Sonar Deep Research é a opção Sonar da Perplexity centrada na investigação, para investigações complexas e ampla cobertura de fontes. O fabricante posiciona-a para raciocínio de nível especializado e investigação exaustiva. A sua saída útil é um relatório textual pormenorizado que organiza as conclusões em torno da pergunta, em vez de uma coleção de resultados de pesquisa deixada ao utilizador para reunir.
Comece com um enunciado de investigação: o tema, o âmbito, o período abrangido e a decisão que o relatório deve apoiar. Especifique as secções a devolver e os tipos de elementos de prova relevantes. Para um panorama tecnológico, um enunciado útil pode pedir as principais abordagens, as suas restrições documentadas, os elementos de prova mais sólidos para cada uma e as perguntas que continuam por resolver.
Separe a descoberta da síntese no artefacto pedido. As conclusões devem explicar o que as fontes estabelecem; a análise deve indicar como essas conclusões afetam a pergunta. Peça que os elementos de prova contraditórios e as lacunas importantes permaneçam visíveis. Para uma tarefa orientada para literatura, defina se a ênfase recai sobre material académico, documentação original ou outra classe de fonte.
O anúncio publicado de Sonar Deep Research da Perplexity descreve opções de esforço de raciocínio e um modo de pesquisa académica que dá prioridade a fontes académicas. São controlos de investigação do produtor. A tarefa continua a precisar de um objetivo claro: um processamento mais profundo não pode decidir que elementos de prova ou entrega são relevantes quando a própria pergunta de investigação não está especificada.
Uma saída prática pode ser um resumo executivo seguido de uma comparação de abordagens, uma tabela de elementos de prova e um conjunto de perguntas para investigação seguinte. Por exemplo, uma investigação de uma conceção técnica pode distinguir mecanismos estabelecidos, condições de implementação e compromissos por resolver, com cada conclusão principal ligada à informação usada para a sustentar.
Reveja o relatório face ao enunciado original. Verifique se as conclusões respondem à pergunta definida, se edições diferentes das fontes foram mantidas separadas e se uma inferência foi apresentada como um facto sustentado numa fonte. O relatório de investigação pode orientar uma decisão posterior da aplicação, enquanto alterações a sistemas externos e análise de registos privados exigem as ferramentas e os acessos próprios da aplicação.
", "aboutText": "Sonar Deep Research é a opção Sonar da Perplexity centrada na investigação, para investigações complexas e ampla cobertura de fontes. O fabricante posiciona-a para raciocínio de nível especializado e investigação exaustiva. A sua saída útil é um relatório textual pormenorizado que organiza as conclusões em torno da pergunta, em vez de uma coleção de resultados de pesquisa deixada ao utilizador para reunir.\n\nComece com um enunciado de investigação: o tema, o âmbito, o período abrangido e a decisão que o relatório deve apoiar. Especifique as secções a devolver e os tipos de elementos de prova relevantes. Para um panorama tecnológico, um enunciado útil pode pedir as principais abordagens, as suas restrições documentadas, os elementos de prova mais sólidos para cada uma e as perguntas que continuam por resolver.\n\nSepare a descoberta da síntese no artefacto pedido. As conclusões devem explicar o que as fontes estabelecem; a análise deve indicar como essas conclusões afetam a pergunta. Peça que os elementos de prova contraditórios e as lacunas importantes permaneçam visíveis. Para uma tarefa orientada para literatura, defina se a ênfase recai sobre material académico, documentação original ou outra classe de fonte.\n\nO anúncio publicado de Sonar Deep Research da Perplexity descreve opções de esforço de raciocínio e um modo de pesquisa académica que dá prioridade a fontes académicas. São controlos de investigação do produtor. A tarefa continua a precisar de um objetivo claro: um processamento mais profundo não pode decidir que elementos de prova ou entrega são relevantes quando a própria pergunta de investigação não está especificada.\n\nUma saída prática pode ser um resumo executivo seguido de uma comparação de abordagens, uma tabela de elementos de prova e um conjunto de perguntas para investigação seguinte. Por exemplo, uma investigação de uma conceção técnica pode distinguir mecanismos estabelecidos, condições de implementação e compromissos por resolver, com cada conclusão principal ligada à informação usada para a sustentar.\n\nReveja o relatório face ao enunciado original. Verifique se as conclusões respondem à pergunta definida, se edições diferentes das fontes foram mantidas separadas e se uma inferência foi apresentada como um facto sustentado numa fonte. O relatório de investigação pode orientar uma decisão posterior da aplicação, enquanto alterações a sistemas externos e análise de registos privados exigem as ferramentas e os acessos próprios da aplicação.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e8d3db150bd4d7f40c8e2420c54af571a1e68aa692b0a8d548e38fe368258abb", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "sonar-deep-researchSonar Deep Research da Perplexity é a opção Sonar para investigações exigentes e ampla cobertura de fontes. Transforma um enunciado de investigação complexo num relatório pormenorizado e sustentado em fontes, com controlos de raciocínio e de pesquisa académica documentados pelo produtor.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Sonar Deep Research é a opção Sonar da Perplexity centrada na investigação, para investigações complexas e ampla cobertura de fontes. O fabricante posiciona-a para raciocínio de nível especializado e investigação exaustiva. A sua saída útil é um relatório textual pormenorizado que organiza as conclusões em torno da pergunta, em vez de uma coleção de resultados de pesquisa deixada ao utilizador para reunir.
