---

Perplexity 提供多种模型供用户选择，并将模型与网页搜索、来源引用及资料分析功能结合使用。不同模型在文本整理、复杂推理、代码分析和图像理解等方面各有侧重。选用时，应先明确任务目标、资料类型与输出要求，再结合使用权限、处理效率及实际结果进行判断。

以下信息核对于 2026 年 10 月 23 日。模型范围依据当前提供的界面及 Perplexity 官方说明整理；Arena 文本综合榜与网页开发综合榜均采用页面标注的 2026 年 10 月 22 日数据。模型的官方发布时间与 Perplexity 接入时间属于不同信息，不应混用。

Arena 评分榜单官网：https://arena.ai/leaderboard

#模型切换

在提问前，点击输入框右下方的 模型，展开列表后选择需要使用的型号。保留 最佳 时，Perplexity 会自动为当前问题选择适合的模型；需要比较不同模型的回答时，可手动指定型号后提交相同问题。

模型名称旁的标识用于说明可用状态：

• 最佳：搜索中的自动模型选择选项，不是独立发布的模型。
• Max 与锁形图标：用于提示订阅权限或当前不可用状态。个人 Pro 与 Max 套餐的模型范围不同。
• 正在思考：与模型的推理设置有关。推理通常用于复杂分析和多步骤问题，可能增加等待时间，不能直接对应 Arena 的某个推理档位。

以下适用场景根据各模型的官方能力定位整理，可作为初步试用方向。模型在 Perplexity 中能够调用哪些工具、处理哪些附件，仍需结合当前功能与任务模式判断。

#GPT-6.1 Sol

开发公司：OpenAI。

发布时间：2026 年 9 月 29 日。

开源情况：闭源，属于专有模型。

核心特点：面向日常专业工作，重点提升代码编写与调试、复杂文档理解及多步骤任务处理能力。能够结合资料中的文字、表格和图示开展分析，并在综合能力与处理效率之间取得平衡。

适用场景：可优先尝试资料归纳、方案比较、报告初稿、技术问题解释及常规代码辅助。例如，提供几份产品说明和使用要求，整理功能差异、适用条件与待确认事项。

#GPT-6 Astra

开发公司：OpenAI。

发布时间：2026 年 9 月 3 日。

开源情况：闭源，属于专有模型。

核心特点：侧重高难度推理、软件工程、科学研究及复杂专业任务，强调在较长的任务过程中持续分析、作出判断并推进工作。官方能力范围也包含浏览器和计算机操作，具体执行能力取决于接入平台提供的工具。

适用场景：可用于复杂技术方案论证、多项约束下的决策分析，以及需要综合多份资料的问题研究。例如，结合需求说明、系统限制与错误记录，比较不同解决方案的依据、影响和验证方法。

#Gemini 4 Argon

开发公司：Google DeepMind。

发布时间：2026 年 9 月 30 日首次公布。

开源情况：闭源，属于专有模型。

核心特点：面向复杂、持续时间较长的专业任务，重点增强深度推理、软件工程、多模态理解和知识工作能力。能够围绕较多资料及多项条件开展连续分析，适合需要反复核对信息关系的任务。

适用场景：可用于复杂资料综合、技术研究、图文材料分析及方案比较。例如，将研究说明、统计图表和补充资料共同纳入分析，整理一致结论、相互矛盾的信息与证据缺口。

#Gemini 3.8 Flash

开发公司：Google DeepMind。

发布时间：2026 年 9 月 2 日。

开源情况：闭源，属于专有模型。

核心特点：延续 Flash 系列兼顾速度与效率的定位，增强软件工程、智能体任务和多步骤推理能力。适合需要较快获得结果并继续追问的任务；遇到复杂问题时，也可能投入更多推理和处理步骤。

适用场景：可优先尝试日常检索、概念解释、信息提取、资料初步整理和代码问题分析。例如，围绕一个技术概念查找资料，先整理主要结论，再逐步补充实现方法与适用条件。

#Claude Sonnet 5.5

开发公司：Anthropic。

发布时间：2026 年 9 月 28 日。

开源情况：闭源，属于专有模型。

核心特点：侧重范围明确的日常任务、代码修复和文档内容处理，兼顾响应速度、表达清晰度与图像理解能力。官方将其定位为适合快速迭代的模型，可用于反复调整文字、结构及具体实现。

