Perplexity vs OpenAI o3 2026: AI-поиск против reasoning-модели

Открываете обзор, чтобы выбрать «между этими двумя» — и первые пять минут чтения уходят на понимание, что оба сервиса вообще-то не конкуренты. Разбираемся, что именно мы кладём на чашу весов.

В классификации категории text-ai на AIRatings оба сервиса относятся к подгруппе «Specialized assistants», но к разным её ветвям. Perplexity — это AI answer engine: собственная модель Sonar Pro (тюнинг на базе Llama, заточенный под поисковые запросы), собственный поисковый индекс PerplexityIndex с обновлением десятки раз в день для топ-новостей, RAG-инфраструктура поверх Postgres и векторных баз. OpenAI o3 — флагман reasoning-линии OpenAI, семейство из четырёх моделей (o3, o3-mini, o3-pro, o4-mini), обученное через reinforcement learning «думать перед ответом» цепочкой chain-of-thought.

Из этого следует главное: продукт у каждого свой. У Perplexity — собственный UI с цитированием, Spaces, Pages, Comet Browser, Perplexity Labs. У o3 — никакого собственного UI нет в принципе, доступ только через ChatGPT-чат и OpenAI API; собственного веб-приложения у o-серии не существует. CEO Aravind Srinivas позиционирует Perplexity как «AI-первый поисковик», открыто противопоставляющий себя Google. OpenAI продвигает o-серию как параллельную ветку к основной GPT-линейке — «models that think before they speak».

Перевод на язык юзкейсов: задача «найди мне свежие данные по выручке банков в Q1 2026 со ссылками» — это Perplexity и только Perplexity, o3 без подключённого поиска просто не имеет доступа к свежим источникам. Задача «реши вот эту систему дифференциальных уравнений и покажи каждый шаг» — это o3 в high effort, Perplexity на ту же задачу либо переключится на ту же o3 под капотом (если у вас Pro), либо ответит хуже на Sonar Pro.

Раннее утро, дедлайн через четыре часа, в руках задача со вступительного экзамена в аспирантуру по физике. Один сервис вернёт развёрнутую цепочку рассуждений за полторы минуты, второй — потратит десяток секунд и сошлётся на учебник Иродова. Угадать кто — несложно.

Здесь у o3 объективное и измеримое преимущество, причём не на проценты, а в разы. По данным Wikipedia EN на статью OpenAI_o3 (проверено 2026-05-12) и официальных тех-репортов OpenAI, базовая модель o3 на reasoning-бенчмарках показывает: 87,7% на GPQA Diamond (PhD-уровень научных вопросов), 2727 Codeforces Elo в режиме competitive programming, 71,7% на SWE-bench Verified (реальные GitHub-задачи). У o3-mini в high-effort режиме — 87,3% на AIME 2024 и 2130 Codeforces Elo. На ARC-AGI o3 показал, по данным Wikipedia, «three times the accuracy of o1» — формулировка осторожная, потому что в community есть споры о возможном fine-tuning на ARC-задачах, но даже скептики признают качественный рост.

У Perplexity собственной reasoning-модели уровня o3 нет. Sonar Pro — это тюнинг на базе Llama, оптимизированный под извлечение фактов из веба, а не под длинные цепочки рассуждений. На том же типе задач Sonar Pro и Sonar Reasoning слабее. Хитрость в том, что Pro-подписчики Perplexity могут переключить модель под капотом и выбрать ту же o3, Claude Opus 4.7 или DeepSeek R1 — формально получая доступ к reasoning. Но: с лимитами Perplexity на reasoning-режим (Pro даёт ~600 Pro-поисков в день, но точный лимит именно reasoning-моделей в документации не зафиксирован) и без тех настроек effort levels, которые доступны в OpenAI API напрямую.

