پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

Perplexity

Perplexity دو نوع سرویس ارائه می‌دهد:

مدل‌های LLM: مدل‌های پیشرفته هوش مصنوعی با یکپارچگی جستجوی وب بلادرنگ، استدلال زنجیره‌ای و قابلیت‌های تحقیق جامع
سرویس جستجو (perplexity-search): دسترسی مستقیم به قابلیت‌های جستجوی Perplexity از طریق v1/search بدون نیاز به LLM

همه مدل‌های LLM درک قدرتمند زبان را با جستجوی وب زنده ترکیب می‌کنند تا پاسخ‌های مستند و دارای استناد ارائه دهند.

در داده فعلی AvalAI، مدل‌های Sonar را برای قابلیت‌های native Perplexity مانند citations، search_results و search_context_size از مسیر /v1/chat/completions فراخوانی کنید. مثال‌های Responses پایین صفحه الگوی مهاجرت هستند؛ فقط وقتی از آن‌ها استفاده کنید که مدل یا route انتخابی شما صراحتا از /v1/responses پشتیبانی کند.

مدل‌های موجود

sonar - پاسخ‌های سریع با نتایج جستجوی قابل اعتماد
sonar-pro - جستجوی پیشرفته با نتایج بهبود یافته
sonar-reasoning - استدلال سریع با جستجوی بلادرنگ
sonar-reasoning-pro - استدلال پیشرفته با جستجوی جامع
sonar-deep-research - تحقیق جامع در صدها منبع
perplexity-search - جستجوی مستقیم بدون پاسخ LLM

پشتیبانی از نقاط پایانی API

قابلیت	endpoint پیشنهادی	نکته
پاسخ‌های native مدل‌های Perplexity	`/v1/chat/completions`	بهترین مسیر برای مدل‌های Sonar، citationها، metadata جستجو و فیلدهای اختصاصی Perplexity.
workflowهای متنی به سبک Responses	`/v1/responses`	فقط با مدل یا route پشتیبانی‌شده استفاده کنید؛ `messages` را به `input` منتقل کنید و `output_text` را بخوانید.
فقط جستجوی مستقیم	`/v1/search`	برای گرفتن نتایج جستجو بدون متن تولیدشده از `perplexity-search` استفاده کنید.

sonar

پاسخ‌های سریع با نتایج جستجوی قابل اعتماد

یک مدل جستجوی سبک و مقرون به صرفه که برای پاسخ‌های سریع و مستند با جستجوی وب بلادرنگ بهینه شده است.

ویژگی‌ها

مدل غیراستدلالی: برای سرعت و مستقیم بودن بهینه شده
پنجره زمینه: 128K توکن
جستجوی وب بلادرنگ: جستجوی زنده با استنادات و ابرداده
مقرون به صرفه: قیمت‌گذاری متوازن برای استفاده عمومی
بدون آموزش بر روی داده‌های مشتری: متمرکز بر حریم خصوصی

قیمت‌گذاری

نوع	هزینه
توکن‌های ورودی	$1.00 به ازای 1M توکن
توکن‌های ورودی کش شده	$0.50 به ازای 1M توکن
توکن‌های خروجی	$1.00 به ازای 1M توکن
زمینه جستجو (کم)	$5 به ازای 1K درخواست
زمینه جستجو (متوسط)	$8 به ازای 1K درخواست
زمینه جستجو (زیاد)	$12 به ازای 1K درخواست

موارد استفاده

جستجوهای سریع و بررسی صحت اطلاعات
خلاصه اخبار و رویدادهای جاری
وظایف پرسش و پاسخ ساده
تعاریف و توضیحات

مثال

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "sonar",
    "messages": [
      {
        "role": "user",
        "content": "آخرین اخبار در تحقیقات هوش مصنوعی چیست؟"
      }
    ]
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="sonar",
    messages=[{"role": "user", "content": "آخرین اخبار در تحقیقات هوش مصنوعی چیست؟"}],
)

print(response.choices[0].message.content)
print(f"استنادات: {response.citations}")

