Perplexityは、自社で大規模言語モデルをゼロから訓練して提供するサービスではありません。質問を受けるとWebを検索し、取得した文書を根拠として自社モデルまたは外部モデルに回答を書かせ、参照したURLを本文に添えて返す「回答エンジン」です。強みも弱点も、この構造から生まれます。ここでは公式ドキュメントの記述と第三者調査の実測値をもとに、強みの中身・搭載モデルの構成・回答生成の流れ・精度の限界を整理します。
まとめ：出典付きの横断回答とモデル選択の自由度が強み、精度は無条件に信用できない
- 回答に根拠URLを埋め込む設計。公式ドキュメントはAgent APIを「引用が組み込まれたWebグラウンデッドな回答を1回の呼び出しで得られる」と説明しています。
- 特定ベンダーに縛られない。OpenAI・Anthropic・Google・xAIのモデルへ同じAPIから接続でき、課金は各提供元のレートです。
- 探す範囲を制御できる。Search APIは公開日・更新日・ドメイン（最大20件）で検索対象を絞り込めます。
- 精度は万能ではありません。記事の出典を言い当てさせたコロンビア大学Tow Centerの調査（2025年3月6日・1,600クエリ）で、Perplexityの誤答率は37%でした。
結論から言えば、下調べの速度を上げる道具としては現時点で有力な選択肢です。ただし出力をそのまま社外向けの根拠に使うと事故ります。理由は本文で示します。
Perplexityの強み｜出典表示・モデル選択・鮮度制御という設計差
回答本文に根拠URLを差し込むグラウンデッド生成
最大の差はここです。一般的な対話型AIは学習済みの知識から文章を組み立てますが、Perplexityは先にWeb検索を実行し、取得した文書を根拠として回答を書かせます。公式ドキュメントはAgent APIの説明で「built-in citations（組み込みの引用）」を明記しており、引用表示は後付けの機能ではなく回答生成の一部です。
実務上の意味は、検算の速さにあります。回答の各文に付いた番号から一次情報へ直接飛べるため、「この数字はどこから来たのか」を確認する時間が短くなります。逆に言えば、引用元を開かずに使うなら、この強みは何も効いていません。
OpenAI・Anthropic・Google・xAIを横断するモデル選択
Perplexityは自社モデルだけでなく、他社の主要モデルを同一のインターフェースから呼び出せます。公式ドキュメントによれば、Agent APIからアクセスできるのはOpenAI・Anthropic・Google・xAIのモデルで、課金は各社の提供レート。オープンウェイト系はRouter APIが束ねており、OpenAI互換のエンドポイントから扱えます。
個人向けの有料プランでも、スレッドごとに使うモデルを切り替えられます。単一ベンダーの都合でモデルが入れ替わる構成と違い、用途に応じて選び直せる設計。移行コストの面ではこの差が効いてきます。複数モデルの回答を突き合わせる仕組みは、AI検索プラットフォームPerplexityが発表した新機能「Model Council」：複数モデルの回答を合成し最適な答えを生成で扱っています。
公開日・更新日・ドメインで探索範囲を絞る鮮度制御
Search APIには、検索対象を機械的に限定するパラメータが用意されています。search_recency_filterはhour／day／week／month／yearの粒度で公開時期を絞り、search_after_date_filterとsearch_before_date_filterは公開日、last_updated_after_filterとlast_updated_before_filterは更新日で範囲を指定するパラメータ。search_domain_filterでは最大20ドメインまで参照先を固定できます。
官公庁とベンダー公式サイトだけに参照先を限定して調査させる、といった使い方が可能になるわけです。戻り値にはtitle・url・snippetに加えてdateとlast_updatedが含まれるため、古い記事が根拠に紛れ込んでいないかを呼び出し側でも判定できます。
搭載モデルの構成｜自社Sonar系と外部モデルの二層
役割が分かれたSonar系4モデルと移行期の注意
自社の検索特化モデルはSonar系の4種です。ただしAPI側は移行期にあります。公式ドキュメントはSonar APIをLegacy APIに分類し、サポート期限を2026年9月27日と明示。後継のAgent APIに残るPerplexity製モデルはperplexity/sonarの1本だけで、Sonar Pro・Sonar Reasoning Pro・Sonar Deep ResearchはAgent APIのモデル一覧に載っていません。以下は移行前時点のラインアップです。
