---
title: "Perplexity"
source: "https://systems-analysis.info/wiki/Perplexity"
wiki: "systems-analysis.info/wiki"
article: "Perplexity"
language: "ru"
categories:
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Машинное обучение"
  - "Категория:Семейства LLM"
revision_id: 161
wiki_created_at: 2026-09-06T22:04:39Z
wiki_modified_at: 2026-09-06T22:04:39Z
downloaded_at: 2026-09-07T22:17:57Z
---

# Perplexity

**Perplexity AI** — это американский стартап и одноименный **поисковый движок** (conversational search engine), использующий искусственный интеллект для предоставления прямых ответов на запросы пользователей с указанием источников информации<sup>[\[1\]](https://systems-analysis.info/wiki/Perplexity#cite_note-wikipedia-ru-pplx-1)</sup>. Компания была основана в 2022 году командой специалистов из OpenAI, Meta, Google, DeepMind и Databricks<sup>[\[2\]](https://systems-analysis.info/wiki/Perplexity#cite_note-rbc-trends-2)</sup>.

Платформа сочетает в себе собственные [большие языковые модели](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели") (LLM) и доступ к ведущим моделям от других компаний, что позволяет ей оптимизировать скорость, точность и стоимость ответов. Ключевой технологией Perplexity является продвинутая система **Retrieval-Augmented Generation (RAG)**, которая обогащает ответы LLM актуальной информацией из собственной поисковой инфраструктуры<sup>[\[3\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-rag-intro-3)</sup>.

## История и основатели

Компания Perplexity AI была основана в 2022 году четырьмя специалистами:

- **Аравинд Шринивас** (CEO) — бывший исследователь в OpenAI, Google Brain и DeepMind<sup>[\[4\]](https://systems-analysis.info/wiki/Perplexity#cite_note-wiki-eng-shrinivas-4)</sup>.
- **Денис Ярац** (CTO) — бывший научный сотрудник в Meta AI.
- **Джонни Хо** (CSO) — бывший инженер в Quora.
- **Энди Конвински** — сооснователь Databricks<sup>[\[2\]](https://systems-analysis.info/wiki/Perplexity#cite_note-rbc-trends-2)</sup>.

Изначально проект задумывался как B2B-сервис для анализа данных, но в октябре 2022 года команда разработала прототип поискового движка на основе Bing и GPT-3, что и определило дальнейшее развитие компании<sup>[\[5\]](https://systems-analysis.info/wiki/Perplexity#cite_note-forbes-ru-story-5)</sup>.

Perplexity AI привлекла значительные инвестиции от ведущих игроков, включая Nvidia, SoftBank и основателя Amazon Джеффа Безоса. К началу 2025 года оценка компании достигла **\$14 млрд**<sup>[\[6\]](https://systems-analysis.info/wiki/Perplexity#cite_note-vashgolos-14b-6)</sup>, а ежемесячная активная аудитория превысила **15 млн** пользователей<sup>[\[7\]](https://systems-analysis.info/wiki/Perplexity#cite_note-3dnews-growth-7)</sup>.

## Технологическая архитектура

### Retrieval-Augmented Generation (RAG)

Основой Perplexity является технология **RAG**, которая позволяет преодолеть ограничения традиционных LLM, такие как устаревшие знания и "галлюцинации". Алгоритм работы состоит из нескольких этапов<sup>[\[8\]](https://systems-analysis.info/wiki/Perplexity#cite_note-timeweb-rag-8)</sup>:

1.  Анализ и переформулировка запроса пользователя для оптимального поиска.
2.  Поиск информации с использованием **собственной поисковой инфраструктуры** (краулер и система ранжирования), которая отдает приоритет авторитетным и не-SEO источникам<sup>[\[7\]](https://systems-analysis.info/wiki/Perplexity#cite_note-3dnews-growth-7)</sup>.
3.  Извлечение наиболее релевантных фрагментов ("сниппетов") из найденных веб-страниц.
4.  Генерация связного и точного ответа с помощью LLM на основе этих фрагментов.
5.  Формирование ответа с **указанием цитирований** и ссылок на исходные источники.

