Maaari ko bang patakbuhin ang Sonar nang lokal o i-download ang weights nito?

Hindi. Ang Sonar ay API-only na modelo mula sa Perplexity; hindi pampubliko ang weights at walang Hugging Face repository.

Magkano ang gastos ng Sonar at gaano kahaba ang context?

Ang presyo ay $1.00 bawat milyong input tokens at $1.00 bawat milyong output tokens, na may context window na 127,072 tokens.

Paano naiiba ang Sonar sa iba pang mga modelo ng Perplexity?

Ang Sonar ang magaan at speed-optimized na tier sa lineup ng Perplexity, na inilaan para sa simpleng Q&A integrations; nag-aalok din ang Perplexity ng mas malalaking modelo para sa mas mahihirap na gawain, ngunit pinapalitan ng Sonar ang kakayahan para sa mas mababang gastos at mas mabilis na tugon.

Sonar

6329°

#llm #pagkalito #paningin #chat #pananaliksik #mabilis

Patakbuhin ang modelong ito

Alok / Ads

OpenRouter Terminal / API

Bayad kada token

Makipag-chat sa modelong ito sa browser o tawagan ito mula sa iyong code gamit ang isang API key.

Perplexity | 127,072 token context | $1.00/M input, $1.00/M output. Ang Sonar ay magaan, abot-kaya, mabilis, at madaling gamitin — ngayon ay may mga citation at kakayahang i-customize ang mga pinanggalingan. Ito ay idinisenyo para sa mga kumpanya na naghahanap na mag-integrate ng magagaan na question-and-answer features na optimized para sa bilis.

Mga gabay para sa model na ito

Ang 10 pinakamurang alternatibo sa ChatGPT sa 2026: libreng lokal na mga modelo, libreng tier at flat-rate na mga plano

Open weights vs open source vs API-only: ano talaga ang pwede mong gawin

Lahat ng gabay

Mga tala ng Kapitan

Isinulat ni Captain, ang editor ng bahay

Mga tala mula sa 2026-10-13

Ang Sonar ay isang magaan, API-accessible na search-augmented language model mula sa Perplexity na ginawa para sa mabilis na pagkuha ng tanong at sagot na may mga citation. Pinapayagan kang i-customize kung saan ito kukuha ng mga sanggunian, kaya praktikal ito para sa mga product team na kailangang mag-embed ng Q&A layer nang walang bigat ng mas mabigat na modelo. Sa halagang $1 bawat milyong token papasok at palabas, ito ay nasa abot-kayang dulo ng mga hosted search-grounded models.

Kilalang-kilala sa

Nagbibigay ng mga sagot na may citation mula sa live web sources
Pinapayagan kang limitahan o i-customize ang source pool na hinahanap nito
Mabilis ang tugon na angkop sa latency-sensitive na mga integrasyon
Simple at flat na presyo na $1/M input at $1/M output

Mag-ingat sa

Closed weights, API-only — hindi mo ito maaaring patakbuhin nang lokal o suriin ang modelong nasa ilalim
Dinisenyo para sa Q&A retrieval; hindi para sa malalim na pangangatwiran, coding, o mahahabang porma ng generation
Ang context window ay 127,072 tokens, na kulang sa 200k threshold para sa long-context na gawain

Pinakamainam para sa

Mga prompt na subukan

Cited competitive overview

Ano ang mga pangunahing pagkakaiba sa pagitan ng PostgreSQL at MySQL para sa isang startup na gumagawa ng SaaS product sa 2025? Ibuod ang mga pangunahing trade-offs at ilahad ang mga sanggunian.

Recent event Q&A

Ano ang nangyari sa regulasyon ng AI sa European Union sa nakalipas na anim na buwan? Bigyan ako ng maikling buod na may mga citation para ma-verify ko ang bawat pahayag.

Source-grounded product research

Sinusuri ko ang mga open-source vector databases para sa retrieval-augmented generation pipeline. Ihambing ang Qdrant, Weaviate, at Milvus sa scalability, kadalian ng deployment, at suporta ng komunidad. Ilahad ang mga sanggunian na ginamit.

