---
title: "Perplexity AI (CS)"
source: "https://systems-analysis.info/int/Perplexity_AI_(CS)"
wiki: "systems-analysis.info/int"
article: "Perplexity_AI_(CS)"
language: "cs"
categories:
- "Category:Czech"
- "Category:Large language models"
- "Category:LLM families"
- "Category:Machine learning"
revision_id: 5546
wiki_created_at: 2026-09-06T23:50:49Z
wiki_modified_at: 2026-09-06T23:50:49Z
downloaded_at: 2026-09-07T23:09:04Z
---
# Perplexity AI (CS)
**Perplexity AI** — americký startup a stejnojmenný **vyhledávací engine** (conversational search engine), který využívá umělou inteligenci k poskytování přímých odpovědí na dotazy uživatelů s uvedením zdrojů informací[\[1\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-wikipedia-ru-pplx-1). Společnost byla založena v roce 2022 týmem odborníků z OpenAI, Meta, Google, DeepMind a Databricks[\[2\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-rbc-trends-2).
Platforma kombinuje vlastní velké jazykové modely (LLM) a přístup k předním modelům od jiných společností, což jí umožňuje optimalizovat rychlost, přesnost a náklady na odpovědi. Klíčovou technologií Perplexity je pokročilý systém **Retrieval-Augmented Generation (RAG)**, který obohacuje odpovědi LLM o aktuální informace z vlastní vyhledávací infrastruktury[\[3\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-rag-intro-3).
## Historie a zakladatelé
Společnost Perplexity AI byla založena v roce 2022 čtyřmi odborníky:
- **Aravind Srinivas** (CEO) — bývalý výzkumník v OpenAI, Google Brain a DeepMind[\[4\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-wiki-eng-shrinivas-4).
- **Denis Yarats** (CTO) — bývalý vědecký pracovník v Meta AI.
- **Johnny Ho** (CSO) — bývalý inženýr ve společnosti Quora.
- **Andy Konwinski** — spoluzakladatel Databricks[\[2\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-rbc-trends-2).
Původně byl projekt zamýšlen jako B2B-služba pro analýzu dat, ale v říjnu 2022 tým vyvinul prototyp vyhledávacího enginu založeného na Bing a GPT-3, což určilo další směřování společnosti[\[5\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-forbes-ru-story-5).
Perplexity AI získala významné investice od předních hráčů, včetně Nvidia, SoftBank a zakladatele Amazonu Jeffa Bezose. Na začátku roku 2025 dosáhlo ocenění společnosti **14 miliard dolarů**[\[6\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-vashgolos-14b-6) a měsíční aktivní publikum překročilo **15 milionů** uživatelů[\[7\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-3dnews-growth-7).
## Technologická architektura
### Retrieval-Augmented Generation (RAG)
Základem Perplexity je technologie **RAG**, která umožňuje překonat omezení tradičních LLM, jako jsou zastaralé znalosti a „halucinace". Algoritmus se skládá z několika kroků[\[8\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-timeweb-rag-8):
1. Analýza a přeformulování dotazu uživatele pro optimální vyhledávání.
2. Vyhledávání informací pomocí **vlastní vyhledávací infrastruktury** (crawler a systém řazení), která upřednostňuje autoritativní a ne-SEO zdroje[\[7\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-3dnews-growth-7).
3. Extrakce nejrelevantnějších úryvků (\\snippetů\\) z nalezených webových stránek.
4. Generování soudržné a přesné odpovědi pomocí LLM na základě těchto úryvků.
5. Vytvoření odpovědi s **uvedením citací** a odkazů na původní zdroje.
### Multimodelová strategie
Perplexity využívá hybridní přístup, který kombinuje vlastní a cizí modely k dosažení rovnováhy mezi rychlostí, přesností a náklady[\[9\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-kedprof-claude-9).
- Pro rychlé odpovědi v bezplatné verzi se často používá **Claude 3 Haiku**.
- Pro náročné úlohy v placené Pro verzi jsou k dispozici výkonnější modely, jako jsou **Claude 3.5 Sonnet** a **GPT-4o**.
