Perplexity vs ChatGPT: qué modelos usa Perplexity

En la comparación Perplexity vs ChatGPT, conviene saber qué modelos hay detrás: Perplexity utiliza su propio modelo Sonar junto con modelos de otros proveedores, y Pro incluye siete modelos seleccionables para Search. La respuesta práctica a «qué modelo usa Perplexity» depende del modo: Best elige automáticamente, los planes de pago permiten elegir en Search y Research selecciona su propia combinación de modelos.

¿Qué modelo usa Perplexity de forma predeterminada?

Sonar es el modelo de búsqueda propio de Perplexity, pero que la configuración predeterminada se llame Best no garantiza que responda Sonar. La diferencia importa cuando necesitas saber qué modelo generó una recomendación.

La documentación sobre el modelo predeterminado de Perplexity describe un modelo optimizado para búsquedas rápidas y navegación web, disponible tanto para usuarios gratuitos como de Pro. Esa página no indica su nombre. El anuncio de Sonar identifica el modelo propio de la empresa como entrenado para la búsqueda predeterminada; la documentación más reciente sobre selección de modelos describe Best como una selección automática para cada consulta.

Por tanto, la respuesta que permiten sostener las fuentes es más precisa que «todo funciona con Sonar». Sonar explica el desarrollo de modelos propios de Perplexity. Best describe cómo la aplicación puede elegir el modelo que responde.

Verificado con el Centro de ayuda público de Perplexity y su publicación sobre Sonar el 8 de noviembre de 2026. La tabla de modelos que aparece más abajo conserva la fecha de referencia del proveedor: 27 de octubre. Esta revisión se basa en documentación, sin pruebas con una sesión iniciada.

Modelo, modo y producto: qué significa cada nombre en Perplexity

Perplexity es el producto; Sonar es un modelo; Search y Deep Research son formas de utilizar el producto. Un modelo de lenguaje de gran tamaño, o LLM, es el sistema que interpreta el lenguaje y genera una respuesta. El producto que lo integra también decide cómo recopilar pruebas y presentarlas.

Imagina una mesa de investigación: las fuentes son los documentos que hay sobre ella, el modo es el encargo y el modelo es el analista que redacta la respuesta. Cambiar de analista puede cambiar la explicación. Pasar de una pregunta rápida a un informe de investigación cambia el trabajo solicitado.

Para quien compara proveedores, esta distinción evita un error habitual: probar otro modelo cuando lo que hace falta es una investigación más amplia o una mejor fuente primaria.

¿Perplexity tiene un LLM propio?

Sí. Perplexity presenta Sonar como su modelo propio y explica que continuó entrenando un modelo base existente para su experiencia de búsqueda. «Propio» no significa que el modelo anunciado se haya creado íntegramente desde cero.

En el anuncio Meet New Sonar, Perplexity afirma que esa versión se construyó sobre Llama 3.3 70B y recibió entrenamiento adicional para mejorar la precisión factual y la legibilidad. Son objetivos útiles para investigar: interpretar las pruebas recuperadas y presentarlas con claridad.

Esa afirmación identifica la base de la versión de Sonar descrita en la publicación. No establece la arquitectura de todas las implementaciones posteriores de Sonar ni qué modelo atendió tu última respuesta con Best. Una descripción histórica de la arquitectura no equivale a un registro de ejecución en tiempo real.

¿Cuál es el modelo propio de Perplexity?

Sonar. Perplexity también integra modelos de otros proveedores en su experiencia de búsqueda. Ambas cosas son compatibles: tener un modelo propio no implica que todas las respuestas deban utilizarlo.

Para quien funda una empresa y evalúa si el producto encaja en su proceso de investigación, la pregunta útil es si sus respuestas ofrecen las pruebas y la explicación necesarias para decidir. Saber a quién pertenece el modelo subyacente no basta para resolverlo.

¿Qué modelos permite elegir cada plan de Perplexity?

Pro permite seleccionar manualmente el modelo en Search; Max añade otro grupo de modelos. Los usuarios gratuitos pueden utilizar Best y un número limitado de búsquedas Pro, pero no pueden seleccionar manualmente un modelo avanzado de Search.

La página oficial de disponibilidad de modelos avanzados recoge la siguiente distribución por planes. Sus tablas llevan fecha del 27 de octubre de 2026 y se revisaron el 8 de noviembre. La disponibilidad puede cambiar; la comprobación definitiva es el selector de modelos de tu cuenta.

Los proveedores son OpenAI para GPT, Google para Gemini, Anthropic para Claude, Moonshot AI para Kimi, Z.ai para GLM, xAI para Grok y NVIDIA para Nemotron. Las cantidades anteriores son nuestro recuento de las filas publicadas por el proveedor, no cuotas de uso.

Esta tabla corresponde a Search. Computer, Comet, Model Council y la API tienen sus propias reglas de selección o disponibilidad. La ausencia de Sonar en esta tabla concreta de modelos avanzados también aconseja evitar presentarlo como una opción manual garantizada en todas las cuentas actuales.

