Perplexity: 自有的 LLM？

Lisa Ernst · 05.10.2025 · 技术 · 4 分钟

Perplexity 依赖一个自有的语言模型，名为 Sonar。该模型基于 Meta 的开源基础模型（Llama 3.x），并为搜索任务进行了微调。它不是一个从头开始的基础模型，而是一个内部训练的分叉，具备自己的基础设施和搜索接入。此外，Perplexity 在付费计划中还提供第三方模型，如 GPT、Claude 和 Gemini。

Perplexity Sonar

Perplexity 于 2023 年底推出了“PPLX Online LLMs”。这些模型将开源基础（Mistral-7B、Llama2-70B）与自有的搜索、索引与爬取栈结合起来，以用当前的网络来源来支撑答案（来源). 2025 年，作为标准搜索模式的新内置模型，Sonar 上线。根据 Perplexity 的说法，Sonar 基于 Llama 3.3 70B，针对事实准确性和可读性进行了优化（来源). 在与 Cerebras 的合作下，Sonar 在专门的推理基础设施上运行，吞吐量可达每秒 1,200 个 Tokens（来源).

Perplexity 通过一个基于开源的自有模型追求多重动机。首先，内置微调使其能更精确地适应搜索任务、引用逻辑和幻觉控制（来源). 其次，专用推理基础设施（Cerebras）优化吞吐量和延迟，这对“答案引擎”产品至关重要（来源). 第三，Perplexity 通过在自身快速、基于搜索的答案与成本更高的 Frontier 模型之间进行选择来定位自身，以便根据应用场景进行权衡（来源). 明确的“我们有自有模型”有助于提升品牌，同时不牺牲灵活性，在需要时接入外部尖端模型（来源).

Quelle: YouTube

模型生态系统

Perplexity 平台提供一个多样化的模型生态系统。Sonar 被描述为一个自有、针对搜索优化的模型，基于 Llama 3.3 70B，并在内部继续训练（来源). 历史上还有“PPLX Online LLMs”，它们基于 Mistral-7B 和 Llama2-70B，并与 Perplexity 自有的网页检索系统连接（来源). 与此同时，Perplexity 在付费计划中也提供第三方模型，如 GPT、Claude 和 Gemini，界面中可进行选择（来源).

Quelle: dhruvirzala.com

In Perplexity Pro，用户可以在多种强大的 LLM 中进行选择，其中也包括第三方模型。

Perplexity 帮助中心将 Sonar 称为“in-house model”，并列出 Pro 中可用的 Frontier 模型（如 GPT、Claude、Gemini），用户可以主动选择（来源, 来源).

事实与主张

有证据表明，Perplexity 使用 Sonar 作为标准搜索模式的内置模型，该模型基于 Llama 3.3 70B，并针对事实准确性、可读性以及高速度优化（来源, 来源). 推理在 Cerebras 基础设施上运行，传输速率达到每秒 1,200 个 Token（来源). 历史上，“PPLX Online”模型来自 Mistral-7B 和 Llama2-70B，并与自有的检索功能相关联（来源). Pro-订阅允许在 Sonar 和第三方模型（如 GPT、Claude 或 Gemini）之间进行选择（来源, 来源).

Perplexity 指出协议，第三方数据不会用于训练 Perplexity 的模型（来源).

尚不清楚 Perplexity 是否会单独训练一个完全独立的 Foundation-模型（没有开源基础），目前没有可靠的宣布。所谓“Perplexity 只使用 GPT/Claude，没有自己的模型”的说法已被 Sonar 的发布所推翻（来源, 来源).

隐私与使用

关于数据使用，Perplexity 强调对第三方提供者的合同承诺：Perplexity 的数据不得用于训练外部模型。此外，存在用于训练用途的 Opt-out 规定（来源, 来源, 来源).

Quelle: perplexity.ai

Perplexity.ai 宣告推出基于 pplx 模型的自有在线 LLMs。

影响与待解问题

用于研究、新闻和快速定位，Sonar 通常是务实的默认设置：快速、基于搜索并带有来源说明（来源). 在需要长链逻辑、代码辅助或偏好对某一特定 Frontier 家族的工具调用时，手动在 Pro 中切换到 GPT、Claude 或 Gemini 将很划算（来源). 关于数据保护的问题，建议查看政策、Opt-out 和企业信息；关键是承诺第三方模型不会使用 Perplexity 的数据进行训练（来源, 来源, 来源).

Quelle: YouTube

尚待解答的问题涉及模型家族的进一步发展：Sonar 是否会长期扩展为多阶段版本（如 Pro、Reasoning），以及厂商是否发布可验证、可重复方法学的可靠、独立基准（来源)? 未来与第三方签订的合同中关于数据使用的承诺有多稳妥，是否有外部审计或可信中心报告的详细资料（来源)? “Deep Research” 在较长、方法论性项目中扮演怎样的角色，以及那里默认采用哪些模型（来源)?

关于“自有模型”的问题可以明确回答：Perplexity 使用 Sonar 在 Llama-3.x 基础上进行内训微调的 LLM，专门针对快速、可引用的搜索回答，并得到专用推理硬件的支持（来源, 来源). 同时，平台也对 Frontier 模型保持开放，可根据任务选择（来源). 这需要在速度、成本、深度和隐私之间进行有意识的权衡，以及在具体情境下选择合适的模型。