Uživatelé s předplatným **Perplexity Pro** mohou ručně vybírat z širokého spektra modelů, včetně[\[10\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-pro-models-10):
- **OpenAI**: GPT-4o, GPT-4 Turbo
- **Anthropic**: Claude 3.5 Sonnet, Claude 3 Opus, Claude 3 Haiku
- **Google**: Gemini 2.5 Pro
- **Meta**: Llama 3
- **Mistral AI**: Mistral Large
- **xAI**: Grok-3 Beta
- Vlastní modely Perplexity.
## Vlastní modely Perplexity
Společnost vyvíjí vlastní modely optimalizované pro vyhledávací úlohy a práci s aktuálními informacemi z internetu.
### Rodina PPLX (rané modely)
Prvními vlastními modely Perplexity dostupnými přes API byly **pplx-7b-online** a **pplx-70b-online**, představené v prosinci 2023[\[11\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-marktechpost-pplx-11). Byly postaveny na doladěných verzích **Mistral 7B** a **Llama 2 70B** a specializovaly se na práci s online daty[\[12\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-blog-online-llms-12).
### Rodina Sonar (současná generace)
**Sonar** — je vlajková rodina modelů postavená na základu **Llama 3.3 70B** od Meta, která však prošla dalším doladěním za účelem zvýšení faktické přesnosti a čitelnosti odpovědí ve vyhledávacím režimu[\[13\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-blog-new-sonar-13).
Klíčové vlastnosti Sonar:
- **Vysoká rychlost**: Díky partnerství s **Cerebras** a využití jejich specializované inferenční infrastruktury dosahuje Sonar rychlosti generování až **1200 tokenů za sekundu**, což je téměř 10krát rychleji než Gemini 2.0 Flash[\[14\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-cerebras-partnership-14).
- **Technologie spekulativního dekódování**: Pro další urychlení generování se používá vlastní „draft model" o velikosti 1B, který umožňuje hlavnímu modelu generovat několik tokenů v jednom průchodu[\[15\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-blog-speculation-15).
- **Vysoký výkon**: V rámci hodnocení **Search Arena** od LM Arena obsadil model **Sonar-Reasoning-Pro** první místo a statisticky se vyrovnal modelu Gemini-2.5-Pro-Grounding[\[16\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-blog-search-arena-16).
## API a podniková řešení
Perplexity poskytuje přístup ke svým modelům prostřednictvím **Sonar API** a **Sonar Pro API** pro vývojáře a podnikové klienty. API jsou optimalizována pro rychlost a snadnost použití, zahrnují možnost citování a nastavení zdrojů vyhledávání. Řešení Perplexity se využívají v různých odvětvích pro tvorbu nativních vyhledávacích systémů a automatizaci výzkumných úloh[\[17\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-pplx-blog-sonar-pro-api-17).
## Srovnávací analýza a uživatelská zkušenost
Výkon Perplexity se liší v závislosti na typu úlohy.
- V úlohách vyžadujících vysokou faktickou přesnost na základě čerstvých dat (například radiologická analýza) vykazuje Perplexity **nejvyšší přesnost (0,83)**, čímž překonává Claude, Bing a ChatGPT[\[18\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-thieme-radiology-18).
- V úlohách spojených se vzácnými nebo vysoce specializovanými znalostmi (například vzácná onemocnění) může Perplexity zaostávat za modely s rozsáhlejší znalostní základnou, jako jsou ChatGPT a Gemini[\[19\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-mdpi-rare-disease-19).
Výzkum použitelnosti (SUS) ukázal, že ačkoli obě platformy — Google i Perplexity — jsou přijatelné, Google obdržel vyšší hodnocení (82,29) ve srovnání s Perplexity (73,98). To se vysvětluje obvyklým rozhraním Google a strmější křivkou učení u Perplexity, která nabízí inovativní, ale méně známé funkce[\[20\]](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_note-ieee-usability-20).
## Odkazy
- Oficiální web Perplexity AI
- Oficiální blog Perplexity
## Literatura
- Chen, C.; et al. (2023). *Accelerating Large Language Model Decoding with Speculative Sampling*. arXiv:2302.01318.
- Zhang, J.; et al. (2023). *Draft & Verify: Lossless Large Language Model Acceleration via Self‑Speculative Decoding*. arXiv:2309.08168.