Comece com um enunciado de investigação: o tema, o âmbito, o período abrangido e a decisão que o relatório deve apoiar. Especifique as secções a devolver e os tipos de elementos de prova relevantes. Para um panorama tecnológico, um enunciado útil pode pedir as principais abordagens, as suas restrições documentadas, os elementos de prova mais sólidos para cada uma e as perguntas que continuam por resolver.
Separe a descoberta da síntese no artefacto pedido. As conclusões devem explicar o que as fontes estabelecem; a análise deve indicar como essas conclusões afetam a pergunta. Peça que os elementos de prova contraditórios e as lacunas importantes permaneçam visíveis. Para uma tarefa orientada para literatura, defina se a ênfase recai sobre material académico, documentação original ou outra classe de fonte.
O anúncio publicado de Sonar Deep Research da Perplexity descreve opções de esforço de raciocínio e um modo de pesquisa académica que dá prioridade a fontes académicas. São controlos de investigação do produtor. A tarefa continua a precisar de um objetivo claro: um processamento mais profundo não pode decidir que elementos de prova ou entrega são relevantes quando a própria pergunta de investigação não está especificada.
Uma saída prática pode ser um resumo executivo seguido de uma comparação de abordagens, uma tabela de elementos de prova e um conjunto de perguntas para investigação seguinte. Por exemplo, uma investigação de uma conceção técnica pode distinguir mecanismos estabelecidos, condições de implementação e compromissos por resolver, com cada conclusão principal ligada à informação usada para a sustentar.
Reveja o relatório face ao enunciado original. Verifique se as conclusões respondem à pergunta definida, se edições diferentes das fontes foram mantidas separadas e se uma inferência foi apresentada como um facto sustentado numa fonte. O relatório de investigação pode orientar uma decisão posterior da aplicação, enquanto alterações a sistemas externos e análise de registos privados exigem as ferramentas e os acessos próprios da aplicação.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites sonar-deep-research | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0044 / 1K tokens Saída · Tokens de saída $0.0176 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"sonar-deep-research","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="sonar-deep-research", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra sonar-deep-research
/chat/completions
sonar-deep-researchSonar Deep Research da Perplexity é a opção Sonar para investigações exigentes e ampla cobertura de fontes. Transforma um enunciado de investigação complexo num relatório pormenorizado e sustentado em fontes, com controlos de raciocínio e de pesquisa académica documentados pelo produtor.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Sonar Deep Research é a opção Sonar da Perplexity centrada na investigação, para investigações complexas e ampla cobertura de fontes. O fabricante posiciona-a para raciocínio de nível especializado e investigação exaustiva. A sua saída útil é um relatório textual pormenorizado que organiza as conclusões em torno da pergunta, em vez de uma coleção de resultados de pesquisa deixada ao utilizador para reunir.
Comece com um enunciado de investigação: o tema, o âmbito, o período abrangido e a decisão que o relatório deve apoiar. Especifique as secções a devolver e os tipos de elementos de prova relevantes. Para um panorama tecnológico, um enunciado útil pode pedir as principais abordagens, as suas restrições documentadas, os elementos de prova mais sólidos para cada uma e as perguntas que continuam por resolver.
Separe a descoberta da síntese no artefacto pedido. As conclusões devem explicar o que as fontes estabelecem; a análise deve indicar como essas conclusões afetam a pergunta. Peça que os elementos de prova contraditórios e as lacunas importantes permaneçam visíveis. Para uma tarefa orientada para literatura, defina se a ênfase recai sobre material académico, documentação original ou outra classe de fonte.
O anúncio publicado de Sonar Deep Research da Perplexity descreve opções de esforço de raciocínio e um modo de pesquisa académica que dá prioridade a fontes académicas. São controlos de investigação do produtor. A tarefa continua a precisar de um objetivo claro: um processamento mais profundo não pode decidir que elementos de prova ou entrega são relevantes quando a própria pergunta de investigação não está especificada.
Uma saída prática pode ser um resumo executivo seguido de uma comparação de abordagens, uma tabela de elementos de prova e um conjunto de perguntas para investigação seguinte. Por exemplo, uma investigação de uma conceção técnica pode distinguir mecanismos estabelecidos, condições de implementação e compromissos por resolver, com cada conclusão principal ligada à informação usada para a sustentar.
Reveja o relatório face ao enunciado original. Verifique se as conclusões respondem à pergunta definida, se edições diferentes das fontes foram mantidas separadas e se uma inferência foi apresentada como um facto sustentado numa fonte. O relatório de investigação pode orientar uma decisão posterior da aplicação, enquanto alterações a sistemas externos e análise de registos privados exigem as ferramentas e os acessos próprios da aplicação.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites sonar-deep-research | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0044 / 1K tokens Saída · Tokens de saída $0.0176 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "sonar-deep-research",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sonar-deep-research', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sonar-deep-research', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra sonar-deep-research
/chat/completions