### Мультимодельная стратегия

Perplexity использует гибридный подход, комбинируя собственные и сторонние модели для достижения баланса между скоростью, точностью и стоимостью<sup>[\[9\]](https://systems-analysis.info/wiki/Perplexity#cite_note-kedprof-claude-9)</sup>.

- Для быстрых ответов в бесплатной версии часто используется **[Claude](https://systems-analysis.info/wiki/Claude "Claude") 3 Haiku**.
- Для сложных задач в платной Pro-версии доступны более мощные модели, такие как **Claude 3.5 Sonnet** и **[GPT-4o](https://systems-analysis.info/wiki/GPT-4o "GPT-4o")**.

Пользователи с подпиской **Perplexity Pro** могут вручную выбирать из широкого спектра моделей, включая<sup>[\[10\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-pro-models-10)</sup>:

- **OpenAI**: GPT-4o, GPT-4 Turbo
- **Anthropic**: Claude 3.5 Sonnet, Claude 3 Opus, Claude 3 Haiku
- **Google**: [Gemini](https://systems-analysis.info/wiki/Gemini "Gemini") 2.5 Pro
- **Meta**: [Llama](https://systems-analysis.info/wiki/LLaMA "LLaMA") 3
- **[Mistral](https://systems-analysis.info/wiki/Mistral "Mistral") AI**: Mistral Large
- **xAI**: Grok-3 Beta
- Собственные модели Perplexity.

## Собственные модели Perplexity

Компания разрабатывает собственные модели, оптимизированные для поисковых задач и работы с актуальной информацией из интернета.

### Семейство PPLX (ранние модели)

Первыми собственными моделями Perplexity, доступными через API, стали **pplx-7b-online** и **pplx-70b-online**, представленные в декабре 2023 года<sup>[\[11\]](https://systems-analysis.info/wiki/Perplexity#cite_note-marktechpost-pplx-11)</sup>. Они были основаны на дообученных версиях **Mistral 7B** и **Llama 2 70B** соответственно и специализировались на работе с онлайн-данными<sup>[\[12\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-blog-online-llms-12)</sup>.

### Семейство Sonar (текущее поколение)

**Sonar** — это флагманское семейство моделей, построенное на основе **Llama 3.3 70B** от Meta, но прошедшее дополнительное дообучение для повышения фактической точности и читаемости ответов в поисковом режиме<sup>[\[13\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-blog-new-sonar-13)</sup>.

Ключевые особенности Sonar:

- **Высокая скорость**: Благодаря партнерству с **Cerebras** и использованию их специализированной инфраструктуры вывода, Sonar достигает скорости генерации до **1200 [токенов](https://systems-analysis.info/wiki/%D0%A2%D0%BE%D0%BA%D0%B5%D0%BD "Токен") в секунду**, что почти в 10 раз быстрее, чем Gemini 2.0 Flash<sup>[\[14\]](https://systems-analysis.info/wiki/Perplexity#cite_note-cerebras-partnership-14)</sup>.
- **Технология спекулятивного декодирования**: Для дальнейшего ускорения генерации используется собственная "драфт-модель" размером 1B, которая позволяет основной модели генерировать несколько токенов за один проход<sup>[\[15\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-blog-speculation-15)</sup>.
- **Высокая производительность**: В рамках оценки **Search Arena** от LM Arena модель **Sonar-Reasoning-Pro** заняла первое место, статистически сравнявшись с Gemini-2.5-Pro-Grounding<sup>[\[16\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-blog-search-arena-16)</sup>.

## API и корпоративные решения

Perplexity предоставляет доступ к своим моделям через **Sonar API** и **Sonar Pro API** для разработчиков и корпоративных клиентов. API оптимизированы для скорости и простоты использования, включают возможность цитирования и настройки источников поиска. Решения Perplexity используются в различных отраслях для создания нативных поисковых систем и автоматизации исследовательских задач<sup>[\[17\]](https://systems-analysis.info/wiki/Perplexity#cite_note-pplx-blog-sonar-pro-api-17)</sup>.