- Chen, H.; et al. (2024). *Retrieval‑Augmented Generation for Large Language Models: A Survey*. arXiv:2312.10997.
- Soudani, H.; et al. (2024). *Fine‑Tuning vs. Retrieval‑Augmented Generation for Less‑Popular Knowledge*. arXiv:2403.01432.
- Chen, Y.; et al. (2024). *Evaluation of Retrieval‑Augmented Generation: A Survey*. arXiv:2405.07437.
- Hsieh, C.‑P.; et al. (2024). *RULER: What's the Real Context Size of Your Long‑Context Language Models?*. arXiv:2404.06654.
- Arena Team (2025). *Search Arena: Analyzing Search‑Augmented Large Language Models*. arXiv:2506.05334.
- Zhu, W.; et al. (2025). *PSC: Extending Context Windows via Phase Shift Calibration*. arXiv:2505.12423.
- Yu, L.; et al. (2025). *Synergizing RAG and Reasoning: A Systematic Review*. arXiv:2504.15909.
- Chen, X.; et al. (2025). *Universal Embeddings for Multimodal Multilingual Retrieval*. arXiv:2506.18902.
## Poznámky
1. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-wikipedia-ru-pplx_1-0) «Perplexity.ai». В *Wikipedia, свободная энциклопедия*. [1]
2. ↑ [2.0](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-rbc-trends_2-0) [2.1](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-rbc-trends_2-1) «Perplexity AI — убийца Google или временное явление». *РБК Тренды*. [2]
3. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-rag-intro_3-0) «An Introduction to RAG Models». *Perplexity AI*. [3]
4. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-wiki-eng-shrinivas_4-0) «Aravind Srinivas». In *Wikipedia*. [4]
5. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-forbes-ru-story_5-0) Белоусова, Анастасия. «Как белорус с партнерами построили один из самых дорогих стартапов в мире Perplexity». *Forbes.ru*. [5]
6. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-vashgolos-14b_6-0) «Стартап Perplexity AI оценили в \$14 млрд». *Ваш голос*. [6]
7. ↑ [7.0](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-3dnews-growth_7-0) [7.1](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-3dnews-growth_7-1) «Поисковая система Perplexity на базе ИИ показала бурный рост и готова конкурировать с Google». *3DNews*. [7]
8. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-timeweb-rag_8-0) «Perplexity: что это за нейросеть, как работает и зачем нужна». *TimeWeb.Cloud*. [8]
9. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-kedprof-claude_9-0) «Perplexity и Claude AI: движок для точных ответов». *Кедр.pro*. [9]
10. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-pro-models_10-0) «What advanced AI models are included in a Perplexity Pro subscription?». *Perplexity Help Center*. [10]
11. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-marktechpost-pplx_11-0) «Perplexity Unveils Two New Online LLM Models: pplx-7b-online and pplx-70b-online». *MarkTechPost*. [11]
12. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-blog-online-llms_12-0) «Introducing PPLX Online LLMs». *Perplexity Blog*. [12]
13. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-blog-new-sonar_13-0) «Meet a new era of Perplexity Sonar». *Perplexity Blog*. [13]
14. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-cerebras-partnership_14-0) «Cerebras Powers Perplexity Sonar with Industry's Fastest AI Inference». *Cerebras Press Release*. [14]
15. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-blog-speculation_15-0) «Accelerating Sonar through Speculation». *Perplexity Blog*. [15]
16. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-blog-search-arena_16-0) «Perplexity Sonar Dominates New Search Arena». *Perplexity Blog*. [16]
17. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-pplx-blog-sonar-pro-api_17-0) «Introducing the Sonar Pro API». *Perplexity Blog*. [17]
18. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-thieme-radiology_18-0) «Comparative Analysis of Large Language Models for Question Answering in Radiology». *Thieme Connect*. [18]
19. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-mdpi-rare-disease_19-0) «A Comparative Study of AI Chatbots in Answering Questions on Rare Diseases». *MDPI*. [19]
20. [↑](https://systems-analysis.info/int/Perplexity_AI_(CS)#cite_ref-ieee-usability_20-0) «Usability and User Satisfaction of Google Search and Perplexity AI». *IEEE Xplore*. [20]