新設「Search Arena」でPerplexityのSonarがGemini 2.5と首位タイに

AI検索のベンチマークといえば単純な事実確認テストが主流でしたが、実際のユーザーが複雑な質問を投げかけると全く別の結果が見えてきます。

LM Arenaが検索拡張型LLMの人間評価ランキング「Search Arena」を公開しました。2025年3月18日から4月13日にかけて11モデルを対象に1万件以上の投票を集めた結果、PerplexityのSonarシリーズが上位を独占しました。

Googleと首位タイ、OpenAIを圧倒

Search Arenaはコーディング、執筆、リサーチなど実際のユーザーが求める長文で複雑なプロンプトを重視して評価を行いました。

その結果、Perplexityの「Sonar-Reasoning-Pro-High」がスコア1136を獲得し、Googleの「Gemini-2.5-Pro-Grounding」（1142）と統計的同率1位に並びました。直接対決におけるSonarの勝率は53%に達しています。

さらにPerplexityのモデル群はランキングの1位から4位を独占しました。GoogleのGemini-2.0-Flash-Groundingだけでなく、GPT-4o Searchを含むOpenAIのウェブ検索モデルすべてを上回る結果となりました。

評価を分けたのは「検索の深さ」と引用数

分析によると、人間の評価者が好む回答には「長い回答」「コミュニティサイトからの引用」「引用ソースの多さ」という3つの特徴がありました。

推論機能を備えたモデルがトップ3を占め、Sonar-Reasoning-ProとSonar-Reasoningがその強みを発揮しました。

決定的な違いとなったのは検索の深さです。Sonarは同クラスのGeminiモデルと比較して平均2〜3倍多いソースを引用していました。対照実験で引用数を揃えると各モデルのスコア差が縮まったことから、より多くの情報源を参照する能力こそが勝敗を分けたと分析されています。

なぜ重要か

日常的にリサーチや情報収集を行うユーザーにとって、Perplexityの推論付きSonarモデルは今すぐ試す価値がある選択肢です。一般的なチャットAIと比べてソースの裏付けが圧倒的に厚く、ファクトチェックの手間を大幅に減らせます。

業界全体から見れば、基礎モデルの規模で圧倒するGoogleやOpenAIに対し、検索と推論の組み合わせに特化したスタートアップが勝利した象徴的な出来事と言えます。

私たちは、Perplexityがモデル単体の頭の良さだけでなく「徹底的にソースを探しに行く」仕組みに注力した点を高く評価しています。ユーザーがAI検索に求めているのは流暢な要約ではなく、信頼できる証拠だからです。ただし、参照ソースが2〜3倍に増えることは応答遅延やAPIコストの増加に直結するため、日常的な検索での軽快さをどう両立させるかが今後の課題になるでしょう。