Perplexity

Decider Flash V1.2 是 Perplexity 推出的一款 4B 参数决策模型，是 Decider V1.2 更小、成本更低的姊妹模型，具有相同的 API 契约。它不生成文本，而是读取通过 `state` 传递的内容（文本、JSON 或图像），并在单次请求中返回一个或多个指定问题的类型化概率答案：对于是/否问题返回“是”的概率（`noul`），对于选择问题返回每个选项的概率以及最可能的选项（`choice`，最多 255 个选项），或者对于有序评分标准返回每个级别的概率以及期望分数（`score`）。 它适用于大规模分类、路由和内容审核场景，在这些场景中，应用程序代码对返回的数字设置阈值，而不是解析聊天回复。

Decider V1.2 是 Perplexity 决策模型的新 27B 检查点，接替 Decider V1.1 27B，并沿用相同的 API 契约。它不生成文本，而是读取通过 `state` 传入的内容（文本、JSON 或图像），并在单个请求中返回针对一个或多个命名问题的类型化概率答案：对于是/否问题（`noul`），返回“是”的概率；对于选项选择（`choice`，最多 255 个选项），返回每个选项的概率以及最可能的选项；对于有序评分标准（`score`），返回每个等级的概率以及期望得分。 它专为分类、路由、内容审核和评分标准打分等场景设计，在这些场景中，应用程序代码会对返回的数字设置阈值，而非解析聊天回复。如需更小、更低成本且具有相同契约的选项，请参阅 Decider Flash V1.2。

Decider V1.1 27B 是 Perplexity 决策模型的新检查点，接替 Decider V1 27B，使用相同的 API 契约。它不是生成文本，而是读取作为 `state`（文本、JSON 或图像）传递的内容，并在单个请求中返回对一个或多个命名问题的类型化概率答案：对于是非题返回“是”的概率（`noul`），对每个选项返回概率并给出最可能的选项（`choice`），或者对有序评分标准的每个等级返回概率并给出期望得分（`score`）。它专为分类、路由、内容审核和评分标准评分而构建，在这些场景中，应用程序代码会对返回的数字进行阈值判断，而不是解析聊天回复。一个请求最多可携带 128 个关于同一内容的问题。

Decider V1 27B 是 Perplexity 推出的决策模型。它不是生成文本，而是读取作为 `state` 传入的内容，并在单个请求中返回对一个或多个命名问题的类型化概率答案：针对是非题返回“是”的概率（`noul`），针对选择题返回每个选项的概率以及最可能的选项（`choice`），或针对有序评分标准返回每个等级的概率以及预期分数（`score`）。 它专为分类、路由、内容审核和评分标准评级而构建，在这些场景中，应用程序代码会对返回的数字设置阈值，而不是解析聊天回复。一个请求最多可携带关于同一内容的 128 个问题。在 OpenRouter 上，它目前接受文本和 JSON 格式的 `state`；尚不支持图像输入。

pplx-embed-v1 -4B 是 Perplexity 最先进的文本嵌入模型之一，专为真实世界、网络规模的检索而构建。pplx-embed-v1 针对标准密集文本检索进行了优化，4B 参数模型可最大化检索质量。

pplx-embed-v1-0.6B 是 Perplexity 最先进的文本嵌入模型之一，专为真实世界的网络规模检索而构建。pplx-embed-v1 针对标准稠密文本检索进行了优化，其中 0.6B 参数模型面向轻量级、低延迟的嵌入生成。

在OpenRouter API上独家提供，Sonar Pro的全新Pro Search模式是Perplexity最先进的智能体搜索系统。它专为更深入的推理和分析而设计。定价基于token加上每千次请求18美元。该模型为Perplexity平台上的Pro Search模式提供支持。 Sonar Pro Search为Sonar Pro增加了自主的多步推理能力。因此，它不仅仅是执行一次查询和综合，而是使用工具规划并执行整个研究工作流程。

注意：Sonar Pro 的定价包含 Perplexity 搜索定价。请参阅此处详情 Sonar Reasoning Pro 是一款由 DeepSeek R1 驱动的顶级推理模型，具备思维链（CoT）。它专为高级用例设计，支持更大上下文窗口下的深入多步查询，每次搜索可呈现更多引用，从而提供更全面且可扩展的响应。

注意：Sonar Pro 的定价包含 Perplexity 搜索的定价。详见此处。 对于寻求更高级能力的企业，Sonar Pro API 可以处理深入的多步骤查询，并具有更强的扩展性，例如平均每次搜索的引用数量是 Sonar 的两倍。此外，凭借更大的上下文窗口，它可以处理更长、更细致的搜索和后续问题。

Sonar Deep Research 是一个专注于研究的模型，专为跨复杂主题的多步检索、综合与推理而设计。它自主搜索、阅读和评估来源，并在收集信息的过程中不断完善其方法。这使其能够在金融、科技、健康及时事等领域生成全面的报告。 定价说明（来源） - 输入 token 包括提示词 token（用户提示）和引用 token（运行搜索时处理得到的 token）。 - Deep Research 会运行多次搜索以进行详尽研究。搜索定价为 $5/1000 次搜索。一个执行 30 次搜索的请求在此步骤将花费 $0.15。 - 推理是 Deep Research 中的一个独立步骤，因为它会对研究阶段收集的所有材料进行广泛的自动推理。这里的推理 token 与答案中的 CoT 略有不同——这些 token 用于在通过 CoT 生成输出之前对研究材料进行推理。推理 token 定价为 $3/1M tokens。

Sonar 轻量、经济、快速且易于使用——现在支持引用和自定义来源。它专为希望集成针对速度优化的轻量级问答功能的企业而设计。