传统大语言模型的知识截止于训练日期，无法获取实时信息。搜索增强模型（Search-Augmented LLM）通过在推理过程中主动检索互联网内容，让 AI 具备了"联网能力"——不仅能回答实时问题，还能给出带引用来源的可溯源答案。

知能API 平台目前提供了多款搜索增强模型，覆盖海外搜索与国内搜索两大类。本文档帮助你根据自身场景，快速选择最合适的模型。

一、模型速览

海外搜索模型（Perplexity Sonar 系列）

国内搜索模型（通义千问系列 & DeepSeek）

二、海外搜索模型详解（Perplexity Sonar 系列）

Perplexity Sonar 是目前业内最成熟的搜索增强 LLM API 系列，所有模型均支持实时网络检索与引用溯源，兼容 OpenAI API 格式。

2.1 perplexity-sonar-ssvip — 轻量日常款

基础架构：基于 Llama 3.3 70B 微调，由 Cerebras 推理加速，输出速度可达 ~1200 tokens/秒。

核心优势：

• 速度最快、成本最低，适合高频调用
• SimpleQA 基准 F-score 达 0.773，事实准确性超过 GPT-4o Mini
• 支持引用来源和自定义搜索域名

最佳场景：

• ✅ 快速事实查询："XXX 公司最新一季财报营收是多少？"
• ✅ 新闻摘要："今天 AI 领域有什么重要新闻？"
• ✅ 产品/概念速查："对比 React 19 和 Vue 3.5 的主要差异"
• ✅ 嵌入应用的实时问答组件（chatbot、客服等）

不适合：

• ❌ 需要多角度深入分析的研究问题
• ❌ 需要严密逻辑链条的推理任务

2.2 perplexity-sonar-pro-ssvip — 深度搜索主力款

核心优势：

• 200K 上下文窗口，可处理更长更复杂的对话
• 平均引用数量是 Sonar 基础版的 2 倍
• SimpleQA 基准 F-score 达 0.858，事实准确性领先
• 支持 High / Medium / Low 三档搜索深度

最佳场景：

• ✅ 专业文献调研："总结 2024-2025 年大模型 RLHF 训练的主流方法及各自优缺点"
• ✅ 多角度市场分析："分析东南亚电商市场 2025 年竞争格局"
• ✅ 需要大量引用支撑的写作："撰写一份关于碳中和政策的综述，要求注明出处"
• ✅ 多轮深度追问对话

不适合：

• ❌ 简单事实查询（用 Sonar 基础版更经济）
• ❌ 需要复杂逻辑推理的数学/代码分析

2.3 perplexity-sonar-pro-search-ssvip — 多步搜索推理款

核心优势：

• 在 Sonar Pro 基础上增加了自主多步推理能力
• 不仅是单次"查询+综合"，而是能规划并执行整个研究工作流
• 自动拆分复杂问题为子查询，逐步检索和整合

最佳场景：

• ✅ 复杂的比较研究："对比三种主流向量数据库在十亿级数据下的性能、成本和生态"
• ✅ 需要交叉验证的问题："某药物的 III 期临床试验结果如何？不同研究之间是否一致？"
• ✅ 多维度行业洞察："从技术、政策、市场三个维度分析自动驾驶行业现状"

2.4 perplexity-sonar-reasoning-pro-ssvip — 推理分析款

基础架构：基于 DeepSeek R1，融合链式推理（Chain-of-Thought）与实时搜索。

核心优势：

• 2025 年 Search Arena 评测排名第一，与 Gemini 2.5 Pro Grounding 并列榜首
• 在正面对决中，53% 的情况下胜过 Gemini 2.5 Pro Grounding
• 先"想清楚"再"搜准确"——推理能力确保搜索方向正确，搜索结果反哺推理深度

最佳场景：

• ✅ 复杂逻辑分析："分析美联储加息对亚太新兴市场资本流动的传导机制"
• ✅ 法律条文解读："结合最新判例，分析 GDPR 第 17 条'被遗忘权'的实际执行边界"
• ✅ 技术方案评估："对比 gRPC 与 GraphQL 在微服务架构中的适用场景，结合最新社区实践"
• ✅ 科研假设评估："基于现有文献，评估 XX 疗法对 YY 疾病的疗效证据强度"

不适合：

• ❌ 简单查询（杀鸡用牛刀，成本偏高）
• ❌ 对延迟极度敏感的场景

2.5 perplexity-deep-research-ssvip — 深度调研报告款

核心优势：

• 可自主发起数百次搜索，多步骤综合信息
• 自动拆解复杂课题 → 检索 → 阅读 → 评估 → 优化方法 → 生成报告
• 将数小时的人工研究压缩至数分钟
• 输出为带完整引用的长篇专业报告

最佳场景：

• ✅ 学术文献综述："综述 2023-2025 年 Transformer 架构优化的主要研究方向"
• ✅ 行业研究报告："生成一份关于全球 AI 芯片市场的竞争格局分析报告"
• ✅ 竞品深度分析："全面对比 Notion、Obsidian、Logseq 的功能、定价和用户生态"
• ✅ 政策影响评估："分析欧盟 AI 法案对中国出海企业的合规影响"

注意事项：

• ⚠️ 单次请求耗时较长（数分钟级别），不适合实时交互
• ⚠️ 搜索费用单独计算（$5/1000 次搜索），一次调研可能触发数十至上百次搜索
• ⚠️ 适合异步任务、后台生成，而非即时对话