Стоит сразу проговорить честно: на ту же o3, доступную внутри Perplexity, лимиты и стоимость другие. В ChatGPT Plus за $20/мес o3 идёт с лимитом сообщений (точные числа OpenAI периодически меняет; на 2026-05 в Plus, по dossier и публичным заявлениям, лимит на o3 был выражен как фиксированное число сообщений за период). В ChatGPT Pro за $200/мес лимит на o3 фактически снимается, добавляется o3-pro и неограниченный GPT-5.4 Thinking. У Perplexity Pro за $20/мес лимит выражен в количестве Pro-поисков в день (~600), и эти поиски можно тратить на o3 в равной степени с другими моделями.

В нашей редакции мы держим обе подписки и используем их по-разному. Для проверки финансовых моделей и многошаговых выкладок берём o3 в high effort напрямую через ChatGPT — потому что результат стабильнее, и есть честный effort level. Для гибридной задачи «найди мне три pre-print статьи по теме X и сравни их выводы» — Perplexity с переключением модели на o3, потому что нужен не только reasoning, но и поиск.

Журналист в редакции пишет материал о судебных делах против AI-стартапов — нужны 5 источников с разными датами, желательно с прямыми ссылками на иски. От времени поиска зависит, успеет ли он сдать текст к вечернему дедлайну.

Это поле игры Perplexity. Поиск с цитированием каждого факта — главная фича сервиса с момента запуска в декабре 2022, и за три с лишним года Perplexity отшлифовал её до уровня, на котором продукт спокойно используют журналисты NYT, Bloomberg и Wired. Архитектура: собственный индекс PerplexityIndex обновляется десятки раз в день для топ-новостей, RAG-слой соединяет результаты поиска с выбранной моделью под капотом, в финальном ответе каждый факт идёт inline-ссылкой на конкретную веб-страницу. Focus Modes позволяют ограничить источники: только Academic (peer-reviewed), только Reddit, только YouTube, Wolfram|Alpha, Writing, Math.

У o3 поисковой инфраструктуры нет в принципе. Это рассуждающая модель, и web-доступ к ней приходит через tool use в ChatGPT-чате (например, web search как опциональный инструмент) или через function calling в API. По публичным данным Wikipedia и dossier OpenAI o3, нативного цитирования источников в стиле Perplexity у o3 не предусмотрено: ответ модели — это её рассуждение, ссылки появляются только если внешний tool вернул их в составе результата. Качество и свежесть зависят от того, какой web-tool подключили — у самой o3 «своего интернета» нет.

Есть честное замечание про репутационные риски Perplexity. Летом 2024 Forbes и Wired обвинили сервис в обходе robots.txt при индексации (Wired — статья «Perplexity Is a Bullshit Machine»), в октябре 2024 Dow Jones / News Corp подали иск за нарушение авторских прав. В 2024-2025 Perplexity тестировал sponsored answers в ответах. Эти истории остаются на репутационном фоне; для пользователя в большинстве задач они не блокер, но иметь в виду их стоит.

В нашей редакции мы используем Perplexity как первый инструмент любой ресёрч-задачи. Типичная разница в скорости: подготовить раздел «индустрия за 2025» с 8 ссылками в Perplexity Pro — 12 минут, ту же задачу через o3 + ручной google + копипаст ссылок — около часа.

Российский маркетолог пишет лендинг для b2b-сервиса. Часть текста — на английском (исходник от иностранного клиента), часть — на русском (для русскоязычной аудитории). Нужно не только перевести, но и сохранить стилистику. Оба сервиса в этой задаче «не дома», но один — ближе.

По dossier обоих сервисов уровень русского у них примерно одинаковый и оценивается в 7/10. У Perplexity качество русского зависит от модели, выбранной под капотом: на Claude Opus 4.7 и GPT-5.4 — ровно такое, какое выдают сами эти модели; на Sonar Pro — несколько слабее. Поиск работает по русскоязычным источникам, но менее глубоко, чем «Нейро» Яндекса (Perplexity ориентирован на глобальный веб, а не на рунет). У o3 русский — наследие GPT-4 базы: 95+ языков, включая русский, прилично работает на reasoning-задачах, но русский — не приоритет в RL-обучении OpenAI, отдельных бенчмарков на русском у o3/o4-mini официально не публикуется (зафиксированный data gap в dossier).

