Sonar Reasoning Pro
Réseau Neuronal
Sonar Reasoning Pro est un modèle de raisonnement Perplexity avec chaîne de pensée pour les tâches analytiques basées sur la recherche.
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 Reasoning Pro?
Sonar Reasoning Pro est un modèle de raisonnement Perplexity : il décompose les tâches étape par étape via une chaîne de pensée et s'appuie sur la recherche intégrée de Perplexity. Cette approche est idéale lorsque l'analyse prime sur la réponse instantanée : vérification des sources, test d'hypothèses, raisonnement multi-étapes. Via BotHub, le modèle fonctionne sans VPN ni carte étrangère : vous payez en roubles avec une carte russe à l'usage, sans abonnement, et les jetons inutilisés ne sont pas perdus. Avec plus de 250 réseaux de neurones disponibles dans une seule fenêtre, il est facile de comparer les réponses. L'API compatible OpenAI permet de basculer entre les modèles sans réécrire l'intégration ; les requêtes sont chiffrées via AES-GCM et les données ne sont pas conservées. Le modèle est utile aux analystes pour collecter et vérifier des faits, aux marketeurs pour analyser le marché et la concurrence via des sources, aux développeurs pour déboguer la logique, et aux chercheurs pour les revues de littérature. Pour les entreprises, BotHub propose contrats, factures, EDI et un panneau d'administration avec limites.Questions fréquentes sur Sonar Reasoning Pro
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-reasoning-pro de Perplexity est un modèle avec raisonnement et recherche web native. Adapté à l'analyse, la recherche, l'examen de documents et les questions nécessitant des données récentes. Accepte texte, images et documents en entrée ; le contexte de 128 000 jetons permet de traiter des matériaux volumineux.
Jusqu'à 115 200 jetons par réponse, suffisant pour une longue analyse, un examen détaillé de document ou un rapport complet. La fenêtre totale est de 128 000 jetons ; plus vous fournissez de matériel en entrée, moins il reste d'espace pour la sortie.
Oui, le raisonnement avant réponse est confirmé : le modèle construit une chaîne de réflexion avant de formuler une conclusion. Avec la recherche web native, cela aide pour les tâches nécessitant de comparer plusieurs sources et de montrer la logique de résolution, plutôt que de fournir une simple réponse courte.
Dans nos données, l'appel de fonctions et la sortie JSON structurée ne sont pas indiqués, nous ne pouvons donc pas les garantir. En pratique, vous pouvez demander la structure souhaitée directement dans le prompt et vérifier le résultat. Si un tool calling strict est requis, il est facile de passer à un autre modèle via l'API unifiée de BotHub.
Le modèle accepte les images et documents en entrée : envoyez une capture d'écran, un schéma ou un fichier et demandez d'analyser le contenu. L'audio et la vidéo ne sont pas pris en charge en entrée. En sortie, n'attendez pas de génération d'images, de son ou de vidéo.
Nous n'avons pas de caractéristiques linguistiques spécifiques, nous ne promettons donc rien de concret — il est plus simple de tester le modèle sur votre tâche directement dans BotHub. L'accès fonctionne depuis la Russie sans VPN ni carte étrangère, paiement par cartes russes en roubles à l'usage.