AI Business Weekly의 독립적 평가에 따르면 **전체 사실 정확도는 94%**이며, 질문 유형에 따라 정확도가 달라졌습니다 :

• 과학 연구 질문: 97.2%
• 학술 콘텐츠: 95%
• 기술 문서: 94%
• 일반 사실 질문: 94%

업무 관련 질문(정책 분석, 기술 문제 해결, 기업 연구 등)에 초점을 맞춘 전문 벤치마크 테스트에서 Perplexity는 92%의 사실 정확도를 기록하며, 동일 테스트에서 87%를 기록한 ChatGPT를 앞질렀습니다 .

Perplexity 자체 DRACO 벤치마크(2026년 6월)에 따르면 Deep Research 모델은 Google DeepMind의 DeepSearchQA, Scale AI의 ResearchRubrics를 포함한 외부 벤치마크에서 최고 수준의 결과를 달성했습니다 .

뉴스의 문제: 속보에서 35% 오류율

벤치마크 점수가 이야기하는 것과 실제 뉴스 정확도는 다릅니다. 2025년 9월 NewsGuard의 감사 결과, AI 챗봇이 2025년 8월에 허위 뉴스 주장을 35%의 확률로 반복한 것으로 나타났습니다. 이는 전년도 18%에서 크게 증가한 수치입니다 . Perplexity는 테스트된 주요 챗봇 중 가장 큰 성능 하락을 보였습니다. 2024년 NewsGuard 테스트에서 Perplexity는 완벽한 성공률을 기록했지만, 2025년 감사에서는 거의 절반 가까운 시도에서 정답을 제공하지 못했습니다 .

독립적인 신뢰도 추적 기관인 TruthSignal은 @AskPerplexity의 평균 신뢰도를 **65%**로 평가하며, '일반 질문과 탐색적 연구에 유용한 도구'라고 언급했지만, '팩트체크나 민감한 주제에 대한 신뢰성은 논쟁의 여지가 있다'고 지적했습니다 .

벤치마크 점수와 실제 성능 간의 이러한 격차는 중요합니다. 벤치마크는 정적이고 잘 정립된 사실을 테스트합니다. 반면, 속보는 빠르게 변화하는 내러티브, 상충되는 출처, 아직 공식적이지 않은 정보를 다루며, 이는 AI 검색 도구가 가장 어려움을 겪는 조건입니다.

인용 정확도: 경쟁사보다 낫지만, 여전히 완벽하지 않음

Perplexity의 핵심 가치 제안은 인용(citation)입니다. 모든 답변에는 번호가 매겨진 출처가 연결되어 있습니다. 하지만 이 인용 자체는 얼마나 신뢰할 수 있을까요?

2026년 2월부터 3월까지 진행된 실제 사용 테스트에서 한 리뷰어는 847개의 Pro Search 질문 중 200개의 인용을 무작위 점검했고, 78%가 정확한 것으로 확인되었습니다 . 즉, 약 5개 중 1개의 인용은 주장을 뒷받침하지 않는 출처로 연결되었습니다.

다른 리뷰어들은 인용 품질이 매우 다양하다고 지적합니다. 블로그 게시물이나 권위가 덜한 출처가 학술 논문이나 공식 문서와 함께 인용되기도 합니다 . 일부 인용은 실제로 존재하지 않거나 관련 없는 페이지로 연결되는 '환각(hallucination)' 현상을 보이기도 합니다 .

특히 학술 연구와 관련하여 Tow Center 연구에 따르면 Perplexity는 테스트된 AI 검색 엔진 중 잘못된 인용 비율이 가장 낮았지만, 여전히 약 37%의 경우에서 잘못된 답변을 제공했습니다. 즉, 세 번 출력 중 한 번 이상이 오류나 잘못된 출처 인용을 포함하고 있었습니다 .