На наших задачах: для ответа на русский запрос с цитатами по русским источникам — Perplexity лучше, потому что параллельно с переводом задействует именно русскоязычный поиск. Для перевода технического английского текста на русский с сохранением терминологии — обе модели справляются на 7/10, разница не в свою пользу, но и не критическая.

Отдельная история: reasoning на русском у o3 работает прилично — задача «реши олимпиадную задачу с русскоязычной формулировкой» обрабатывается корректно, ошибки скорее в самой математике, чем в понимании условия. У Perplexity та же reasoning-задача на русском пойдёт лучше, если переключить модель на o3 или Claude — на Sonar Pro качество падает заметно.

Ни один из этих сервисов не лидер по русскому в категории. Если основная аудитория ваших материалов — российская, ваш базовый ассистент по русскому языку — это YandexGPT или GigaChat (см. общий обзор категории text-ai для калибровки). Perplexity и o3 — это уже англоязычные специалисты с приличным русским «довеском».

Юрист загружает 180-страничный договор и просит «найди противоречия между разделом 3.4 и приложением 7». От размера контекстного окна и качества работы с PDF/DOCX зависит, сможете ли вы вообще получить осмысленный ответ — или придётся резать документ на куски руками.

В этой подтеме лидерство Perplexity — но не за счёт собственной модели, а за счёт продуктового обёртывания. По dossier, размер контекстного окна в Perplexity зависит от выбранной базовой модели: до 1M токенов на Claude Opus 4.7 и Gemini 3 Pro, 128–272K на GPT-5.4, 128K на собственной Sonar Pro. В Pro-тарифе ещё работает file upload (PDF, DOCX, CSV) — можно загрузить документ и задать вопросы по содержимому, не вырезая руками куски.

У o3 ситуация менее прозрачная. В dossier зафиксирован data gap: точный context window для o3 и o4-mini в API публично детально не задокументирован в Wikipedia; через ChatGPT работают лимиты тарифа (для Plus / Pro в ChatGPT — 128K). Через API точные цифры публикуются на platform.openai.com (по данным dossier, WebFetch при попытке вернул 403, точные цифры требуют ручной проверки). На сегодня уверенное утверждение: у o3 контекст не «больше», чем у Perplexity при выборе Claude или Gemini под капотом, и работа с файлами — через ChatGPT-инструменты, не как самостоятельная feature модели.

На практике с 180-страничным договором: Perplexity Pro принимает файл целиком и работает с ним через выбранную модель — у нас в редакции типичный сценарий выглядит как «загрузил, переключил модель на Claude Opus 4.7, задал вопрос по разделам». Если переключить на Sonar Pro, на договоре в 180 страниц вы упрётесь в 128K — и Sonar начнёт работать по фрагментам, что для юридического анализа неприемлемо. У o3 через ChatGPT-чат тоже доступно прикрепление файлов, но «потолок» в 128K на Plus/Pro в чате — это тот же лимит, и для очень длинных документов нужно дробить.

Отдельный нюанс: качество работы с длинным контекстом. По данным категорийного файла text-ai, реальная точность падает на 200K–800K у большинства моделей даже при заявленном 1M. Claude Opus 4.7 показывает 78,3% MRCR v2 на 1M — рекорд среди frontier-моделей; через Perplexity с выбором Claude вы получаете этот результат. У o3 публичных бенчмарков MRCR / Needle-in-Haystack для длинного контекста в Wikipedia на 2026-05 не зафиксировано (это отдельная история, что общая «гонка контекста» — это OpenAI / Anthropic / Google, а o-серия в этой гонке не флагман).