Para un director de tecnología de una empresa mediana, las condiciones de Enterprise importan más que una lista pública de modelos. Los administradores pueden restringir proveedores o modelos concretos; los requisitos regionales y la configuración de conservación de datos también pueden afectar a la disponibilidad. Las pruebas, promociones y lanzamientos graduales pueden hacer que el selector de una cuenta difiera de las tablas estándar.

Para conocer el costo de las suscripciones, consulta nuestra guía de precios de Perplexity.

¿Qué modelos utilizan Pro Search y Research?

Pro Search puede utilizar el modelo de Search que elijas entre los disponibles para tu cuenta; Research elige sus modelos automáticamente. Ninguno de esos nombres designa un único LLM.

Pro Search funciona dentro de Search

Las instrucciones de Pro Search de Perplexity indican que no hay un interruptor independiente para Pro Search. Selecciona Search y plantea tu pregunta; el producto aplica Pro Search automáticamente cuando tu plan lo incluye, hasta el límite correspondiente.

Realiza varias búsquedas, sintetiza el material de las fuentes y aporta citas. Puedes dejar el modelo en Best o elegir uno de los disponibles para tu cuenta. La tabla de modelos avanzados anterior, más reciente, es la referencia para las opciones actuales; el artículo de Pro Search aún contiene ejemplos de modelos antiguos.

Para un responsable de operaciones que comprueba las integraciones que un proveedor afirma admitir, el punto de partida es Search y una petición de la documentación oficial. El primer criterio de aceptación es que la página citada respalde la afirmación.

Research elige una combinación de modelos

La documentación del modo Research dice expresamente que selecciona automáticamente una combinación de modelos y no permite elegir uno concreto de forma manual. El acceso gratuito es limitado, mientras que Pro ofrece un acceso ampliado.

Hay una nota más específica y fechada sobre los modelos: la actualización de Advanced Deep Research, modificada por última vez el 15 de septiembre, menciona Opus 4.6 Thinking para Max y «4.5 Thinking», con despliegue gradual para Pro. La etiqueta de Pro está incompleta en esa página, así que no corresponde completarla con un nombre de modelo supuesto.

Esos son los modelos que indica la actualización, no una lista actual exhaustiva para todas las tareas de Research. La página general de modelos, más reciente, confirma la selección automática sin publicar un mapa completo de asignación por versiones. Por tanto, seleccionar un modelo en Search no demuestra que Research vaya a utilizarlo.

Si estás fundando una empresa y encargas un informe de entrada a un mercado, con pruebas contradictorias y preguntas por resolver, elige Research para ese trabajo de elaboración de un informe. No intentes forzarlo a utilizar tu modelo preferido de Search.

Cómo elegir un modelo y comprobar cuál respondió

Comprueba la respuesta cuando llegue: el modelo seleccionado antes de enviar la consulta no siempre es el que responde. Perplexity documenta la sustitución por otro modelo cuando el elegido no está disponible, no es adecuado para la solicitud o está restringido por un límite de uso. No existe una opción para impedir esta sustitución.

El siguiente procedimiento procede de sus instrucciones para seleccionar modelos e identificar cuál ha respondido.

1. 1

   Elige un modelo de Search disponible para tu cuenta

   En la web, abre el menú desplegable de modelos situado en la parte inferior derecha del cuadro de consulta. Selecciona Custom y elige el modelo y las opciones disponibles de razonamiento y velocidad. Deja Best seleccionado si prefieres la selección automática.

2. 2

   Revisa qué modelo generó la respuesta

   Abre el menú de tres puntos debajo de la respuesta y elige Rewrite. El modelo que respondió aparecerá preseleccionado en la lista de modelos.

3. 3

   Deja constancia de la incertidumbre

   Si utilizaste Best o el modelo que respondió no aparece en la lista, el menú mostrará Best. Regístralo así, en lugar de atribuir la respuesta a un modelo que no puedes verificar.

4. 4

   Compara solo cuando la respuesta lo justifique

   Para solicitar otra respuesta, elige un modelo distinto de la lista y selecciona Rewrite. Compara las pruebas, los supuestos sin respaldo y la utilidad de la explicación, además del tono.

El mejor modelo de Perplexity depende de la tarea

Empieza con Best para las preguntas habituales; cambia la configuración cuando puedas identificar qué le faltó a la primera respuesta. Es una recomendación de trabajo, no una clasificación de rendimiento de los modelos disponibles.

Para un responsable de operaciones que prepara una lista de proveedores, una afirmación sin respaldo exige mejores pruebas. Pide una fuente primaria y revísala. Otra respuesta bien redactada no sustituye a una fuente que demuestre el hecho.

Para un desarrollador que trabaja por su cuenta y trata de resolver una pregunta con varias dependencias, puede ser útil probar Thinking si el modelo seleccionado lo admite. Perplexity describe Thinking como tiempo adicional de razonamiento, con un posible aumento de la latencia. Es una configuración del modelo, no otro modelo que deba sumarse al total del plan.

Para quien ha fundado una empresa con financiación y solicita un informe amplio sobre la competencia, conviene pasar a Research cuando el encargo requiere una investigación sostenida. Eso supone aceptar un cambio en quién controla la selección de modelos.

