AI Business Weekly 的独立评估报告 整体事实准确率为 94%，且准确率因查询类型而异 ：

• 科学研究类查询：97.2%
• 学术内容：95%
• 技术文档：94%
• 常规事实类查询：94%

在针对工作相关查询（包括政策分析、技术故障排查、公司研究等）的专业基准测试中，Perplexity 的事实准确率达到 92%，高于 ChatGPT 在相同测试中的 87% 。

Perplexity 自家的 DRACO 基准（2026年6月）显示，其 Deep Research 模型在 Google DeepMind 的 DeepSearchQA 和 Scale AI 的 ResearchRubrics 等外部基准测试中达到了最先进的水平 。

新闻难题：突发新闻错误率达 35%

基准测试分数只讲了一个故事，现实世界的新闻准确性讲的是另一个。NewsGuard 在 2025 年 9 月的一项审计发现，AI 聊天机器人整体在 2025 年 8 月重复虚假新闻断言的比例高达 35%，高于前一年的 18% 。Perplexity 被单独指出是受测顶级聊天机器人中表现下滑最严重的。在 NewsGuard 2024 年的测试中，Perplexity 取得了完美的成功率；而在 2025 年，它在近一半的测试中未能提供正确答案 。

独立的可信度追踪机构 TruthSignal 将 @AskPerplexity 的平均可信度评为 65%，称其是“一个用于一般性查询和探索性研究的可信工具”，但指出“其用于事实核查或敏感话题的可靠性存在争议” 。

基准测试得分与现实世界表现之间的差距很重要。基准测试测试的是静态的、来源明确的事实。突发新闻涉及快速变化的叙事、互相矛盾的信源，以及可能尚未在开放网络上建立权威性的信息——这正是 AI 搜索工具难以应对的条件。

引用准确性：优于竞争对手，但仍非完美

Perplexity 的关键价值主张是提供引用。每个答案都链接到编号的来源——但这些引用本身有多可靠呢？

在 2026 年 2 月至 3 月进行的一项实际测试中，一位测试者在 847 次 Pro 搜索查询中抽查了 200 条引用，结果发现 78% 被验证为准确 。这意味着大约每 5 条引用中就有 1 条链接到的来源实际上并不支持其所声称的内容。

其他评测者也注意到引用质量参差不齐。博客文章和不太权威的信源有时会与学术论文或官方文件同时出现 。有些引用甚至是完全虚假的——链接到不存在的或不相关的页面 。

具体到学术研究，一项 Tow Center 的研究发现，虽然在受测 AI 搜索引擎中 Perplexity 的错误引用率最低，但仍有大约 37% 的案例回答不正确——这意味着超过三分之一的输出包含错误或归属不当的声明 。

Perplexity 的强项与短板

独立评测一致认同 Perplexity 的优势和劣势 ：

最适合：

• 事实性、时效性强且有来源的查询
• 关于新闻和热门话题的时效性问题
• 快速定义和结构化主题（技术、科学、历史）
• 带有可验证来源的研究
• 信源发现与信息整合

最不擅长：

• 深度推理和复杂的多步骤分析
• 缺乏广泛网络覆盖的小众学术话题
• 突发新闻验证（尤其是在信息快速变动时）
• 创意性或长篇写作
• 对信源质量要求极其严格的高风险声明

结论：不存在唯一的准确性数字

尽管“95%”之类的数字在网上频繁出现，但 Perplexity 并未发布一个涵盖所有答案类型的、独立审计的通用评估 。其可衡量的表现会随着基准测试、产品模式、所选语言模型、信息来源、问题类型以及对准确性的定义而变化 。

最实用的总结来自结合所有数据：对于带有可验证来源的常规事实性研究——尤其是时事、科学、技术和结构化主题——Perplexity 是目前最可靠的 AI 工具之一。它的引用模式从根本上改变了你验证信息的方式，其基准测试分数也确实很强。但对于新闻、敏感声明和学术工作，将其输出视为起点，而非最终答案。手动核实关键事实，尤其是在信息快速变化或后果严重的情况下。