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1"
});

const response = await client.chat.completions.create({
  model: "sonar",
  messages: [
    { role: "user", content: "آخرین اخبار در تحقیقات هوش مصنوعی چیست؟" }
  ]
});

console.log(response.choices[0].message.content);
console.log("استنادات:", response.citations);

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `sonar` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="آخرین اخبار در تحقیقات هوش مصنوعی چیست؟",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "آخرین اخبار در تحقیقات هوش مصنوعی چیست؟",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "آخرین اخبار در تحقیقات هوش مصنوعی چیست؟",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

sonar-pro

جستجوی پیشرفته با نتایج جستجوی بهبود یافته

یک مدل جستجوی پیشرفته طراحی شده برای پرس‌وجوهای پیچیده که 2 برابر بیشتر از Sonar استاندارد نتایج جستجو با درک عمیق‌تر محتوا ارائه می‌دهد.

ویژگی‌ها

مدل غیراستدلالی: بازیابی اطلاعات پیشرفته
پنجره زمینه: 200K توکن
نتایج جستجوی بهبود یافته: 2 برابر بیشتر از Sonar
بهینه‌سازی پرس‌وجوهای پیچیده: طراحی شده برای سؤالات چند مرحله‌ای
بدون آموزش بر روی داده‌های مشتری: متمرکز بر حریم خصوصی

قیمت‌گذاری

نوع	هزینه
توکن‌های ورودی	$3.00 به ازای 1M توکن
توکن‌های ورودی کش شده	$1.50 به ازای 1M توکن
توکن‌های خروجی	$15.00 به ازای 1M توکن
زمینه جستجو (کم)	$6 به ازای 1K درخواست
زمینه جستجو (متوسط)	$10 به ازای 1K درخواست
زمینه جستجو (زیاد)	$14 به ازای 1K درخواست

موارد استفاده

سؤالات تحقیقاتی پیچیده
تحلیل تطبیقی در چندین منبع
ترکیب اطلاعات و گزارش‌دهی دقیق
تحلیل عمیق بازار

مثال

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "sonar-pro",
    "messages": [
      {
        "role": "user",
        "content": "موقعیت رقابتی موتورهای جستجوی هوش مصنوعی در سال 2025 را تحلیل کنید"
      }
    ]
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="sonar-pro",
    messages=[
        {
            "role": "user",
            "content": "موقعیت رقابتی موتورهای جستجوی هوش مصنوعی در سال 2025 را تحلیل کنید",
        }
    ],
)

print(response.choices[0].message.content)

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1"
});

const response = await client.chat.completions.create({
  model: "sonar-pro",
  messages: [
    { role: "user", content: "موقعیت رقابتی موتورهای جستجوی هوش مصنوعی در سال 2025 را تحلیل کنید" }
  ]
});

console.log(response.choices[0].message.content);

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `sonar-pro` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="موقعیت رقابتی موتورهای جستجوی هوش مصنوعی در سال 2025 را تحلیل کنید",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "موقعیت رقابتی موتورهای جستجوی هوش مصنوعی در سال 2025 را تحلیل کنید",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "موقعیت رقابتی موتورهای جستجوی هوش مصنوعی در سال 2025 را تحلیل کنید",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

sonar-reasoning

استدلال سریع با جستجوی بلادرنگ

یک مدل متمرکز بر استدلال که استدلال زنجیره‌ای (CoT) را برای تحلیل ساختاری با جستجوی وب بلادرنگ اعمال می‌کند.