Файловые форматы: Perplexity нативно принимает PDF, DOCX, CSV; ChatGPT (и через него o3) — те же PDF, DOCX, плюс изображения; разница на уровне ноля. Для CSV-аналитики в обоих сервисах удобнее работать через свой Python-инструмент (code interpreter в ChatGPT, Perplexity Labs).

Маркетолог-аналитик собирает презентацию: нужен анализ скриншота дашборда, генерация трёх вариантов hero-картинки и голосовой комментарий. Сможет ли один сервис закрыть всю задачу — зависит от того, насколько он «мультимодальный».

У Perplexity мультимодальный стек шире, и это нетипичная сильная сторона для сервиса, чьё ядро — поиск. По dossier: на вход — текст и изображения (Pro+); на выход — генерация изображений с выбором движка (FLUX 1.1 Pro, DALL-E 3, Imagen 4, Stable Diffusion); поддержка документов (PDF, DOCX, CSV); голосовой режим в мобильных приложениях. Уникальная фича — выбор движка картинки: ни один из крупных конкурентов не даёт пользователю на одной подписке переключаться между четырьмя разными моделями генерации.

У o3 мультимодальность сужена до того, что есть в самой модели. По Wikipedia и dossier: o3 поддерживает текст + vision (изображения на вход — например, разбор математической диаграммы); o3-mini — текст-only; o4-mini — текст-only, vision-поддержка появилась позднее, на 2026-05 точный статус с data gap; генерации изображений у o3 нет (это GPT-5.4 + DALL-E в ChatGPT, отдельная история); голосового режима у o-серии нет (Voice Mode — это ChatGPT-фича, идёт мимо o-моделей).

На задаче маркетолога-аналитика из вступления: Perplexity покрывает дашборд → vision-анализ, генерацию картинок → выбор FLUX или Imagen 4, частично голос (mobile-комментарий). На o3 та же задача потребует комбинации: o3 для разбора скриншота, отдельно DALL-E через ChatGPT для картинки, отдельный TTS-сервис для голоса. Для одного интерфейса Perplexity заметно удобнее.

Честное замечание: качество голосового режима в Perplexity, по dossier, заметно уступает ChatGPT Voice и Gemini Live. Так что если голос — главное в сценарии, эти два сервиса не лидеры в категории; смотрите ChatGPT или Gemini Live в общем обзоре text-ai.

Подсчитайте, во что обойдётся год работы со сложными задачами reasoning плюс ресёрчем со ссылками. Цифры заметно разные — и не там, где их ждёшь.

Если смотреть только на маркетинговые $20/мес, цены кажутся одинаковыми. На деле — нет. Perplexity Pro: $20/мес или $200/год при оплате годом (~$17/мес). Что входит в Pro по dossier: около 600 Pro-поисков в день, выбор модели (GPT-5.4, Claude Opus 4.7, Gemini 3 Pro, Grok 4, Sonar Pro), file upload, Spaces, Pages, генерация картинок с выбором движка, Perplexity Labs, Deep Research, Comet Browser. Один тариф, всё включено.

У OpenAI o3 ситуация двухуровневая. ChatGPT Plus за $20/мес даёт доступ к o3 и o4-mini в чате, но с лимитами на сложные модели (точные числа сообщений за период меняются OpenAI). Для регулярной работы с o3 на максимальной нагрузке нужен ChatGPT Pro за $200/мес — он добавляет o3-pro, 20-кратный лимит, 250 Deep Research runs/мес и неограниченный GPT-5.4 Thinking. То есть для «честного использования флагмана» цена внезапно становится в десять раз выше.

Образовательная скидка: студентам с .edu адресом в США/UK Perplexity даёт Pro бесплатно (промо-программа Perplexity для университетов). У OpenAI прямой бесплатной программы такого масштаба нет; ChatGPT Free даёт ограниченный GPT-5.3 Instant, доступ к o-серии на Free обычно отсутствует или с минимальными лимитами (точные лимиты — data gap в dossier o3).