Para un director de tecnología de una empresa mediana que documenta un proceso repetible, conviene guardar la consulta, la fecha, el modo, el modelo solicitado y la atribución disponible de la respuesta junto con las fuentes. Si es obligatorio conocer la identidad exacta del modelo, una respuesta etiquetada solo como Best no cumple ese requisito.

Antes de contratar un plan superior solo por tener una lista de modelos más larga, identifica una tarea recurrente que la selección actual no resuelva bien. Después, compara las alternativas disponibles con los mismos criterios de aceptación. Para evaluar el producto en su conjunto, consulta nuestro análisis de Perplexity.

Perplexity vs ChatGPT: ¿qué se exagera sobre la elección de modelos?

Acceder a un modelo dentro de Perplexity no reproduce la aplicación independiente de su proveedor. Perplexity lo combina con sus propias búsquedas, citas, herramientas, instrucciones, sistemas de seguridad y límites de uso. Un nombre de modelo conocido no convierte en idénticos los sistemas que lo rodean.

Otra exageración consiste en interpretar la lista de modelos como una clasificación de calidad. La tabla oficial de disponibilidad establece a cuáles puedes acceder, no cuál ofrece la mejor respuesta para tu pregunta de negocio. Tampoco convierte una cita en una prueba válida por sí sola: abre la fuente y comprueba si respalda la frase a la que acompaña.

La principal limitación práctica es la atribución. Una selección manual puede terminar en otro modelo y Best puede ocultar cuál respondió exactamente. En trabajos sujetos a auditoría, conserva esa incertidumbre en lugar de convertir una preferencia en una afirmación de reproducibilidad.

Preguntas frecuentes

¿Qué modelo utiliza Perplexity AI?

Utiliza su propio modelo Sonar y modelos de otros proveedores. En Search, Best elige automáticamente y los planes de pago permiten seleccionar los modelos disponibles para la cuenta. Research elige automáticamente una combinación de modelos.

¿Perplexity es un modelo LLM?

Perplexity es el producto que combina búsquedas con modelos de lenguaje. Sonar es su modelo propio; el producto también ofrece modelos de otros proveedores.

¿Perplexity y ChatGPT son lo mismo?

No. Acceder a modelos de OpenAI dentro de Perplexity no lo convierte en el mismo producto que ChatGPT. Perplexity aporta sus propias búsquedas, citas, herramientas y límites de uso.

¿Perplexity es más preciso que ChatGPT?

Las páginas citadas del Centro de ayuda no establecen un ganador universal en precisión. Evalúa una respuesta de investigación según si sus fuentes respaldan sus afirmaciones y compara los productos con la misma tarea antes de decidir.

¿Qué desventajas tiene Perplexity AI?

En cuanto al control del modelo, los límites documentados son la sustitución por otro modelo, la identificación incompleta bajo Best y la selección automática en Research. La suscripción tampoco incluye el uso de la API; esta tiene un catálogo y una facturación independientes.

¿Perplexity AI te rastrea?

No deduzcas las condiciones de privacidad a partir del modelo seleccionado. La documentación sobre modelos indica que los usuarios particulares de Pro y Max pueden excluir sus datos de la recopilación para entrenar IA, mientras que los datos de Enterprise no se utilizan para entrenar modelos de IA. Esto se refiere al entrenamiento, no a todas las formas de rastreo o recopilación de datos.

¿Cómo se calcula la perplejidad de un modelo de lenguaje?

Esta pregunta se refiere a una métrica de evaluación de modelos de lenguaje, no al modelo que utiliza el producto Perplexity. La documentación del producto citada aquí no ofrece un método de cálculo.

¿Perplexity obtiene beneficios?

El Centro de ayuda y el anuncio de Sonar utilizados aquí no permiten establecer la rentabilidad de la empresa. La disponibilidad de modelos no demuestra que haya beneficios.

¿Qué modelos de IA existen?

En este producto, hay que distinguir el modelo Sonar de Perplexity de los modelos de Search de otros proveedores que se enumeran más arriba. Una clasificación de modelos de IA más allá de Perplexity queda fuera de estas fuentes.

¿Cuáles son las 5 cosas que no deberías contarle a ChatGPT?

Estas fuentes de Perplexity no establecen una regla de cinco elementos para ChatGPT. Al investigar para el trabajo, sigue los requisitos de tu organización sobre el intercambio de datos, en lugar de considerar que el acceso a un modelo te autoriza a enviar información.

En tu próxima sesión de investigación

Elige primero el encargo y después la configuración del modelo. Toma una pregunta recurrente de tu trabajo, define qué pruebas debe incluir una respuesta útil y empieza con Search en Best. Utiliza una alternativa disponible o Thinking si la explicación necesita mejorar; elige Research si la tarea exige un informe completo. Antes de compartir el resultado, comprueba las fuentes de respaldo y registra la atribución del modelo que revele la interfaz.

Suscríbete al boletín para recibir guías prácticas sobre cómo utilizar la IA en tu trabajo.