ویژگی‌ها

مدل استدلالی: قابلیت‌های زنجیره‌ای تفکر (CoT)
پنجره زمینه: 128K توکن
استدلال سریع: بهینه شده برای حل سریع مسئله
جستجوی وب بلادرنگ: جستجوی زنده یکپارچه
بدون آموزش بر روی داده‌های مشتری: متمرکز بر حریم خصوصی

قیمت‌گذاری

نوع	هزینه
توکن‌های ورودی	$1.00 به ازای 1M توکن
توکن‌های ورودی کش شده	$0.50 به ازای 1M توکن
توکن‌های خروجی	$5.00 به ازای 1M توکن
زمینه جستجو (کم)	$5 به ازای 1K درخواست
زمینه جستجو (متوسط)	$8 به ازای 1K درخواست
زمینه جستجو (زیاد)	$14 به ازای 1K درخواست

موارد استفاده

حل مسئله چند مرحله‌ای
تحلیل منطقی و استدلال ساختاری
برنامه‌ریزی استراتژیک و تصمیم‌گیری
عیب‌یابی فنی با تحقیق

مثال

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "sonar-reasoning",
    "messages": [
      {
        "role": "user",
        "content": "یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید"
      }
    ],
    "max_tokens": 2048
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="sonar-reasoning",
    messages=[
        {
            "role": "user",
            "content": "یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید",
        }
    ],
    max_tokens=2048,
)

# مدل فرآیند استدلال زنجیره‌ای خود را نشان می‌دهد
print(response.choices[0].message.content)

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1"
});

const response = await client.chat.completions.create({
  model: "sonar-reasoning",
  messages: [
    { role: "user", content: "یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید" }
  ],
  max_tokens: 2048
});

// مدل فرآیند استدلال زنجیره‌ای خود را نشان می‌دهد
console.log(response.choices[0].message.content);

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `sonar-reasoning` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

sonar-reasoning-pro

استدلال پیشرفته با جستجوی جامع

استدلال زنجیره‌ای پیشرفته با 2 برابر نتایج جستجوی بیشتر برای وظایف تحلیل چند مرحله‌ای پیچیده.

ویژگی‌ها

مدل استدلالی پیشرفته: قابلیت‌های CoT بهبود یافته
پنجره زمینه: 128K توکن
نتایج جستجوی بهبود یافته: 2 برابر بیشتر از sonar-reasoning
وظایف چند مرحله‌ای پیچیده: بهینه شده برای تحلیل عمیق
بدون آموزش بر روی داده‌های مشتری: متمرکز بر حریم خصوصی

قیمت‌گذاری

نوع	هزینه
توکن‌های ورودی	$2.00 به ازای 1M توکن
توکن‌های ورودی کش شده	$1.00 به ازای 1M توکن
توکن‌های خروجی	$8.00 به ازای 1M توکن
زمینه جستجو (کم)	$6 به ازای 1K درخواست
زمینه جستجو (متوسط)	$10 به ازای 1K درخواست
زمینه جستجو (زیاد)	$14 به ازای 1K درخواست

موارد استفاده

تحلیل و استدلال چند مرحله‌ای پیچیده
تحقیق پیشرفته با استدلال عمیق
تصمیم‌گیری استراتژیک با تحلیل جامع
تجزیه مسائل پیچیده

مثال

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "sonar-reasoning-pro",
    "messages": [
      {
        "role": "user",
        "content": "یک نقشه راه محصول دقیق برای یک پلتفرم مبتنی بر هوش مصنوعی توسعه دهید"
      }
    ],
    "max_tokens": 4096
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="sonar-reasoning-pro",
    messages=[
        {
            "role": "user",
            "content": "یک نقشه راه محصول دقیق برای یک پلتفرم مبتنی بر هوش مصنوعی توسعه دهید",
        }
    ],
    max_tokens=4096,
)

print(response.choices[0].message.content)

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1"
});

const response = await client.chat.completions.create({
  model: "sonar-reasoning-pro",
  messages: [
    { role: "user", content: "یک نقشه راه محصول دقیق برای یک پلتفرم مبتنی بر هوش مصنوعی توسعه دهید" }
  ],
  max_tokens: 4096
});

console.log(response.choices[0].message.content);