Перевод в рубли по курсу ЦБ на дату обзора имеет смысл считать аккуратно из-за колебаний; в годовой стоимости различие между $200 и $2 400 — это разница порядка 200 000 ₽ за год при среднем курсе. Для частного пользователя, который reasoning использует не каждый день, это решающий аргумент.

Хотите попробовать сервис, прежде чем платить. Один из них даёт реально полезный free-уровень. Второй — формально free есть, но к флагману вас на него не пустят.

У Perplexity Free, по dossier, доступны: неограниченные быстрые поиски (Quick Search на Sonar Lite), 5 Pro-поисков в сутки с выбором модели (GPT-5.4, Claude Opus 4.7, Gemini 3 Pro, Grok 4, DeepSeek R1), базовый чат, цитирование источников, доступ к Discover (лента AI-сгенерированных новостей). Чего нет: Threads с долгой памятью, неограниченные Pro-поиски, file upload, Spaces, Labs, Comet Browser.

У o3 — формально через ChatGPT Free доступа практически нет. По dossier, на ChatGPT Free идёт GPT-5.3 Instant с лимитами; o-серия «обычно недоступна на Free, или с очень малыми лимитами» (точные лимиты — data gap, OpenAI меняет их без анонса). На практике это значит: попробовать o3 без оплаты — нельзя. Доступ начинается с ChatGPT Plus за $20/мес.

На наш редакционный опыт: Perplexity Free — один из самых полезных free-тарифов в категории. Студент / журналист / маркетолог реально может закрывать ежедневные задачи на 5 Pro-поисков, особенно если разумно тратить лимит на ключевые запросы. Free на ChatGPT для попытки изучить именно reasoning-возможности o3 — практически бесполезен; вам сразу скажут «доступно в Plus».

Разработчик строит research-приложение: пользователь задаёт вопрос, приложение возвращает ответ с пруфлинками. Или — наоборот — внутренний инструмент финансовой аналитики с многошаговыми расчётами. Выбор API критичен для экономики проекта.

Sonar API у Perplexity — отдельный продукт со своей ценностью. По dossier (docs.perplexity.ai/api-reference/pricing): Sonar Lite $0,20 input / $0,20 output за 1M токенов, Sonar Pro $1 input / $1 output за 1M токенов плюс $5 за 1000 поисков, Sonar Reasoning $1 input / $5 output за 1M. Главная фича API: возвращает не только текст ответа, но и список источников (URL + сниппеты) — то есть RAG-инфраструктура уже встроена, разработчику не нужно её собирать самому.

У OpenAI o3 API через platform.openai.com — это OpenAI-совместимый интерфейс с function calling, structured outputs, tool use, vision (для o3). По dossier зафиксирован data gap: точная актуальная API-цена на 2026-05-12 не подтверждена публичным первоисточником (WebFetch на platform.openai.com и openai.com вернули 403); ориентировочно по публикациям 2025 года o3 — примерно $10 input / $40 output за 1M токенов, o4-mini — существенно дешевле, o3-pro — премиум-цена.

Что это значит для экономики: для research-pipeline, где на каждый запрос модель выдаёт 2 000 токенов с тремя поисковыми итерациями, на Sonar Pro стоимость одного ответа составит примерно $0,015 + $0,015 (3 поиска по $0,005). На o3 тот же ответ при 2 000 output-токенов — $0,08 за output, плюс невидимые reasoning-токены, которые тоже считаются как output и часто превышают видимый ответ в несколько раз. Разница — порядок.

Когда о3 всё равно стоит брать через API: если вам нужно именно качество reasoning, а не поиск. На задачах SWE-bench-сложности, олимпиадной математики, многошагового научного анализа Sonar Reasoning ощутимо слабее, и попытка экономить здесь будет ложной экономией — пользователь не получит нужного результата ни за какие деньги. Function calling и structured outputs у OpenAI API — зрелые, документация на platform.openai.com — детальная (хоть и временами недоступна через автоматический WebFetch).