适用场景：可优先尝试检索结果整理、文章改写、报告结构优化、图文说明及范围明确的代码排查。例如，将多篇资料整理为正式说明，再按指定篇幅压缩内容，同时保留数据、来源与关键条件。

#Claude Opus 5.5

开发公司：Anthropic。

发布时间：2026 年 9 月 22 日。

开源情况：闭源，属于专有模型。

核心特点：侧重复杂、开放式任务，强调持续判断、智能体编程和知识工作能力。适合综合多类信息、处理相互关联的问题，并在较长任务中控制修改范围与结果质量。

适用场景：可用于多来源研究、复杂报告组织、方案论证和跨文件代码分析。例如，针对同一问题收集不同来源的资料，比较观点差异、证据强弱及适用条件，再形成有依据的分析结论。

#Claude Fable 5.1

开发公司：Anthropic。

发布时间：2026 年 9 月 1 日。

开源情况：闭源，属于专有模型。

核心特点：面向高难度推理、长程智能体任务、多阶段研究及复杂知识工作，强调持续处理大量上下文和多项任务约束。官方建议多数工作先尝试 Opus 5.5，在较高推理设置仍不能满足要求时，再评估 Fable 5.1。

适用场景：可用于研究材料较多、问题层次较深或需要连续推导的任务。例如，围绕一项研究问题整理文献之间的关系，识别方法差异、结论冲突和仍需补充的证据。

#Kimi K3

开发公司：月之暗面（Moonshot AI）。

发布时间：2026 年 7 月 16 日。

开源情况：已开放模型权重，采用 Kimi K3 专用许可证。

核心特点：结合原生视觉理解、复杂推理、长程代码开发与知识工作能力，能够围绕文字、图片等材料进行关联分析，并支持需要持续规划和执行的任务。

适用场景：可用于多份资料对照、较长文档整理、研究内容归纳及图文信息分析。例如，将几份项目材料按同一分析框架整理，提取共同结论、版本差异和未解决问题。

#GLM 5.3

开发公司：智谱（Z.ai）。

发布时间：官方发布记录标注为 2026 年 8 月 18 日。

开源情况：已开放模型权重，采用 GLM-5.3 专用许可证。许可证信息以官方模型仓库为准。

核心特点：侧重复杂软件工程、长程任务和工具调用。官方基础模型支持文本输入，持续启用推理，并提供不同推理强度；适合围绕代码、日志和技术资料进行连续分析。

适用场景：可用于技术资料研究、代码逻辑分析、接口问题排查及多步骤方案拆解。例如，结合接口文档、错误日志和相关代码，梳理调用关系，定位可能原因并列出验证步骤。

#Grok 4.7

开发团队：xAI 的 Grok 团队，Perplexity 模型列表中的提供方标注为 xAI。

发布时间：2026 年 9 月 21 日。

开源情况：闭源，属于专有模型。

核心特点：侧重编程、知识工作和较长任务中的持续执行，增强复杂问题处理、自我检查与上下文管理能力，可用于技术分析及专业资料整理。

适用场景：可用于技术问题分析、观点比较、方案复核与代码辅助，也可作为同一任务的另一候选模型。例如，在获得一份分析结果后，另开对话提交原始资料，检查是否存在遗漏条件、论证跳步或其他解释。

#Nemotron 3.5 Super VL

开发公司：英伟达（NVIDIA）。

发布时间：2026 年 10 月 15 日。

开源情况：已开放模型权重，采用 OpenMDW 1.1 许可证。

核心特点：属于视觉语言模型，覆盖推理、代码、工具调用、文档理解及视频理解，重点面向结合视觉信息的多步骤任务。模型本身支持的输入类型，应与 Perplexity 当前开放的附件功能分别确认。

适用场景：可尝试图文资料提取、图表说明、文档页面分析及结合图片开展的问题推理。例如，上传包含文字与图表的资料页面，要求先提取可见信息，再解释各部分之间的关系，并标明无法确认的内容。