Perplexity가 강한 분야와 약한 분야

독립적인 리뷰들은 Perplexity의 강점과 약점에 대해 일관된 의견을 보여줍니다 :

가장 강력한 분야:

• 출처가 명확한 사실 기반의 최신 질문
• 뉴스 및 트렌드와 같이 시간에 민감한 주제
• 기술, 과학, 역사 등 구조화된 주제에 대한 빠른 정의
• 검증 가능한 출처를 활용한 연구
• 출처 발견 및 종합

가장 취약한 분야:

• 깊은 추론 및 복잡한 다단계 분석
• 웹에 정보가 널리 퍼져 있지 않은 특수 학술 주제
• 속보 검증 (특히 정보가 급변하는 상황)
• 창의적이거나 긴 형식의 글쓰기
• 출처 품질이 매우 중요한 민감한 주장

결론: 단일 정확도 수치는 존재하지 않는다

온라인에서 '95%'와 같은 수치가 자주 인용되지만, Perplexity는 모든 답변 유형을 포괄하는 보편적이고 독립적으로 감사된 평가를 발표한 적이 없습니다 . 측정된 성능은 벤치마크, 제품 모드, 선택된 언어 모델, 정보 출처, 질문 유형, 그리고 정확도가 정의되는 방식에 따라 달라집니다 .

모든 데이터를 종합한 가장 유용한 요약은 다음과 같습니다: 검증 가능한 출처를 활용한 일반적인 사실 연구, 특히 최신 이슈, 과학, 기술, 구조화된 주제에 있어 Perplexity는 가장 신뢰할 수 있는 AI 도구 중 하나입니다. 인용 모델은 정보를 확인하는 방식을 근본적으로 변화시켰으며, 벤치마크 점수도 확실히 강력합니다. 하지만 뉴스, 민감한 주장, 학술 작업의 경우, 그 결과물을 최종 답변이 아닌 출발점으로 간주해야 합니다. 정보가 빠르게 변화하거나 중요도가 높은 경우, 중요한 사실은 수동으로 직접 확인하십시오.

AI Business Weekly의 독립적 평가에 따르면 **전체 사실 정확도는 94%**이며, 질문 유형에 따라 정확도가 달라졌습니다 :

• 과학 연구 질문: 97.2%
• 학술 콘텐츠: 95%
• 기술 문서: 94%
• 일반 사실 질문: 94%

업무 관련 질문(정책 분석, 기술 문제 해결, 기업 연구 등)에 초점을 맞춘 전문 벤치마크 테스트에서 Perplexity는 92%의 사실 정확도를 기록하며, 동일 테스트에서 87%를 기록한 ChatGPT를 앞질렀습니다 .

Perplexity 자체 DRACO 벤치마크(2026년 6월)에 따르면 Deep Research 모델은 Google DeepMind의 DeepSearchQA, Scale AI의 ResearchRubrics를 포함한 외부 벤치마크에서 최고 수준의 결과를 달성했습니다 .

뉴스의 문제: 속보에서 35% 오류율

벤치마크 점수가 이야기하는 것과 실제 뉴스 정확도는 다릅니다. 2025년 9월 NewsGuard의 감사 결과, AI 챗봇이 2025년 8월에 허위 뉴스 주장을 35%의 확률로 반복한 것으로 나타났습니다. 이는 전년도 18%에서 크게 증가한 수치입니다 . Perplexity는 테스트된 주요 챗봇 중 가장 큰 성능 하락을 보였습니다. 2024년 NewsGuard 테스트에서 Perplexity는 완벽한 성공률을 기록했지만, 2025년 감사에서는 거의 절반 가까운 시도에서 정답을 제공하지 못했습니다 .

독립적인 신뢰도 추적 기관인 TruthSignal은 @AskPerplexity의 평균 신뢰도를 **65%**로 평가하며, '일반 질문과 탐색적 연구에 유용한 도구'라고 언급했지만, '팩트체크나 민감한 주제에 대한 신뢰성은 논쟁의 여지가 있다'고 지적했습니다 .