| モデル | 公式ドキュメントの位置づけ |
|---|---|
| Sonar | 軽量・低コストの検索モデル |
| Sonar Pro | 複雑な質問と追加質問に対応 |
| Sonar Reasoning Pro | 思考過程を伴う推論 |
| Sonar Deep Research | 網羅調査とレポート生成 |
4種すべてがWeb検索と結び付いた設計で、単体の汎用チャットモデルではありません。同種の自動調査を消費者向けに提供するDeep Research機能については、Perplexity Deep Researchの主な特徴と利便性で処理の流れを解説しています。
外部モデルの価格帯とRouter API
| モデル | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| Claude Opus 5 | 5.00ドル | 25.00ドル |
| Claude Sonnet 5 | 2.00ドル | 10.00ドル |
| Claude Haiku 4.5 | 1.00ドル | 5.00ドル |
| GPT-5-Mini | 0.25ドル | 2.00ドル |
| Gemini 3.7 Flash | 0.375ドル | 1.875ドル |
いずれも公式ドキュメントのAgent APIモデル一覧に掲載された提供元レートで、Perplexity側の上乗せは示されていません。表の5種以外にxAI Grok、DeepSeek、Z.AI、Moonshot AI、NVIDIAのモデルも選べます。検索そのものを部品として使うSearch APIは1,000リクエスト5.00ドル（複数クエリを1リクエストにまとめても課金は1回分）、ツール課金はWeb Searchが1回0.0025ドル、Fetch URLが0.0005ドル、People SearchとFinance Searchが各0.005ドルです。自律的にPCを操作させる上位機能の料金体系は、Perplexity Computerとは｜料金・クレジット消費量・対応モデルと使い方【2026年7月版】にまとめています。
回答生成のアルゴリズム｜検索から出典付き生成までの流れと精度の実測
クエリ解釈・文書取得・グラウンデッド生成の3段構成
処理は大きく3段です。入力された質問をもとにWeb検索が実行され、候補文書が順位付きで取得されます。この段階で扱われるのは、Search APIが返すのと同じtitle・url・snippet・date・last_updatedという構造化レコード。まだ文章は生成されていません。最後に、選ばれた文書を根拠としてモデルに回答を書かせ、参照した文書へのリンクを本文に差し込みます。
「Perplexityのアルゴリズム」を語るとき、多くの解説はモデル側の推論だけを取り上げます。実際に回答の質を左右するのは前段の検索と順位付けです。根拠となる文書を取り違えれば、どれだけ高性能なモデルを選んでも誤った回答が整った日本語で返ってきます。
引用の誤り率37%という第三者調査の実測値
コロンビア大学ジャーナリズム大学院Tow Centerは2025年3月6日、出版社20社の記事10本ずつをチャットボット8種に照会する1,600クエリの調査結果を公表しました。設問は記事の抜粋を渡し、見出し・発行元・公開日・URLを言い当てさせるもの。この出典同定タスクでのPerplexityの誤答率は37%で、8種のなかでは低い部類でした。全体では6割超の回答が誤っており、Grok 3は94%に達しています。なお対象は2025年3月時点の各モデルで、その後の更新は反映されていません。
注意すべき点が2つあります。ひとつは有料版の挙動です。調査は「有料版は無料版より多くの設問に正答した一方、逆説的に誤答率も高かった」と述べており、回答を辞退せず踏み込むぶん、誤りを自信のある口調で提示していました。もうひとつは、クローラーを拒否していたNational Geographicの有料記事10本を、無料版Perplexityが全て言い当てたという記述です。出典が付いていることと、その出典が正しいことは別問題だと考えてください。
料金プランとAPI移行期限｜無料・Pro・MaxとSonarのサポート終了日
無料・Pro・Maxの3段構成と選び分け
個人向けは無料版、Pro（月20ドル）、Max（月200ドル）の3段です。無料版でも出典付きの検索回答は使えますが、詳細検索の回数とモデル選択の自由度に制限があります。Proはモデルを自分で選びたい人向け、Maxは自動調査やエージェント機能を大量に回す人向けという住み分けです。金額と利用上限は改定が続いているため、契約前に公式の料金ページで確認してください。
