Perplexity Search

Perplexity Sonar modelleri, web arama tabanlı LLM yanıtları üretir. Gateway, arama davranışını iki yoldan ayarlamanıza izin verir:

1. Model slug suffix — perplexity/sonar:high, perplexity/sonar-pro:pro
2. Body alanı — { "web_search_options": { "search_context_size": "high", "search_type": "pro" } }

İki yöntem birlikte verilirse body alanı önceliklidir.

Search Context Size

Sonar her isteği bir search_context_size ile çalıştırır. Bu alan, arama derinliğini ve yanıtın ne kadar dış kaynak kullanacağını etkiler.

Boyut	Suffix alias	Açıklama
low	:low	Default, en hızlı ve en ucuz
medium	:medium, :med	Dengeli derinlik/maliyet
high	:high	Maksimum arama derinliği, araştırma için

Güncel ücretlendirme modele ve moda göre değişebilir. Fiyatı üretim kullanımı öncesinde model ekranından doğrulayın.

Pro Search (sonar-pro)

sonar-pro modelinin Pro Search modu karmaşık sorular için daha derin arama yapar. Tetiklemek için suffix veya body alanı kullanabilirsiniz:

curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer sk_your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "perplexity/sonar-pro:pro",
    "messages": [
      {"role": "user", "content": "Türkiye 2025 yıllık enflasyonu kaç, kaynaklarıyla?"}
    ]
  }'

Pro Search yalnızca sonar-pro üzerinde desteklenir; başka bir modelde :pro suffix’i 400 unsupported_capability döner.

Deep Research (sonar-deep-research)

Deep Research, daha kapsamlı araştırma ve kaynak toplama için kullanılır. Bu modda maliyet ve çalışma süresi standart Sonar çağrılarından farklı olabilir.

Bilinmeyen suffix

perplexity/sonar:turbo gibi geçersiz bir suffix 400 invalid_request_error döner — sessizce yutulmaz, böylece yanlış yazılmış slug’lar fark edilmeden faturaya yansımaz.

Embeddings

Perplexity ayrıca pplx-embed-v1-* ve pplx-embed-context-v1-* embedding modelleri sunar. Standart embeddingler /v1/embeddings, contextualized embeddingler ise nested array input ile aynı endpoint’te çağrılır:

curl https://llmtr.com/v1/embeddings \
  -H "Authorization: Bearer sk_your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "perplexity/pplx-embed-context-v1-0.6b",
    "input": [
      ["Doküman 1, parça 1.", "Doküman 1, parça 2."],
      ["Doküman 2, tek parça."]
    ]
  }'

Contextualized embeddinglerde dış array dokümanları, iç array ise her dokümanın parça listesini temsil eder.