Российский пользователь сравнивает два сервиса: оба выглядят как глобальные, но фактическая доступность из РФ — отдельный фильтр, без которого обзор для нашей аудитории бесполезен.

По dossier Perplexity, статус следующий: прямой доступ без VPN — условно (Perplexity не блокирует RU IP активно, в отличие от ChatGPT/Claude/Gemini), но иногда могут быть проблемы с авторизацией; оплата российскими картами — нет (Stripe + Apple Pay / Google Pay не принимают RU-карты для Pro-подписки); обходные способы — VPN + зарубежная карта, виртуальные карты (UnionPay), посредники-реселлеры; интерфейс на русском есть, поддержка только на английском, юридического присутствия в РФ нет; 152-ФЗ не соответствует, серверы за пределами РФ.

По dossier OpenAI o3 ситуация жёстче: прямой доступ без VPN — нет (наследует блокировку OpenAI по IP, см. dossier chatgpt.md §7); оплата российскими картами — нет, используются серые схемы (зарубежные карты, посредники типа ProxyAPI, iTunes-карты для мобильной подписки); локализация — наследует ChatGPT (русский интерфейс есть, поддержка только на английском); 152-ФЗ не соответствует, обработка ПДн на серверах OpenAI за пределами РФ.

На практике для российского пользователя оба сервиса требуют одинакового набора костылей: VPN, зарубежная карта (или виртуальная UnionPay), для API — посредники. Разница в том, что для веба Perplexity иногда «прощает» отсутствие VPN — авторизация может пройти и с российского IP, особенно если аккаунт зарегистрирован заранее. У ChatGPT (и через него — у o3) такой возможности нет, IP-блокировка работает достаточно стабильно.

Отдельная история — российский B2B. Ни Perplexity, ни o3 не соответствуют 152-ФЗ; обрабатывать персональные данные российских граждан через эти сервисы в банке, страховой, медицинской компании — нарушение закона, даже через VPN. Для такого сценария в категории text-ai остаются GigaChat и YandexGPT.

Чат с быстрым ответом, autocomplete для кода, диалог в реальном времени — везде важна не только точность, но и латентность. На этой оси два сервиса разнесены по двум разным философиям.

Скорость у Perplexity варьируется по типу поиска. Quick Search на Sonar Lite — секунды до ответа, типичный сценарий «спросил про новости — через 3-5 секунд получил саммари с источниками». Pro Search — средняя скорость 5–15 секунд, потому что выполняется несколько поисковых итераций и сборка ответа на выбранной модели. Deep Research — это уже минуты, полноценное многошаговое исследование с десятками источников.

У o3 модель медленная по дизайну. По dossier: o3 и o3-pro — типичный response — десятки секунд до минут на сложной задаче, потому что модель «думает» цепочкой chain-of-thought до выдачи видимого ответа. o3-mini быстрее, но всё ещё в reasoning-режиме. o4-mini оптимизирована на скорость и стоимость. TTFT для reasoning-моделей неинформативна — модель не сразу начинает выдавать токены ответа, потому что сначала «думает».

Главный практический вывод: o3 не подходит для interactive use cases. Если вам нужен ассистент для быстрого разговора, чат-бот, autocomplete для кода — берите не reasoning-модель, а GPT-5.3 Instant, Sonnet 4.6 или Sonar Lite через Perplexity. По dossier o3 это явно проговорено: «не подходят для interactive use cases (чат с быстрым ответом, autocomplete для кода)».

В обратную сторону: если задача требует именно «подумать минуту», скорость Perplexity на Sonar Pro окажется ложной экономией — ответ за 7 секунд, но без глубины, нужной задаче. Здесь o3 в high effort, который тратит минуту на размышления, выдаст более точный результат — и это компромисс по дизайну, а не баг.

Иногда выбор сервиса определяется одной фичей, которой нет ни у кого больше. У этих двух — таких фич целая обойма, и они в разных категориях.