## Сравнительный анализ и пользовательский опыт

Производительность Perplexity варьируется в зависимости от типа задачи.

- В задачах, требующих высокой фактической точности на основе свежих данных (например, радиологический анализ), Perplexity показывает **наивысшую точность (0.83)**, превосходя Claude, Bing и ChatGPT<sup>[\[18\]](https://systems-analysis.info/wiki/Perplexity#cite_note-thieme-radiology-18)</sup>.
- В задачах, связанных с редкими или узкоспециализированными знаниями (например, редкие заболевания), Perplexity может уступать моделям с более обширной базой знаний, таким как ChatGPT и Gemini<sup>[\[19\]](https://systems-analysis.info/wiki/Perplexity#cite_note-mdpi-rare-disease-19)</sup>.

Исследование удобства использования (SUS) показало, что, хотя обе платформы, Google и Perplexity, являются приемлемыми, Google получил более высокую оценку (82.29) по сравнению с Perplexity (73.98). Это объясняется привычным интерфейсом Google и более крутой кривой обучения у Perplexity, предлагающей инновационные, но менее знакомые функции<sup>[\[20\]](https://systems-analysis.info/wiki/Perplexity#cite_note-ieee-usability-20)</sup>.

## См. также

- [Большие языковые модели](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели")
- [BERT](https://systems-analysis.info/wiki/BERT "BERT")
- [BLOOM](https://systems-analysis.info/wiki/BLOOM "BLOOM")
- [Chinchilla](https://systems-analysis.info/wiki/Chinchilla "Chinchilla")
- [Claude](https://systems-analysis.info/wiki/Claude "Claude")

## Ссылки

- <a href="https://www.perplexity.ai/" class="external text" rel="nofollow">Официальный сайт Perplexity AI</a>
- <a href="https://www.perplexity.ai/hub/blog/" class="external text" rel="nofollow">Официальный блог Perplexity</a>

## Литература

- Chen, C.; et al. (2023). *Accelerating Large Language Model Decoding with Speculative Sampling*. <a href="https://arxiv.org/abs/2302.01318" class="external text" rel="nofollow">arXiv:2302.01318</a>.
- Zhang, J.; et al. (2023). *Draft & Verify: Lossless Large Language Model Acceleration via Self‑Speculative Decoding*. <a href="https://arxiv.org/abs/2309.08168" class="external text" rel="nofollow">arXiv:2309.08168</a>.
- Chen, H.; et al. (2024). *Retrieval‑Augmented Generation for Large Language Models: A Survey*. <a href="https://arxiv.org/abs/2312.10997" class="external text" rel="nofollow">arXiv:2312.10997</a>.
- Soudani, H.; et al. (2024). *Fine‑Tuning vs. Retrieval‑Augmented Generation for Less‑Popular Knowledge*. <a href="https://arxiv.org/abs/2403.01432" class="external text" rel="nofollow">arXiv:2403.01432</a>.
- Chen, Y.; et al. (2024). *Evaluation of Retrieval‑Augmented Generation: A Survey*. <a href="https://arxiv.org/abs/2405.07437" class="external text" rel="nofollow">arXiv:2405.07437</a>.
- Hsieh, C.‑P.; et al. (2024). *RULER: What's the Real Context Size of Your Long‑Context Language Models?*. <a href="https://arxiv.org/abs/2404.06654" class="external text" rel="nofollow">arXiv:2404.06654</a>.
- Arena Team (2025). *Search Arena: Analyzing Search‑Augmented Large Language Models*. <a href="https://arxiv.org/abs/2506.05334" class="external text" rel="nofollow">arXiv:2506.05334</a>.
- Zhu, W.; et al. (2025). *PSC: Extending Context Windows via Phase Shift Calibration*. <a href="https://arxiv.org/abs/2505.12423" class="external text" rel="nofollow">arXiv:2505.12423</a>.
- Yu, L.; et al. (2025). *Synergizing RAG and Reasoning: A Systematic Review*. <a href="https://arxiv.org/abs/2504.15909" class="external text" rel="nofollow">arXiv:2504.15909</a>.
- Chen, X.; et al. (2025). *Universal Embeddings for Multimodal Multilingual Retrieval*. <a href="https://arxiv.org/abs/2506.18902" class="external text" rel="nofollow">arXiv:2506.18902</a>.

