Sonar Deep Research
Réseau Neuronal
Sonar Deep Research, le modèle Perplexity pour la recherche approfondie : recherche multi-étapes, évaluation et synthèse.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Sonar Deep Research?
Sonar Deep Research est un modèle de recherche Perplexity qui fonctionne par séries plutôt que par requêtes uniques : il recherche, lit et évalue les documents de manière autonome, affine sa direction en cours de collecte et synthétise le tout en une réponse cohérente sur des sujets complexes. Plutôt que de répondre uniquement à partir de sa mémoire, il s'appuie sur une extraction et une synthèse d'informations en plusieurs étapes, ce qui le rend idéal pour les analyses approfondies et les raisonnements précis basés sur des sources. Sur BotHub, ce modèle est accessible sans VPN ni carte étrangère : payez en roubles à l'usage, sans expiration du solde. Plus de 250 autres réseaux neuronaux sont disponibles dans la même fenêtre pour comparer les réponses. Une API compatible OpenAI est disponible pour les produits, et les échanges sont chiffrés en AES-GCM. Ce modèle aide les analystes à étudier le marché et la concurrence, les marketeurs à comprendre une niche, les équipes produit à synthétiser des documents, les chercheurs à préparer des revues de littérature et les consultants à se familiariser rapidement avec un secteur.Questions fréquentes sur Sonar Deep Research
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
sonar-deep-research de Perplexity est conçu pour la recherche approfondie : le modèle recherche lui-même des informations en ligne, raisonne sur les résultats et compile une réponse analytique détaillée. Utile pour les études de marché, l'analyse de sujets complexes, le travail sur documents et images (les deux sont acceptés en entrée).
La limite de sortie est de 115 200 jetons par réponse, suffisant pour un long rapport analytique. Avec une fenêtre contextuelle de 200 000 jetons, vous pouvez charger un grand volume de documents et obtenir une analyse détaillée sans diviser la tâche.
Oui, le raisonnement avant réponse est confirmé. Le modèle construit une chaîne de conclusions, vérifie les données trouvées en ligne, puis formule le résultat. La réponse n'est donc pas instantanée, mais pour les requêtes complexes, elle est nettement plus argumentée et basée sur des sources.
Nos données n'indiquent pas de prise en charge du 'function calling' ou du JSON structuré, nous ne pouvons donc pas le garantir. Il est généralement possible de demander une réponse au format JSON dans le prompt. Pour des schémas stricts, BotHub propose d'autres modèles avec une API unifiée compatible OpenAI, sans avoir à réécrire l'intégration.
Les images et documents peuvent être envoyés avec du texte. L'audio et la vidéo ne sont pas indiqués dans nos données ; pour la transcription ou l'analyse d'enregistrements, il est préférable de passer à un modèle spécialisé, tous disponibles dans BotHub.
Nous n'avons pas de données spécifiques sur le russe pour ce modèle, il est donc préférable de tester par vous-même. L'accès à sonar-deep-research depuis la Russie fonctionne sans VPN ni carte étrangère, avec paiement en roubles à l'usage.