Search Arena 评测出炉：Perplexity Sonar 携手 Gemini 2.5 夺冠

现在的 AI 搜索，各家都在吹自己的模型回答最准，但真正把它们拉到真实战场上盲测，结果可能让人意外。

LM Arena 刚上线了一个专门测 AI 搜索的 Search Arena 榜单。在收集了超过一万张真实用户的投票后，Perplexity 的 Sonar 系列直接把 Google 和 OpenAI 掀翻了。

盲测一万次，Perplexity 逼平 Google、碾压 OpenAI

这次测试是在 2025 年 3 月 18 日到 4 月 13 日之间进行的，一共测试了 11 个带搜索功能的模型。和 SimpleQA 那种只考死记硬背事实的测试不同，Search Arena 测的是写代码、写文案、查资料和生活推荐等真实长复杂问题。

结果显示，Perplexity 的 Sonar-Reasoning-Pro-High 跑出了 1136 分，和 Google 的当家旗舰 Gemini-2.5-Pro-Grounding（1142 分）在统计学上打成了平手，并列第一。

如果在两个模型直接对抗的局里看，Sonar 的胜率甚至达到了 53%，略微压了 Google 一头。

更狠的是整体战绩。Perplexity 旗下模型直接霸占了榜单的前四名，不仅把 Google 的 Gemini-2.0-Flash-Grounding 甩在身后，还干掉了 OpenAI 所有的网页搜索模型，包括 GPT-4o Search。

人类为什么给它投票？秘密在「多翻几个网页」

测试团队分析了上万次投票，发现人类最喜欢的搜索回答有三个特征：回答更长、引用来源更多，以及引用了来自社区网站的内容。

带推理能力的模型在这个榜单里优势非常明显。排行榜前三名全被具备推理机制的模型占领，Perplexity 的 Sonar-Reasoning-Pro 和 Sonar-Reasoning 就占了其中两席。

另一个关键差距是搜索深度。数据显示，Sonar 系列模型在回答时引用的网页来源数量，平均是同级别 Gemini 模型的两到三倍。

测试团队还做了一个对照实验：如果强行限制所有模型的引用数量，它们之间的得分差距就会迅速缩小。换句话说，Sonar 之所以能赢，很大程度上是因为它愿意下苦功夫多翻几个网页、多扒几个信源。

为什么重要

对普通用户和研究人员来说，如果你平时写报告、做深度调研或者查复杂资料，这项测试证明了带推理的 Sonar 模型确实值得当成主力工具。多花点时间让它深搜，换来的信源广度和回答详实度是目前纯聊天模型比不了的。

对整个 AI 搜索行业来说，这一仗打破了「大厂模型靠底座参数就能碾压一切」的神话。OpenAI 和 Google 拥有全世界最庞大的基础模型，但在搜索落地场景里，却输给了专注于打磨搜索检索流程的 Perplexity。

我们认为，Perplexity 这次赢在工程化思路足够务实。很多团队还在死磕模型本身的单次推理能力，Perplexity 却把精力放在了扩大搜索广度、引入社区信源和做深层交叉验证上。事实证明，用户要的从来不是 AI 假装博学，而是看得见摸得着的真实信源和经得起推敲的证据链。

不过隐患也同样摆在眼前。引用多两到三倍的信源、生成更长的推理过程，必然带来更高的计算延迟和 API 调用成本。怎么在极致深度和普通用户随手一查的速度之间做取舍，将是它下一步要面对的现实问题。