## Примечания

1.  <span id="cite_note-wikipedia-ru-pplx-1">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-wikipedia-ru-pplx_1-0) «Perplexity.ai». В *Wikipedia, свободная энциклопедия*. <a href="https://ru.wikipedia.org/wiki/Perplexity.ai" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-rbc-trends-2">↑ <sup>[2,0](https://systems-analysis.info/wiki/Perplexity#cite_ref-rbc-trends_2-0)</sup> <sup>[2,1](https://systems-analysis.info/wiki/Perplexity#cite_ref-rbc-trends_2-1)</sup> «Perplexity AI — убийца Google или временное явление». *РБК Тренды*. <a href="https://trends.rbc.ru/trends/industry/668bba599a79472bf71c43cd" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-pplx-rag-intro-3">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-rag-intro_3-0) «An Introduction to RAG Models». *Perplexity AI*. <a href="https://www.perplexity.ai/page/an-introduction-to-rag-models-jBULt6_mSB2yAV8b17WLDA" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-wiki-eng-shrinivas-4">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-wiki-eng-shrinivas_4-0) «Aravind Srinivas». In *Wikipedia*. <a href="https://en.wikipedia.org/wiki/Aravind_Srinivas" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-forbes-ru-story-5">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-forbes-ru-story_5-0) Белоусова, Анастасия. «Как белорус с партнерами построили один из самых дорогих стартапов в мире Perplexity». *Forbes.ru*. <a href="https://www.forbes.ru/svoi-biznes/526489-kak-belorus-s-partnerami-postroili-odin-iz-samyh-dorogih-startapov-v-mire-perplexity" class="external autonumber" rel="nofollow">[5]</a></span>
6.  <span id="cite_note-vashgolos-14b-6">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-vashgolos-14b_6-0) «Стартап Perplexity AI оценили в \$14 млрд». *Ваш голос*. <a href="https://vashgolos.net/news/87429" class="external autonumber" rel="nofollow">[6]</a></span>
7.  <span id="cite_note-3dnews-growth-7">↑ <sup>[7,0](https://systems-analysis.info/wiki/Perplexity#cite_ref-3dnews-growth_7-0)</sup> <sup>[7,1](https://systems-analysis.info/wiki/Perplexity#cite_ref-3dnews-growth_7-1)</sup> «Поисковая система Perplexity на базе ИИ показала бурный рост и готова конкурировать с Google». *3DNews*. <a href="https://3dnews.ru/1109254/poiskovaya-sistema-perplexity-na-baze-ii-pokazala-burniy-rost-i-gotova-k-onkurirovat-s-google" class="external autonumber" rel="nofollow">[7]</a></span>
8.  <span id="cite_note-timeweb-rag-8">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-timeweb-rag_8-0) «Perplexity: что это за нейросеть, как работает и зачем нужна». *TimeWeb.Cloud*. <a href="https://timeweb.cloud/blog/perplexity-chto-eto-za-nejroset" class="external autonumber" rel="nofollow">[8]</a></span>
9.  <span id="cite_note-kedprof-claude-9">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-kedprof-claude_9-0) «Perplexity и Claude AI: движок для точных ответов». *Кедр.pro*. <a href="https://kedprof.ru/tpost/ofug8mo051-perplexity-i-claude-ai-dvizhok-dlya-toch" class="external autonumber" rel="nofollow">[9]</a></span>
10. <span id="cite_note-pplx-pro-models-10">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-pro-models_10-0) «What advanced AI models are included in a Perplexity Pro subscription?». *Perplexity Help Center*. <a href="https://www.perplexity.ai/help-center/en/articles/10354919-what-advanced-ai-models-are-included-in-a-perplexity-pro-subscription" class="external autonumber" rel="nofollow">[10]</a></span>
