rozliczenia | Opłata |
|---|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Ilość do rozliczenia— | Opłata Wejście · Tokeny wejściowe $0.006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Ilość do rozliczenia— | Opłata Wejście · Tokeny wejściowe $0.006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaZa żądanie | Tabela stawek— | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Ilość do rozliczeniajedno żądanie | Opłata Wejście $0.01 za żądanie |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "perplexity/sonar-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra perplexity/sonar-pro
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
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.