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `sonar-reasoning-pro` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="یک نقشه راه محصول دقیق برای یک پلتفرم مبتنی بر هوش مصنوعی توسعه دهید",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "یک نقشه راه محصول دقیق برای یک پلتفرم مبتنی بر هوش مصنوعی توسعه دهید",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "یک نقشه راه محصول دقیق برای یک پلتفرم مبتنی بر هوش مصنوعی توسعه دهید",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

sonar-deep-research

تحقیق جامع در صدها منبع

تحلیل موضوعی در سطح تخصصی با تولید گزارش دقیق، پشتیبانی از استناد و قابلیت‌های تحقیق جامع.

ویژگی‌ها

مدل تحقیق عمیق: تحقیق جامع چند منبعی
پنجره زمینه: 128K توکن
تولید گزارش: گزارش‌های دقیق و ساختاریافته
استنادات پیشرفته: توکن‌های استناد برای ارجاع
توکن‌های استدلال: قیمت‌گذاری جداگانه برای فرآیند استدلال
بدون آموزش بر روی داده‌های مشتری: متمرکز بر حریم خصوصی

قیمت‌گذاری

نوع	هزینه
توکن‌های ورودی	$2.00 به ازای 1M توکن
توکن‌های ورودی کش شده	$1.00 به ازای 1M توکن
توکن‌های خروجی	$8.00 به ازای 1M توکن
توکن‌های استدلال	$3.00 به ازای 1M توکن
توکن‌های استناد	$2.00 به ازای 1M توکن
پرس‌وجوی جستجو	$0.005 به ازای هر پرس‌وجو
زمینه جستجو (همه سطوح)	$5 به ازای 1K درخواست

موارد استفاده

تحقیقات آکادمیک و گزارش‌های جامع
تحلیل بازار و اطلاعات رقابتی
بررسی دقیق و تحقیقات تحقیقی
محتوای بلند با استنادات گسترده

مثال

BashPythonJavaScript

bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "sonar-deep-research",
    "messages": [
      {
        "role": "user",
        "content": "تحقیق جامع در مورد کاربردهای محاسبات کوانتومی در کشف دارو انجام دهید"
      }
    ],
    "max_tokens": 8192
  }'

python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

response = client.chat.completions.create(
    model="sonar-deep-research",
    messages=[
        {
            "role": "user",
            "content": "تحقیق جامع در مورد کاربردهای محاسبات کوانتومی در کشف دارو انجام دهید",
        }
    ],
    max_tokens=8192,
)

print(response.choices[0].message.content)
# دسترسی به استنادات دقیق
print(f"استنادات: {response.citations}")

javascript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1"
});

const response
 = await client.chat.completions.create({
  model: "sonar-deep-research",
  messages: [
    { role: "user", content: "تحقیق جامع در مورد کاربردهای محاسبات کوانتومی در کشف دارو انجام دهید" }
  ],
  max_tokens: 8192
});

console.log(response.choices[0].message.content);
// دسترسی به استنادات دقیق
console.log("استنادات:", response.citations);

نسخه معادل Responses API مدل این نسخه روی `gpt-5.5` تنظیم شده، چون `sonar-deep-research` ممکن است در داده‌های فعلی AvalAI برای `/v1/responses` فعال نباشد.

وقتی مدل انتخابی از /v1/responses پشتیبانی می‌کند، این نسخه را کنار مثال Chat Completions استفاده کنید. messages به input منتقل می‌شود و متن نهایی از response.output_text خوانده می‌شود.

PythonJavaScriptBash

python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    instructions="You are a helpful assistant.",
    input="تحقیق جامع در مورد کاربردهای محاسبات کوانتومی در کشف دارو انجام دهید",
)

print(response.output_text)

javascript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  instructions: "You are a helpful assistant.",
  input: "تحقیق جامع در مورد کاربردهای محاسبات کوانتومی در کشف دارو انجام دهید",
});

console.log(response.output_text);

bash

curl https://api.avalai.ir/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '
  {
    "model": "gpt-5.6-luna",
    "input": "تحقیق جامع در مورد کاربردهای محاسبات کوانتومی در کشف دارو انجام دهید",
    "instructions": "You are a helpful assistant."
  }'

messages → input
پیام سیستمی → instructions یا آیتم developer
choices[0].message.content → response.output_text
برای ابزارها و خروجی‌های چندوجهی، response.output را بر اساس type بررسی کنید.