У Perplexity главных уникальных фич шесть, и все живые в продукте на 2026-05. Pro Search с inline-цитированием: каждый факт ответа — это ссылка на конкретную веб-страницу, на момент 2026 это уровень глубже, чем у Gemini AI Overviews и ChatGPT Search. Выбор LLM под капотом: одна подписка $20/мес даёт доступ к GPT-5.4, Claude Opus 4.7, Gemini 3 Pro, Grok 4, DeepSeek R1 и собственному Sonar Pro — можно сравнить ответы разных моделей на один и тот же запрос. Comet Browser: на 2026-05 единственный AI-первый браузер с агентом, который может выполнять действия (бронировать, искать, заполнять формы) от лица пользователя. Perplexity Labs: комплексная генерация артефактов с кодом и графиками — дашборды, мини-приложения, презентации, отчёты с встроенным кодом, никто из конкурентов аналогично «из коробки» не делает. Focus Modes: фильтрация источников по типу (Academic, Reddit, YouTube, Wolfram|Alpha, Writing, Math) — killer feature для академического и нишевого поиска. Pages: можно опубликовать AI-сгенерированный отчёт как веб-страницу с уникальным URL — удобно для команд и клиентов.

У OpenAI o3 уникальное — это, по сути, его технологическое лидерство в reasoning. Рекордные бенчмарки: 87,7% GPQA Diamond, 2727 Codeforces Elo, 71,7% SWE-bench Verified — на момент релиза и до конкретных конкурентных шагов в линиях Claude и Gemini, это лучшие публично доступные результаты. ARC-AGI breakthrough: o3 показал «three times the accuracy of o1» на бенчмарке, ранее считавшемся непосильным для LLM (есть оговорка про споры в community о возможном fine-tuning на ARC-задачах, см. dossier §9). Tunable effort levels (low / medium / high): пользователь / разработчик может выбрать глубину thinking — баланс скорость vs качество, контроль которого в других reasoning-моделях зачастую неявный. Vision в reasoning: o3 — одна из немногих reasoning-моделей с нативной поддержкой изображений на вход (анализ математических диаграмм, схем, графиков с многошаговыми выкладками); это важно, потому что у DeepSeek R1 такого нет, у Grok Think — ограниченно.

Разница в подходах фундаментальная. Perplexity строит «продукт вокруг моделей» — выбирает лучшие LLM в индустрии и обёртывает их собственной инфраструктурой поиска, цитирования, агентов, публикации. o3 — это «модель сама по себе» — никакого собственного UI, никакого продуктового слоя, чистая reasoning-машина, которую другие сервисы (Perplexity в том числе) кладут в свой стек.

Список конкретных задач, на которых Perplexity объективно лучше — не «удобнее по вкусу», а измеримо быстрее или точнее.

1. Журналист пишет материал с цитированием источников. Задача: за пять часов до дедлайна собрать материал «иски против AI-стартапов в 2024-2025» с прямыми ссылками на конкретные иски. На Perplexity Pro с Focus Mode и переключением модели на Claude — типичная сборка за 15-20 минут с 6-8 пруфлинками. На o3 та же задача требует подключения внешнего web-tool и ручной верификации каждой ссылки, на круг — около часа.

2. Студент-аспирант ищет peer-reviewed статьи. Focus Mode Academic в Perplexity фильтрует выдачу только по научным источникам — Google Scholar, arXiv, PubMed. У o3 нативного фильтра по «только peer-reviewed» нет, web-tool возвращает всё подряд.

3. Маркетолог делает конкурентную разведку. «Сравни ценовые модели десяти SaaS-компаний в нашей нише за 2025» — это про сбор данных с пруфами, не про reasoning. Perplexity выдаёт таблицу со ссылками. o3 без поиска ответит из общего знания (которое может быть устаревшим), с поиском — медленнее и без встроенного цитирования.

4. SEO-специалист анализирует тренды. Real-time индекс Perplexity обновляется десятки раз в день для топ-новостей; новости и события появляются в ответах за часы, не дни. Для отслеживания трендов это критично.

