Search Arena 評測出爐：Perplexity Sonar 攜手 Gemini 2.5 奪冠

現在的 AI 搜尋，各家都在吹自己的模型回答最準，但真正把它們拉到真實戰場上盲測，結果可能讓人意外。

LM Arena 剛上線了一個專門測 AI 搜尋的 Search Arena 榜單。在收集了超過一萬張真實使用者的投票後，Perplexity 的 Sonar 系列直接把 Google 和 OpenAI 掀翻了。

盲測一萬次，Perplexity 逼平 Google、碾壓 OpenAI

這次測試是在 2025 年 3 月 18 日到 4 月 13 日之間進行的，一共測試了 11 個帶搜尋功能的模型。和 SimpleQA 那種只考死記硬背事實的測試不同，Search Arena 測的是寫程式碼、寫文案、查資料和生活推薦等真實長複雜問題。

結果顯示，Perplexity 的 Sonar-Reasoning-Pro-High 跑出了 1136 分，和 Google 的當家旗艦 Gemini-2.5-Pro-Grounding（1142 分）在統計學上打成了平手，並列第一。

如果在兩個模型直接對抗的局裡看，Sonar 的勝率甚至達到了 53%，略微壓了 Google 一頭。

更狠的是整體戰績。Perplexity 旗下模型直接霸佔了榜單的前四名，不僅把 Google 的 Gemini-2.0-Flash-Grounding 甩在身後，還幹掉了 OpenAI 所有的網頁搜尋模型，包括 GPT-4o Search。

人類為什麼給它投票？秘密在「多翻幾個網頁」

測試團隊分析了上萬次投票，發現人類最喜歡的搜尋回答有三個特徵：回答更長、引用來源更多，以及引用了來自社群網站的內容。

帶推理能力的模型在這個榜單裡優勢非常明顯。排行榜前三名全被具備推理機制的模型佔領，Perplexity 的 Sonar-Reasoning-Pro 和 Sonar-Reasoning 就佔了其中兩席。

另一個關鍵差距是搜尋深度。資料顯示，Sonar 系列模型在回答時引用的網頁來源數量，平均是同級別 Gemini 模型的兩到三倍。

測試團隊還做了一個對照實驗：如果強行限制所有模型的引用數量，它們之間的得分差距就會迅速縮小。換句話說，Sonar 之所以能贏，很大程度上是因為它願意下苦功夫多翻幾個網頁、多扒幾個信源。

為什麼重要

對普通使用者和研究人員來說，如果你平時寫報告、做深度調研或者查複雜資料，這項測試證明了帶推理的 Sonar 模型確實值得當成主力工具。多花點時間讓它深搜，換來的信源廣度和回答詳實度是目前純聊天模型比不了的。

對整個 AI 搜尋行業來說，這一仗打破了「大廠模型靠底座引數就能碾壓一切」的神話。OpenAI 和 Google 擁有全世界最龐大的基礎模型，但在搜尋落地場景裡，卻輸給了專注於打磨搜尋檢索流程的 Perplexity。

我們認為，Perplexity 這次贏在工程化思路足夠務實。很多團隊還在死磕模型本身的單次推理能力，Perplexity 卻把精力放在了擴大搜索廣度、引入社群信源和做深層交叉驗證上。事實證明，使用者要的從來不是 AI 假裝博學，而是看得見摸得著的真實信源和經得起推敲的證據鏈。

不過隱患也同樣擺在眼前。引用多兩到三倍的信源、生成更長的推理過程，必然帶來更高的計算延遲和 API 呼叫成本。怎麼在極致深度和普通使用者隨手一查的速度之間做取捨，將是它下一步要面對的現實問題。