Ihambing sa

Mistral 7B Instruct v0.2
Modelong bukas ang timbang
32,768 token na konteksto · $0.06/M input, $0.06/M output
Mistral Small 3.2 24B Instruct 2506
Modelong bukas ang timbang
128,000 token na konteksto · $0.07/M input, $0.20/M output
Gemma 3 12B
Modelong bukas ang timbang
131,072 token na konteksto · $0.05/M input, $0.15/M output
Nemotron 3.5 Content Safety
Modelong bukas ang timbang
131,072 token na konteksto · $0.20/M input, $0.20/M output

Higit pang mga text model mula sa perplexity

Mga tanong na madalas itanong

Maaari ko bang patakbuhin ang Sonar nang lokal o i-download ang weights nito?: Hindi. Ang Sonar ay API-only na modelo mula sa Perplexity; hindi pampubliko ang weights at walang Hugging Face repository.
Magkano ang gastos ng Sonar at gaano kahaba ang context?: Ang presyo ay $1.00 bawat milyong input tokens at $1.00 bawat milyong output tokens, na may context window na 127,072 tokens.
Paano naiiba ang Sonar sa iba pang mga modelo ng Perplexity?: Ang Sonar ang magaan at speed-optimized na tier sa lineup ng Perplexity, na inilaan para sa simpleng Q&A integrations; nag-aalok din ang Perplexity ng mas malalaking modelo para sa mas mahihirap na gawain, ngunit pinapalitan ng Sonar ang kakayahan para sa mas mababang gastos at mas mabilis na tugon.

Hatol ng Kapitan
Isang makatwirang, murang drop-in para sa anumang produkto na nangangailangan ng mabilis na cited web Q&A — wala nang iba pa.

Isinusulat ng Kapitan ang mga tala na ito mula sa sariling paglalarawan at model card ng modelo. Ang mga presyo at laki ng konteksto ay mula sa provider sa oras ng pagsulat at maaaring magbago.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #93 Hottest Text / LLM text model

Not this creator?

Get your own badge

Paano nagkakalkula ang score na ito

Walang datos ng kasikatan mula sa kahit anong pinanggalingan ang modelong ito, kaya may stand-in na numero ito sa ibaba ng 7,000° para kumpleto ang mga listahan. Hindi ito kailanman mauuna sa isang modelong may datos. Lalabas dito ang breakdown kapag may nag-ulat na pinanggalingan.

