Perplexity Search 实测登顶搜索指数榜首

Perplexity Search 首次亮相 Artificial Analysis 搜索索引，三种上下文规模变体全部占据排行榜榜首位置。

@perplexity_ai 的 Search API 带有三种上下文设置（低、中、高），用来控制每个搜索结果携带的提取内容量。我们用标准化方法论测试了全部三种变体：使用同一模型（medium reasoning 设置下的 GPT-5.6 Luna），运行在我们的开源智能体框架 Stirrup 中，搭配搜索和抓取网页的工具。只有搜索工具背后的服务商发生变化。

核心结果：
➤ Perplexity Search（medium）在 Artificial Analysis 搜索索引上得分为 80，领先于此前的领头羊 Parallel（advanced）和 Brave Search（LLM context），后两者得分均为 75。高、低上下文变体得分分别为 79 和 77。它的领先优势集中在 BrowseComp 结果中，在 AA-Omniscience 和 DeepSearchQA 上的得分与其他头部服务商相当。

➤ 搜索负载更高效：更小的总搜索结果意味着模型在每个任务中需要读取的内容更少，因此 Perplexity 是我们迄今为止测试过的服务商中，单任务模型推理成本最低的，三个变体的成本区间为 $0.028 到 $0.034，而成本第二低的服务商为 $0.036。

➤ 中、高上下文变体的单任务总成本约为 $0.091，延迟处于中游水平。作为对比，Parallel（advanced）单任务成本为 $0.084，Brave（LLM context）单任务成本为 $0.13。