Sonar Chat CompletionsからAgent APIへの移行期限
開発者側には期限のある変更が控えています。従来のSonar Chat CompletionsはAgent APIへ置き換えられ、公式ドキュメントが明示するサポート期限は2026年9月27日。移行ガイドは用意されていますが、既存の呼び出しを放置すれば期限後に動かなくなります。Sonar系のエンドポイントを組み込んでいるなら、この時期を過ぎる前に切り替えを終えてください。
Perplexityを使うべきでない場面｜報道依存テーマと社外公開物の根拠
契約条項・法令・医療基準を最終根拠にする業務
契約条件、法令の条文、医療や安全に関わる基準など、誤りが直接損害につながる領域では、Perplexityの回答を最終根拠にしないでください。出典同定タスクで3回に1回強を誤るという実測がある以上、示された出典自体が取り違えられている可能性を前提に扱う必要があります。著作権法21条のような条文単位の確認なら、e-Govの法令原文まで開いて突き合わせる。この線引きを守るなら、調査時間の短縮効果は十分に出ます。
報道記事の再構成が中心になるテーマ
ニュース記事の要約や再構成を主目的とする使い方は、現時点では避けるべきだと考えます。日本では2025年8月7日に読売新聞グループが約21億6,800万円、同年8月26日に朝日新聞社と日本経済新聞社が各22億円・計44億円の損害賠償を求めて東京地裁に提訴しました。robots.txtによる拒否を無視した記事取得、複製権・翻案権・公衆送信権の侵害、社名を挙げたうえでの誤情報表示が主張されています。
2026年8月時点で係争中であり、司法判断は出ていません。ただ、社外へ公開する制作物の根拠として報道記事由来の要約を使うのであれば、出典元の許諾状況を自社で確認する運用が要ります。社内の下調べと、公開物の根拠。この2つは同じ道具で扱ってよい対象ではありません。
よくある質問
Perplexityの開発元はどこの企業ですか？
米国のPerplexity AI, Inc.です。2022年8月にAravind Srinivas（CEO）、Denis Yarats（CTO）、Johnny Ho、Andy Konwinskiの4名が共同で設立し、本社は米サンフランシスコにあります。設立から4年ほどの新興企業で、長年AI研究を続けてきた老舗ベンダーではありません。検索基盤とモデル運用に絞った体制で製品を出しています。
Perplexity AIモデルは自社開発ですか？
自社開発と外部調達の両方です。自社のSonar系（Sonar／Sonar Pro／Sonar Reasoning Pro／Sonar Deep Research）を検索特化モデルとして持ちつつ、OpenAI・Anthropic・Google・xAIなどのモデルも選べる二層構成になっています。したがって「PerplexityというひとつのAIモデル」が存在するわけではなく、質問ごとにどのモデルが応答するかが変わります。回答の癖が日によって違うと感じる場合は、選択中のモデルを確認してください。
Perplexityが示す出典の正確さはどの程度ですか？
第三者調査での実測値は、出典同定タスクの誤答率37%です（Tow Center、2025年3月6日、1,600クエリ）。同時に調査された8種のうちでは低い部類で、最も高いGrok 3の94%とは大きな開きがあります。ただし調査は8種の誤答率の順位を公表していません。精度を上げる現実的な手段は、参照先ドメインを公式サイトに絞ること、公開日の範囲を指定すること、そして引用リンクを開いて原文を確認することです。
スマートフォンアプリやブラウザでも同じ強みが使えますか？
出典付きの検索回答という中核は共通です。加えてPerplexityは自社ブラウザCometを提供しており、2025年7月に限定公開、2025年10月から無料でダウンロードできるようになりました。閲覧中のページを前提に質問できる点がWeb版との違いです。iPhone版の機能差と料金については、Cometブラウザ iPhone版とは？できること・料金・Safariとの違いを2026年最新で解説を参照してください。
ChatGPTなど他の対話型AIと比べてどちらを選ぶべきですか？
根拠を確認しながら調べる作業ならPerplexity、長文の作成や対話を重ねる作業なら汎用の対話型AIが向きます。検索結果を根拠にする設計のため、Web上に情報が乏しいテーマでは回答が薄くなりがち。料金体系や機能の横並び比較は、ChatGPT・Gemini・Claude・Copilotを徹底比較｜対話型AIの違い・料金・選び方【2026年版】で条件別に整理しています。