AI Business Weekly 的独立评估报告 整体事实准确率为 94%，且准确率因查询类型而异 ：

• 科学研究类查询：97.2%
• 学术内容：95%
• 技术文档：94%
• 常规事实类查询：94%

在针对工作相关查询（包括政策分析、技术故障排查、公司研究等）的专业基准测试中，Perplexity 的事实准确率达到 92%，高于 ChatGPT 在相同测试中的 87% 。

Perplexity 自家的 DRACO 基准（2026年6月）显示，其 Deep Research 模型在 Google DeepMind 的 DeepSearchQA 和 Scale AI 的 ResearchRubrics 等外部基准测试中达到了最先进的水平 。

新闻难题：突发新闻错误率达 35%

基准测试分数只讲了一个故事，现实世界的新闻准确性讲的是另一个。NewsGuard 在 2025 年 9 月的一项审计发现，AI 聊天机器人整体在 2025 年 8 月重复虚假新闻断言的比例高达 35%，高于前一年的 18% 。Perplexity 被单独指出是受测顶级聊天机器人中表现下滑最严重的。在 NewsGuard 2024 年的测试中，Perplexity 取得了完美的成功率；而在 2025 年，它在近一半的测试中未能提供正确答案 。

独立的可信度追踪机构 TruthSignal 将 @AskPerplexity 的平均可信度评为 65%，称其是“一个用于一般性查询和探索性研究的可信工具”，但指出“其用于事实核查或敏感话题的可靠性存在争议” 。

基准测试得分与现实世界表现之间的差距很重要。基准测试测试的是静态的、来源明确的事实。突发新闻涉及快速变化的叙事、互相矛盾的信源，以及可能尚未在开放网络上建立权威性的信息——这正是 AI 搜索工具难以应对的条件。

引用准确性：优于竞争对手，但仍非完美

Perplexity 的关键价值主张是提供引用。每个答案都链接到编号的来源——但这些引用本身有多可靠呢？

在 2026 年 2 月至 3 月进行的一项实际测试中，一位测试者在 847 次 Pro 搜索查询中抽查了 200 条引用，结果发现 78% 被验证为准确 。这意味着大约每 5 条引用中就有 1 条链接到的来源实际上并不支持其所声称的内容。

其他评测者也注意到引用质量参差不齐。博客文章和不太权威的信源有时会与学术论文或官方文件同时出现 。有些引用甚至是完全虚假的——链接到不存在的或不相关的页面 。

具体到学术研究，一项 Tow Center 的研究发现，虽然在受测 AI 搜索引擎中 Perplexity 的错误引用率最低，但仍有大约 37% 的案例回答不正确——这意味着超过三分之一的输出包含错误或归属不当的声明 。

Perplexity 的强项与短板

独立评测一致认同 Perplexity 的优势和劣势 ：

最适合：

• 事实性、时效性强且有来源的查询
• 关于新闻和热门话题的时效性问题
• 快速定义和结构化主题（技术、科学、历史）
• 带有可验证来源的研究
• 信源发现与信息整合

最不擅长：

• 深度推理和复杂的多步骤分析
• 缺乏广泛网络覆盖的小众学术话题
• 突发新闻验证（尤其是在信息快速变动时）
• 创意性或长篇写作
• 对信源质量要求极其严格的高风险声明

结论：不存在唯一的准确性数字

尽管“95%”之类的数字在网上频繁出现，但 Perplexity 并未发布一个涵盖所有答案类型的、独立审计的通用评估 。其可衡量的表现会随着基准测试、产品模式、所选语言模型、信息来源、问题类型以及对准确性的定义而变化 。

最实用的总结来自结合所有数据：对于带有可验证来源的常规事实性研究——尤其是时事、科学、技术和结构化主题——Perplexity 是目前最可靠的 AI 工具之一。它的引用模式从根本上改变了你验证信息的方式，其基准测试分数也确实很强。但对于新闻、敏感声明和学术工作，将其输出视为起点，而非最终答案。手动核实关键事实，尤其是在信息快速变化或后果严重的情况下。