벤치마크 점수와 실제 성능 간의 이러한 격차는 중요합니다. 벤치마크는 정적이고 잘 정립된 사실을 테스트합니다. 반면, 속보는 빠르게 변화하는 내러티브, 상충되는 출처, 아직 공식적이지 않은 정보를 다루며, 이는 AI 검색 도구가 가장 어려움을 겪는 조건입니다.

인용 정확도: 경쟁사보다 낫지만, 여전히 완벽하지 않음

Perplexity의 핵심 가치 제안은 인용(citation)입니다. 모든 답변에는 번호가 매겨진 출처가 연결되어 있습니다. 하지만 이 인용 자체는 얼마나 신뢰할 수 있을까요?

2026년 2월부터 3월까지 진행된 실제 사용 테스트에서 한 리뷰어는 847개의 Pro Search 질문 중 200개의 인용을 무작위 점검했고, 78%가 정확한 것으로 확인되었습니다 . 즉, 약 5개 중 1개의 인용은 주장을 뒷받침하지 않는 출처로 연결되었습니다.

다른 리뷰어들은 인용 품질이 매우 다양하다고 지적합니다. 블로그 게시물이나 권위가 덜한 출처가 학술 논문이나 공식 문서와 함께 인용되기도 합니다 . 일부 인용은 실제로 존재하지 않거나 관련 없는 페이지로 연결되는 '환각(hallucination)' 현상을 보이기도 합니다 .

특히 학술 연구와 관련하여 Tow Center 연구에 따르면 Perplexity는 테스트된 AI 검색 엔진 중 잘못된 인용 비율이 가장 낮았지만, 여전히 약 37%의 경우에서 잘못된 답변을 제공했습니다. 즉, 세 번 출력 중 한 번 이상이 오류나 잘못된 출처 인용을 포함하고 있었습니다 .

Perplexity가 강한 분야와 약한 분야

독립적인 리뷰들은 Perplexity의 강점과 약점에 대해 일관된 의견을 보여줍니다 :

가장 강력한 분야:

• 출처가 명확한 사실 기반의 최신 질문
• 뉴스 및 트렌드와 같이 시간에 민감한 주제
• 기술, 과학, 역사 등 구조화된 주제에 대한 빠른 정의
• 검증 가능한 출처를 활용한 연구
• 출처 발견 및 종합

가장 취약한 분야:

• 깊은 추론 및 복잡한 다단계 분석
• 웹에 정보가 널리 퍼져 있지 않은 특수 학술 주제
• 속보 검증 (특히 정보가 급변하는 상황)
• 창의적이거나 긴 형식의 글쓰기
• 출처 품질이 매우 중요한 민감한 주장

결론: 단일 정확도 수치는 존재하지 않는다

온라인에서 '95%'와 같은 수치가 자주 인용되지만, Perplexity는 모든 답변 유형을 포괄하는 보편적이고 독립적으로 감사된 평가를 발표한 적이 없습니다 . 측정된 성능은 벤치마크, 제품 모드, 선택된 언어 모델, 정보 출처, 질문 유형, 그리고 정확도가 정의되는 방식에 따라 달라집니다 .

모든 데이터를 종합한 가장 유용한 요약은 다음과 같습니다: 검증 가능한 출처를 활용한 일반적인 사실 연구, 특히 최신 이슈, 과학, 기술, 구조화된 주제에 있어 Perplexity는 가장 신뢰할 수 있는 AI 도구 중 하나입니다. 인용 모델은 정보를 확인하는 방식을 근본적으로 변화시켰으며, 벤치마크 점수도 확실히 강력합니다. 하지만 뉴스, 민감한 주장, 학술 작업의 경우, 그 결과물을 최종 답변이 아닌 출발점으로 간주해야 합니다. 정보가 빠르게 변화하거나 중요도가 높은 경우, 중요한 사실은 수동으로 직접 확인하십시오.