Perplexity AI 可靠嗎？2026 年真實準確度數據大解析

根據 AI Business Weekly 的獨立評估，Perplexity 的整體事實準確率為 94%，但依查詢類型而有所不同 ：

• 科學研究查詢：97.2%
• 學術內容：95%
• 技術文件：94%
• 一般事實查詢：94%

在專注於工作相關查詢（涵蓋政策分析、技術疑難排解、公司研究等）的專業基準測試中，Perplexity 達到了 92% 的事實準確率，在同類測試中擊敗了 ChatGPT 的 87% 。

Perplexity 自家的 DRACO 基準測試（2026 年 6 月）也顯示，其 Deep Research 模型在 Google DeepMind 的 DeepSearchQA 和 Scale AI 的 ResearchRubrics 等外部基準上，都達到了最先進的成果 。

新聞的難題：即時新聞錯誤率高達 35%

基準測試的成績只說明了部分故事。現實世界中的新聞準確度又是另一回事。新聞事實查核機構 NewsGuard 在 2025 年 9 月發布的審計報告指出，AI 聊天機器人整體在 2025 年 8 月重複虛假新聞聲明的比例高達 35%，較前一年的 18% 顯著上升 。Perplexity 在受測的頂尖聊天機器人中，被點名為表現下滑最嚴重的。在 NewsGuard 2024 年的測試中，Perplexity 曾創下完美的成功率；但在 2025 年的審計中，它在近半數的測試中無法給出正確答案 。

獨立可信度追蹤平台 TruthSignal 則給 @AskPerplexity 的平均可信度評分為 65%，稱其為「處理一般查詢和探索性研究的可靠工具」，但也指出其「在事實查核或敏感議題上的可靠性仍有爭議」。

基準測試分數與真實世界表現之間的這種落差至關重要。基準測試的對象是靜態的、來源明確的事實。而即時新聞則涉及快速變化的敘事、相互矛盾的資訊來源，以及可能尚未在開放網路上建立權威性的資訊——這正是 AI 搜尋工具最棘手的條件。

引用準確度：優於對手，但仍非完美

Perplexity 的核心賣點是引用來源。每個答案都會連結到編號的參考來源——但這些引用本身的可靠性如何？

在一項於 2026 年 2 月至 3 月進行的實測中，一位評論者在 847 次 Pro Search 查詢中抽查了 200 個引用，發現 78% 的引用經確認是準確的 。這意味著大約每 5 個引用中，就有 1 個實際上無法支持它所連結的陳述。

其他評論者也指出，引用的品質差異很大。部落格文章或權威性較低的來源，有時會與學術論文或官方文件並列 。有些引用甚至是完全虛構的——連結到不存在或不相關的頁面 。

針對學術研究的用途，一項 Tow Center 的研究發現，雖然 Perplexity 在受測的 AI 搜尋引擎中擁有最低的不正確引用率，但其回答的錯誤率仍然高達約 37%——也就是說，超過三分之一的輸出內容包含錯誤或錯誤歸屬的聲明 。

Perplexity 的強項與弱項

多個獨立評測對於 Perplexity 的優缺點看法一致 ：

最擅長：

• 事實性、時效性強、有明確來源的查詢
• 時效性高的話題，如新聞和熱門議題
• 快速定義和結構化主題（科技、科學、歷史）
• 需可驗證來源的研究
• 來源探索與資訊綜合

最不擅長：

• 深度推理與複雜的多步驟分析
• 網路資訊不足的冷門學術主題
• 即時新聞驗證（尤其在資訊快速變動時）
• 創意性或長篇寫作
• 對來源品質要求極高的敏感聲明

結論：不存在單一的準確率數字

儘管網路上經常流傳「95%」這類數字，但 Perplexity 從未發布過一個涵蓋所有答案類型的、經過獨立審計的通用評估報告 。其可測量的表現會因基準測試、產品模式、語言模型、資訊來源、問題類型以及對準確度的定義而改變 。

綜合所有數據，最實用的總結是：對於可驗證來源的一般事實性研究——尤其是時事、科學、科技和結構化主題——Perplexity 是目前最可靠的 AI 工具之一。它的引用模式從根本上改變了驗證資訊的方式，而且其基準測試成績確實出色。但是，對於新聞、敏感聲明和學術工作，請將其輸出視為起點，而非最終答案。特別是當資訊快速變化或影響重大時，請務必手動驗證關鍵事實。