Ниже — четыре конкретных задачи, где разница в подходе превращается в разницу во времени или в наличии пруфов.

Общий знаменатель этих задач — нужен не «подумать», а «найти, процитировать, проверить». В таком профиле Perplexity закрывает 80-90% работы без дополнительных шагов и инструментов.

Список задач, где o3 не просто лучше — где Perplexity (даже с переключением модели под капотом) даёт ощутимо более слабый результат, потому что нужен прямой контроль над reasoning-режимом.

1. Олимпиадная математика. Задача: решить вступительный экзамен в физмат-аспирантуру с многошаговыми выкладками. o3 в high effort, 87,7% GPQA Diamond и 87,3% AIME 2024 у o3-mini high — это уровень доступного флагмана. На Perplexity с Sonar Reasoning та же задача даст слабее результат; с переключением на o3 — окей, но через чужой UI и с поисковым контекстом, что иногда мешает.

2. Реальные GitHub-задачи SWE-bench-сложности. 71,7% SWE-bench Verified у o3 — это уровень, когда модель реально решает большие баги и рефакторинги. На Sonar Pro / Sonar Reasoning такого качества кода нет; на Sonar Pro с переключением на o3 — то же что прямой o3, но опять же через UI Perplexity.

3. Финансовый аналитик с многошаговым reasoning. «Постройте DCF-модель для трёх сценариев, объясните каждый шаг» — это thinking-задача, не поисковая. o3 в effort high даёт развёрнутую цепочку выкладок с явной структурой; Perplexity на Sonar Reasoning часто перепрыгивает шаги, потому что заточен на сжатые ответы для веба.

4. Учёный проверяет научную гипотезу. Многошаговая проверка с цепочкой допущений и оценкой их валидности — это reasoning, а не поиск. o3 в high effort может потратить минуту, но выдаст более стройную аргументацию.

Те же четыре задачи в зеркальном разрезе — где Perplexity (даже с переключением модели) проигрывает прямому доступу к o3.

Общий знаменатель — нужен контроль над reasoning-effort и предсказуемое поведение thinking-режима. Поисковая обёртка Perplexity на этих задачах добавляет шум, а не помогает.

Четыре типичных профиля читателей AIRatings — кому какой сервис, или их комбинация, и почему. Не «в среднем по больнице», а адресно.

Журналист крупного медиа, тематика — техно-индустрия. Основная задача — ресёрч с пруфами, fact-check, real-time мониторинг новостей. Ответ: Perplexity Pro за $200/год, ChatGPT Plus факультативно для разовых задач, где нужен длинный нарратив без поиска.

Аспирант, специальность — теоретическая физика. Основная задача — проверка выкладок, помощь в reasoning, иногда — поиск статей. Ответ: ChatGPT Plus за $20/мес ради доступа к o3, Perplexity Free для поиска статей с Focus Mode Academic (бесплатно через .edu для студентов в США/UK; в РФ обычная подписка $20/мес).

Маркетолог-аналитик в SaaS-компании. Конкурентная разведка, анализ трендов, иногда — генерация креатива и картинок. Ответ: Perplexity Pro закрывает 90% задач (поиск + Labs + генерация картинок с выбором движка); o3 не нужен.

Разработчик research-приложений. Строит продукт, где конечный пользователь задаёт вопрос и получает ответ с пруфами. Ответ: Sonar API от Perplexity для production-pipeline (источники встроены, экономика лучше), для нишевых reasoning-фич можно подключить o3 API как отдельный вызов.

Четыре читателя AIRatings из разных профессий — и адресный ответ для каждого. На графике ниже — как распределяются рекомендации.

Видно, что в трёх профилях основа стека — Perplexity, и только аспиранту-физику ядро нужно строить вокруг o3. Это отражает рынок: ресёрч с пруфами — массовый сценарий, чистый reasoning — нишевой.