#选用建议

选择模型时，可先确定需要完成的是资料查找、内容整理、复杂分析还是代码处理，再从符合账号权限的模型中选取两至三个进行比较。以下建议依据官方能力定位整理，适合用作试用起点。

日常检索与问答：查询概念、了解背景、整理简短资料时，可先使用 最佳。需要固定模型并反复追问时，可尝试 GPT-6.1 Sol 或 Gemini 3.8 Flash，重点检查回答是否准确、简洁，以及是否覆盖问题中的限制条件。

文字整理与报告：需要将检索结果改写为说明、文章或报告时，可先尝试 Claude Sonnet 5.5，也可与 GPT-6.1 Sol 比较。应提前说明读者、篇幅、语气、结构和必须保留的信息，减少后续调整。

复杂分析与论证：涉及多项条件、相互矛盾的资料或较复杂的技术判断时，可尝试 GPT-6 Astra、Claude Opus 5.5 或 Gemini 4 Argon。应要求区分资料事实、分析推断和待验证结论，并说明不同方案成立的条件。

长文档与多份资料：需要比较较长材料、梳理信息之间的关系或分阶段研究时，可将 Kimi K3 与 Claude Opus 5.5 纳入比较。任务对持续推理的要求较高时，再考虑 Claude Fable 5.1。

代码与技术问题：常规代码解释和范围明确的问题修复，可先尝试 GPT-6.1 Sol 或 Claude Sonnet 5.5；复杂工程分析可加入 GLM 5.3、GPT-6 Astra 或 Claude Opus 5.5。Grok 4.7 可作为另一候选模型，用于比较问题定位和修改建议是否完整。

图文与视觉资料：处理图片、图表及包含视觉信息的文档时，可尝试 Gemini 4 Argon、Kimi K3 或 Nemotron 3.5 Super VL。提问时宜明确需要识别的对象、数据及关系，并要求将直接观察与进一步推断分开表达。

个人订阅中，模型权限可按以下范围理解；具体可用状态以账号内的模型菜单为准。

如果任务需要广泛查找资料、交叉核对并形成完整报告，还应考虑使用 深度研究。该模式由 Perplexity 自动选择模型。需要持续调用工具、制作文件或推进多步骤工作时，可使用 Computer，其模型选择与可用范围单独管理。

#实际比较

确定常用模型前，可选取两至三项具有代表性的工作任务，例如比较几款产品、整理一组研究材料，或分析一段存在问题的代码。每项任务应包含明确的资料范围、输出格式与检查标准，便于判断结果是否符合实际需要。

比较时，应分别开启新的对话，向候选模型提交相同问题、相同附件及一致的输出要求，并尽量保持搜索模式、来源范围和推理设置一致。对于需要联网的任务，还应记录查询时间，避免把信息更新造成的差异误认为模型能力差异。

检查时可重点关注以下内容：

• 来源可靠：是否优先采用与问题相关的官方资料、原始研究或直接证据；来源日期、适用地区及版本是否符合要求。
• 引用对应：打开关键引用，检查原页面是否实际支持回答中的说法。不能只根据引用数量或链接外观判断可信度。
• 信息准确：是否正确理解人物、时间、数值和条件，是否混淆不同版本，是否将推测写成确定结论。
• 要求完整：是否覆盖全部指定内容，并遵守篇幅、顺序、格式和限制条件。
• 修改衔接：继续提出相同修改要求，检查模型能否调整指定部分，同时保留已确认的数据、结论和其他内容。
• 处理效率：记录从提交问题到获得可用结果的总时间，包括等待、补充说明、反复修改与人工核对。

例如，需要为虚构项目“山岚书屋”整理阅读活动方案时，可统一要求候选模型查找近期公开案例，列出活动形式、适用人群、执行条件及来源链接，并区分案例事实与方案建议。首次完成后，再要求压缩摘要、补充一项活动安排，同时保留原有来源和预算限制。通过这一过程，可以比较搜索结果的相关性、引用准确性、内容组织及连续修改能力。

Perplexity 会将第三方模型与自身的检索、引用、工具和提示设置结合，因此，同名模型在 Perplexity 与原厂产品中的表现可能不同。最终应根据当前任务的完成质量确定选择，并在模型或平台更新后，使用原有测试任务重新检查。