Perplexity: Sonar Pro Search
Perplexity: Sonar Pro Search est un LLM propriétaire lancé par Perplexity le 30 octobre 2025. Sa fenêtre de contexte de 200 000 tokens constitue son principal trait distinctif et autorise le traitement de volumes d’entrée importants.
Perplexity: Sonar Pro Search est un LLM propriétaire lancé par Perplexity le 30 octobre 2025. Sa fenêtre de contexte de 200 000 tokens constitue son principal trait distinctif et autorise le traitement de volumes d’entrée importants.
Son positionnement tarifaire est classé dans la moyenne. Il coûte toutefois 44% de plus que la moyenne des LLM similaires, tout en restant environ 1.8 fois moins cher que les modèles frontière.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Perplexity |
| Poids | 🔒 Propriétaire |
| Date de sortie | 30 octobre 2025 |
| Multimodal | oui |
| Fenêtre de contexte | 200 000 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Ethics (Baseline) | 99,0 % | 73ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 98,0 % | 91ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 92,0 % | 56ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 92,0 % | 61ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 80,0 % | 108ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 74,0 % | 84ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 73,0 % | 157ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 60,0 % | 88ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : Ethics (Baseline)
Benchable : General Knowledge (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Perplexity | 3 $ | 15 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 44 % au-dessus de la moyenne des LLM similaires, et 1,8 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,18 $ |
| Latence moyenne par benchmark — Benchable | 13 min 00 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. La fenêtre de 200 000 tokens constitue un avantage concret pour les tâches fondées sur de longs corpus. Dans Benchable, Ethics (Baseline) et General Knowledge (Baseline) affichent les scores bruts les plus élevés du modèle. Coding (Baseline) se place dans la partie supérieure du classement, tandis que Mathematics (Baseline) se situe près du milieu du tableau. Ces résultats indiquent un profil assez équilibré entre connaissances générales, code et mathématiques. Le coût reste nettement inférieur à celui des modèles frontière.
Limites et points d'attention. Les scores élevés en Ethics et General Knowledge sont peu discriminants, car ces benchmarks sont plafonnés et les places sont partagées avec d’autres modèles. Hallucinations (Baseline) figure dans le bas du classement, avec une 108e place sur 146. Reasoning (Baseline) reste également en retrait, dans la seconde moitié du tableau. Le tarif dépasse de 44% celui des LLM similaires malgré son classement général dans la moyenne. Son caractère propriétaire exclut les usages qui exigent un modèle ouvert. Ce profil convient surtout aux traitements de longs contextes, avec une vigilance particulière sur le raisonnement et les hallucinations.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).