Perplexity AI背后是调用的什么大模型LLM?

Perplexity AI 并不是只基于某一个单一的模型，而是采用了多模型架构（Multi-Model Architecture）。它会根据用户的需求、当前的订阅版本以及选择的搜索模式，动态地调度和切换不同的底层大语言模型。

具体来说，Perplexity 背后主要由以下几类模型支撑：

1. 默认与核心搜索模型（Sonar 系列）

这是 Perplexity 自研并持续迭代的核心引擎，主要负责快速的网页检索、信息提取和初步总结。

Sonar / Sonar Pro / Sonar Reasoning Pro：这些是 Perplexity 团队基于 Meta 的 Llama 3 系列等开源模型进行微调（Fine-tuning）后得到的专属模型，专为实时联网搜索、精准引流（Citations）和快速响应而优化。

如果你开启了 Pro Search（专业搜索），Perplexity 允许用户在设置中自由切换当今市面上最顶尖的商业闭源大模型。目前支持的模型包括：

Perplexity 真正的核心壁垒在于其路由与合成机制：

意图路由（Routing）：当你输入一个问题时，Perplexity 会首先判断你的意图。如果是查实时新闻，它会优先调用速度快、联网能力强的 Sonar 模型；如果是复杂编程或逻辑推理，则会调用 Claude 或 GPT 的高级版本。
Model Council（模型议会机制）：Perplexity 推出了 Model Council 功能。在进行高精度深度研究时，它会同时运行三个不同的顶级模型（例如让 GPT、Claude 和 Gemini 同时回答），然后由一个“合成模型”去交叉对比它们的答案，过滤掉幻觉，最终整合出一份准确度极高的报告。

总结来说： 基础搜索用的是自研的 Sonar 模型，而深度搜索和复杂任务则是把 GPT、Claude、Gemini 等市面上最强的模型当成“大脑”来协同调用。

相关链接