11. <span id="cite_note-marktechpost-pplx-11">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-marktechpost-pplx_11-0) «Perplexity Unveils Two New Online LLM Models: pplx-7b-online and pplx-70b-online». *MarkTechPost*. <a href="https://www.marktechpost.com/2023/12/03/perplexity-unveils-two-new-online-llm-models-pplx-7b-online-and-pplx-70b-online/" class="external autonumber" rel="nofollow">[11]</a></span>
12. <span id="cite_note-pplx-blog-online-llms-12">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-blog-online-llms_12-0) «Introducing PPLX Online LLMs». *Perplexity Blog*. <a href="https://www.perplexity.ai/hub/blog/introducing-pplx-online-llms" class="external autonumber" rel="nofollow">[12]</a></span>
13. <span id="cite_note-pplx-blog-new-sonar-13">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-blog-new-sonar_13-0) «Meet a new era of Perplexity Sonar». *Perplexity Blog*. <a href="https://www.perplexity.ai/hub/blog/meet-new-sonar" class="external autonumber" rel="nofollow">[13]</a></span>
14. <span id="cite_note-cerebras-partnership-14">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-cerebras-partnership_14-0) «Cerebras Powers Perplexity Sonar with Industry's Fastest AI Inference». *Cerebras Press Release*. <a href="https://www.cerebras.ai/press-release/cerebras-powers-perplexity-sonar-with-industrys-fastest-ai-inference" class="external autonumber" rel="nofollow">[14]</a></span>
15. <span id="cite_note-pplx-blog-speculation-15">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-blog-speculation_15-0) «Accelerating Sonar through Speculation». *Perplexity Blog*. <a href="https://www.perplexity.ai/hub/blog/accelerating-sonar-through-speculation" class="external autonumber" rel="nofollow">[15]</a></span>
16. <span id="cite_note-pplx-blog-search-arena-16">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-blog-search-arena_16-0) «Perplexity Sonar Dominates New Search Arena». *Perplexity Blog*. <a href="https://www.perplexity.ai/hub/blog/perplexity-sonar-dominates-new-search-arena-evolution" class="external autonumber" rel="nofollow">[16]</a></span>
17. <span id="cite_note-pplx-blog-sonar-pro-api-17">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-pplx-blog-sonar-pro-api_17-0) «Introducing the Sonar Pro API». *Perplexity Blog*. <a href="https://www.perplexity.ai/hub/blog/introducing-the-sonar-pro-api" class="external autonumber" rel="nofollow">[17]</a></span>
18. <span id="cite_note-thieme-radiology-18">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-thieme-radiology_18-0) «Comparative Analysis of Large Language Models for Question Answering in Radiology». *Thieme Connect*. <a href="http://www.thieme-connect.de/DOI/DOI?10.1055/s-0044-1787974" class="external autonumber" rel="nofollow">[18]</a></span>
19. <span id="cite_note-mdpi-rare-disease-19">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-mdpi-rare-disease_19-0) «A Comparative Study of AI Chatbots in Answering Questions on Rare Diseases». *MDPI*. <a href="https://www.mdpi.com/2075-4418/15/6/672" class="external autonumber" rel="nofollow">[19]</a></span>
20. <span id="cite_note-ieee-usability-20">[↑](https://systems-analysis.info/wiki/Perplexity#cite_ref-ieee-usability_20-0) «Usability and User Satisfaction of Google Search and Perplexity AI». *IEEE Xplore*. <a href="https://ieeexplore.ieee.org/document/10957499/" class="external autonumber" rel="nofollow">[20]</a></span>