三、国内搜索模型详解

当你的搜索目标主要是中文内容、国内网站、或需要访问国内特有的信息源时，国内搜索模型通常效果更好。

3.1 qwen-flash-search — 极速中文搜索

最佳场景：

• ✅ 中文新闻快讯："今天 A 股市场有哪些重大消息？"
• ✅ 国内产品/服务速查："微信最新版本更新了什么功能？"
• ✅ 简单中文知识问答
• ✅ 对延迟敏感、需要极快响应的嵌入式场景

3.2 qwen-plus-search — 均衡中文搜索

最佳场景：

• ✅ 中等复杂度的中文调研任务
• ✅ 国内行业信息查询
• ✅ 中文内容摘要与整理
• ✅ 性价比与质量的均衡之选

3.3 qwen3-max-search — 高质量中文搜索

最佳场景：

• ✅ 复杂中文问题的深度搜索
• ✅ 需要高质量中文理解和生成的调研
• ✅ 中文学术和专业领域的搜索任务
• ✅ 对中文输出质量要求较高的场景

3.4 qwen-deep-research — 中文深度调研

最佳场景：

• ✅ 国内市场/政策深度研究
• ✅ 需要综合多个中文信息源的复杂课题
• ✅ 中文行业分析报告生成

3.5 知能API-DeepSeek-R1-search — 推理增强搜索

基础架构：基于 DeepSeek R1 的推理能力，结合搜索增强。

最佳场景：

• ✅ 需要逻辑推理的中文搜索："根据最新财报数据，推断 XX 公司下季度的增长趋势"
• ✅ 技术问题诊断："搜索并分析 XXX 框架这个报错的根本原因和解决方案"
• ✅ 数据驱动的分析任务

四、场景速查表

根据你的实际需求，快速找到最合适的模型：

五、选型决策流程

按照以下问题逐步缩小选择范围：

你的搜索目标主要是中文/国内内容吗？
│
├── 是 ──→ 需要深度调研还是快速问答？
│          │
│          ├── 快速问答 ──→ qwen-flash-search / qwen-plus-search
│          ├── 中等深度 ──→ qwen3-max-search
│          ├── 深度调研 ──→ qwen-deep-research
│          └── 需要推理 ──→ 知能API-DeepSeek-R1-search
│
└── 否（英文/海外内容为主） ──→ 任务复杂度如何？
                                │
                                ├── 简单问答 ──→ perplexity-sonar-ssvip
                                ├── 专业搜索 ──→ perplexity-sonar-pro-ssvip
                                ├── 多步研究 ──→ perplexity-sonar-pro-search-ssvip
                                ├── 复杂推理 ──→ perplexity-sonar-reasoning-pro-ssvip
                                └── 报告生成 ──→ perplexity-deep-research-ssvip

六、实用建议

1. 成本控制策略

• 日常高频场景优先使用 sonar-ssvip 或 qwen-flash-search，成本最低
• Deep Research 类模型按需使用，单次调用成本较高，适合高价值任务
• Sonar Pro 支持 High / Medium / Low 三档搜索模式，可根据问题复杂度灵活切换搜索深度以控制成本

2. 质量优化技巧

• 明确搜索意图：在 prompt 中说清楚你要搜什么、搜索范围、时间范围。例如："搜索 2025 年之后发表的关于 XX 的论文"
• 要求引用来源：在 prompt 中明确要求"请列出信息来源链接"，搜索模型会返回更规范的引用
• 利用 system prompt 约束输出格式：例如要求以表格形式对比、以要点形式列出结论

3. 海外 vs 国内搜索的选择

• 搜索英文内容、国际学术论文、海外市场信息 → Perplexity Sonar 系列
• 搜索中文内容、国内政策法规、A 股/国内市场信息 → 通义千问搜索系列
• 中英文混合需求 → 可先用 Sonar 搜索海外信息，再用国内模型补充中文资料

4. API 调用注意事项

• 所有搜索模型均兼容 OpenAI API 格式，切换模型只需修改 model 参数
• Deep Research 类模型响应时间较长，建议使用流式输出（streaming）以获得更好的用户体验
• 搜索模型的输出通常包含 citations 字段，记得在前端展示引用来源以提升可信度

七、常见问答

Q：Sonar 基础版和 Sonar Pro 该怎么选？

如果你的问题用一句话就能说清楚（如"XX 是什么"、"最新价格是多少"），用 Sonar 基础版。如果你的问题需要多角度、多来源的深入回答（如"对比分析"、"综述"），用 Sonar Pro。

Q：Sonar Reasoning Pro 和普通 Sonar Pro 有什么区别？

Reasoning Pro 会在搜索前先进行链式推理（Chain-of-Thought），"想清楚要搜什么"再去搜，因此在需要逻辑分析的复杂问题上表现更好。普通 Sonar Pro 更侧重于"搜得广、搜得准"。

Q：Deep Research 适合实时对话吗？

不适合。Deep Research 会自主发起数十到数百次搜索，耗时数分钟，更适合后台异步生成报告，而非即时交互。

Q：国内搜索模型能搜索英文内容吗？

可以，但 Perplexity Sonar 系列对英文网页的覆盖和检索质量更优。建议英文内容优先用 Sonar 系列。

Q：在 Claude Code 等工具中调用搜索模型有什么建议？

推荐使用 perplexity-sonar-ssvip 作为默认搜索模型，响应快、输出稳定。如需深度分析，切换到 sonar-reasoning-pro-ssvip。避免在需要快速交互的工作流中使用 Deep Research 类模型。

本文档基于 2026 年 2 月各模型的公开信息整理，模型能力和定价可能随时更新，请以 知能API 平台实际显示为准。

参考资料：

• Perplexity Sonar 官方介绍
• Perplexity Sonar 性能与定价
• Perplexity Search Arena 评测
• Perplexity API 平台
• Sonar Deep Research 文档
• 通义千问 API 文档