Talahulugan: ang mga terminong ginagamit dito

Heat score: Isang numero kung gaano kadalas gamitin at gusto ang isang modelo ngayon, mula 0° hanggang 9,999°. Bawat listahan sa site na ito na nagsasabing pinakamainit ay nakaayos base dito at wala nang iba pa.
Floor: Ang 7,000° na panimulang puntos ng bawat modelong may totoong datos. Ang sukatan ay mula 0° hanggang 9,999°; ang bahagi sa ilalim ng floor ay para sa mga stand-in (mga modelong walang datos), para laging mas mataas ang ranggo ng may datos kaysa wala. Pareho ang floor para sa lahat at hindi ito nagpapasya; ang mga degree sa itaas nito ang totoong sukat.
Katumbas ng download: Lahat ng tinatrato ng score bilang download, pinagsama-sama: mga download mismo, bawat torrent seeder bilang 1,000, bawat AI Horde na larawan at bawat takbo sa isang generation site bilang isa.
Log scale: Bilang ng sampu, hindi isa-isa: ang pagtaas mula 1,000 hanggang 10,000 downloads ay nagdadagdag ng parehong degree tulad ng mula 10,000 hanggang 100,000. Pinipigilan nito ang mga higante na mauna sa lahat.
Likes: Thumbs up at likes mula sa lahat ng pinanggalingan, na katumbas ng kalahati ng download sa log scale.
Bilis ng pagtanggap: Ilang downloads kada araw ang nakukuha ng modelo ngayon, mula sa pagkakaiba ng dalawang readings ng isang pinanggalingan. Isang-kapat ng bigat ng term na download.
Nasukat at tinantya: Ang nasukat ay ibig sabihin may dalawang pagbabasa mula sa isang pinagmulan at tunay ang pagkakaiba. Ang tinantya naman ay alam lang ang kabuuan ngayon at hinahati ang nakaraan sa buong buhay ng modelo; sinasabi ng site kung alin ang ipinapakita.
Seeder: Isang tao na nag-iimbak ng kopya ng weights online para ma-download ng iba gamit ang torrent, o isang naka-host na mirror na gumagawa rin nito. Bawat isa ay katumbas ng 1,000 downloads.
AI Horde: Isang volunteer network na gumagawa ng mga larawan nang libre gamit ang mga donadong computer. Pampubliko kung ilang larawan ang nagawa gamit ang isang modelo, at bawat isa ay katumbas ng isang download.
Mga generation site: Mga site na may sariling kopya ng modelo at pinapayagan ang mga tao na gumawa gamit ito, tulad ng PixAI, SeaArt at Yodayo. Ang kanilang mga downloads ay binibilang tulad ng sa Civitai at bawat generation run ay isang download.
OpenRouter tokens: Ang isang text model na pinagsisilbihan sa pamamagitan ng API, tulad ng Claude o GPT, ay walang weights na ida-download, kaya ang paggamit nito ay sinusukat sa tokens: mga piraso ng teksto na binasa at isinulat nito sa pamamagitan ng OpenRouter, isang gateway na ginagamit ng maraming apps, sa nakaraang 30 araw. Bawat 10,000,000 tokens ay katumbas ng isang download. Pinagmulan: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Buong modelo (checkpoint): Ang weights mismo, ang file na kayang mag-generate mag-isa. May bonus ito dahil nakadepende dito ang mga add-on.
LoRA at embedding: Maliit na add-on files na nagtutulak sa weights ng iba papunta sa isang estilo, karakter o konsepto. Hindi sila kayang tumakbo mag-isa.
Pamilya at weights: Ang base na pinagbuo ng modelo, tulad ng SD 1.5, SDXL, Flux o Wan. Lahat ng modelo ay namamana ang petsa ng release ng weights ng pamilya nito.
Edad: Mga degree na ibinabawas base sa gaano katagal nang lumabas ang weights ng pamilya: 150° kada taon, hanggang 750°. Pinananatili nito ang mga lumang downloads na may taon para mag-ipon mula sa pag-freeze sa taas ng listahan.
Pampasigla ng pamilya: Isang maliit at limitadong tulak para sa mga LoRA ng pamilyang itinataguyod ng site ngayon, palaging nakalista sa breakdown.
Stand-in score: Isang matatag na numero sa ibaba ng floor na ibinibigay sa modelong wala pang ulat mula sa pinagmulan, para kumpleto ang listahan. Hindi ito nangunguna sa modelong may datos.
Bago! (panahon ng grace): Ang isang model na mas mababa sa 7 araw ang tanda ay nagpapakita ng Bago! sa halip na score at walang puwesto sa mga ranggo. Ang score nito ay kinakalkula mula unang araw, pero ang modelong isang araw pa lang ang tanda ay lumalago nang mas mabilis kaysa sa iba, kaya kung walang paghihintay, ang #1 ng linggo ay palaging yung lumabas kahapon kaysa sa tumagal nang isang linggo.
Uso: Paano ang paglago ng modelo sa isang panahon kumpara sa karaniwang paglago ng modelo sa parehong panahon. Mas mabilis kaysa karaniwan ay pagtaas, mas mabagal ay pagbaba.
Karaniwang modelo: Gitna ng katalogo: kalahati ng mga modelo na may numero ay mas mabilis ang paglago sa panahon, kalahati ay mas mabagal.

Mga katulad na model

Qwen3 Next 80B A3B Thinking

TEXT / LLM

Fugu Max

TEXT / LLM

Qwen3.5 Plus 2026 04 20

TEXT / LLM

bge m3

TEXT / LLM

Mga AI model para sa paggawa ng larawan, video at teksto

Ang Sonar ay isang text model para sa pamilyang Text / LLM na nakalista sa ModelTrends.ai, isang read-only na catalog ng mga open source AI model para sa larawan, video at teksto. Ikumpara ito sa ibang Text / LLM model at tingnan ang heat score nito para makita kung gaano ito kasikat.

Higit pang Text / LLM model Higit pang Text / LLM Teksto / LLM llm pagkalito paningin chat pananaliksik mabilis badyet

Mag-browse ayon sa pamilya ng model