API جستجوی مستقیم (بدون LLM)

علاوه بر استفاده از مدل‌های Perplexity از طریق تکمیل چت، می‌توانید مستقیما از طریق نقطه پایانی API v1/search بدون فراخوانی LLM به قابلیت‌های جستجوی Perplexity دسترسی داشته باشید. این زمانی مفید است که فقط به نتایج جستجوی خام نیاز دارید.

نام ابزار جستجو

از perplexity-search به عنوان شناسه ابزار جستجو استفاده کنید.

نمونه درخواست (گزینه 1: ابزار جستجو در URL)

bash

curl https://api.avalai.ir/v1/search/perplexity-search \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "آخرین پیشرفت‌های هوش مصنوعی 2024",
    "max_results": 5,
    "search_domain_filter": ["arxiv.org", "nature.com"],
    "country": "US"
  }'

نمونه درخواست (گزینه 2: ابزار جستجو در بدنه)

bash

curl https://api.avalai.ir/v1/search \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "search_tool_name": "perplexity-search",
    "query": "آخرین پیشرفت‌های هوش مصنوعی 2024",
    "max_results": 5
  }'

پارامترها

query (ضروری): رشته پرس‌وجوی جستجو
max_results (اختیاری): حداکثر تعداد نتایج برای بازگشت
search_domain_filter (اختیاری): آرایه دامنه‌ها برای فیلتر کردن نتایج
country (اختیاری): کد کشور برای نتایج محلی‌سازی شده

برای اطلاعات بیشتر در مورد API جستجو، به مستندات API جستجو مراجعه کنید.

Perplexity ​

مدل‌های موجود ​

پشتیبانی از نقاط پایانی API ​

sonar ​

ویژگی‌ها ​

قیمت‌گذاری ​

موارد استفاده ​

مثال ​

sonar-pro ​

ویژگی‌ها ​

قیمت‌گذاری ​

موارد استفاده ​

مثال ​

sonar-reasoning ​

ویژگی‌ها ​

قیمت‌گذاری ​

موارد استفاده ​

مثال ​

sonar-reasoning-pro ​

ویژگی‌ها ​

قیمت‌گذاری ​

موارد استفاده ​

مثال ​

sonar-deep-research ​

ویژگی‌ها ​

قیمت‌گذاری ​

موارد استفاده ​

مثال ​

API جستجوی مستقیم (بدون LLM) ​

نام ابزار جستجو ​

نمونه درخواست (گزینه 1: ابزار جستجو در URL) ​

نمونه درخواست (گزینه 2: ابزار جستجو در بدنه) ​

پارامترها ​

منابع مرتبط ​

Perplexity

مدل‌های موجود

پشتیبانی از نقاط پایانی API

sonar

ویژگی‌ها

قیمت‌گذاری

موارد استفاده

مثال

sonar-pro

ویژگی‌ها

قیمت‌گذاری

موارد استفاده

مثال

sonar-reasoning

ویژگی‌ها

قیمت‌گذاری

موارد استفاده

مثال

sonar-reasoning-pro

ویژگی‌ها

قیمت‌گذاری

موارد استفاده

مثال

sonar-deep-research

ویژگی‌ها

قیمت‌گذاری

موارد استفاده

مثال

API جستجوی مستقیم (بدون LLM)

نام ابزار جستجو

نمونه درخواست (گزینه 1: ابزار جستجو در URL)

نمونه درخواست (گزینه 2: ابزار جستجو در بدنه)

پارامترها

منابع مرتبط