Perplexity AI API: Truy cập, Giá, Tích hợp và Hướng dẫn Triển khai Production

Perplexity AI API: Truy cập, Giá, Tích hợp và Hướng dẫn Triển khai Production

Lần xác minh gần nhất theo tài liệu Perplexity: ngày 24 tháng 10 năm 2026.

Perplexity AI API không còn là một “API tìm kiếm-trò chuyện” duy nhất, không phân biệt. Hiện nay, API này có các bề mặt riêng biệt cho phản hồi tác tử có nền tảng web, định tuyến mô hình trọng số mở, tìm kiếm thô, embedding và quyết định có kiểu dữ liệu. Hãy chọn bề mặt phù hợp với tác vụ trước khi viết mã: lựa chọn này quyết định endpoint, phương thức SDK, đơn vị tính phí, giới hạn tốc độ và những gì bạn cần ghi log trong production.

Đối với hầu hết tính năng nghiên cứu hoặc trợ lý mới, hãy bắt đầu với Agent API. API này tuân theo định dạng OpenAI Responses, có thể sử dụng tìm kiếm web và trả về đầu ra có cấu trúc kèm nguồn. Hãy dùng Orchestrator API khi mã OpenAI Chat Completions hiện có của bạn cần truy cập danh mục mô hình trọng số mở của nó. Dùng Search khi bạn cần kết quả được xếp hạng mà không cần câu trả lời từ LLM.

Câu trả lời ngắn: bạn nên dùng Perplexity API nào?

Sự phân biệt này là lựa chọn thiết kế quan trọng nhất của Perplexity AI API. Tổng quan hiện tại của Perplexity mô tả Agent API là API có nền tảng web, tương thích OpenAI Responses; Orchestrator API là một bề mặt tương thích riêng cho các mô hình trọng số mở được lưu trữ. Đọc tổng quan của Perplexity.

Truy cập Perplexity AI API

1. Tạo tài khoản trong Perplexity API Console.
2. Tạo khóa từ trang API Keys.
3. Chỉ lưu khóa trên máy chủ hoặc trong trình quản lý secret của môi trường triển khai.
4. Thiết lập PERPLEXITY_API_KEY trong môi trường runtime—không đặt trong mã trình duyệt, git, ví dụ hoặc log.
5. Thêm thông tin thanh toán trước khi gửi lưu lượng production. Perplexity ghi nhận hình thức thanh toán API theo mức sử dụng mà không yêu cầu đăng ký thuê bao; hãy kiểm tra trang giá trực tiếp trước khi ra mắt vì mức phí cho mô hình và công cụ có thể thay đổi.

Trên macOS hoặc Linux, hãy thiết lập secret mà không in nó ra:

export PERPLEXITY_API_KEY="replace-in-your-secret-manager"
test -n "$PERPLEXITY_API_KEY" && echo "PERPLEXITY_API_KEY is set"

Lệnh cuối cùng chủ ý xác nhận sự tồn tại mà không làm lộ giá trị. Perplexity khuyến cáo rõ ràng không in khóa, hoặc thậm chí các đoạn khóa, trong đầu ra terminal. Với phần còn lại của ứng dụng, hãy tuân theo cùng quy tắc: che giấu header Authorization, xoay vòng các khóa bị lộ và cấp thông tin xác thực riêng cho từng môi trường. Kết hợp điều này với quy trình quản lý API key an toàn trước khi thêm lưu lượng khách hàng.

Tích hợp Agent API với OpenAI SDK

Agent API là bề mặt Perplexity AI API phù hợp khi sản phẩm của bạn cần câu trả lời có nền tảng web, trích dẫn, sử dụng công cụ hoặc phản hồi có thể tiếp tục qua nhiều lượt. Perplexity hướng dẫn cấu hình OpenAI SDK là base_url="https://api.perplexity.ai/v1", sử dụng client.responses.create().

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["PERPLEXITY_API_KEY"],
    base_url="https://api.perplexity.ai/v1",
)

response = client.responses.create(
    model="perplexity/sonar",
    input="What changed in the last 30 days for this topic? Cite primary sources.",
    tools=[{"type": "web_search"}],
    max_output_tokens=600,
)

print(response.output_text)

Endpoint chính thức là POST /v1/agent; OpenAI SDK gửi POST /v1/responses, mà Perplexity chấp nhận như một bí danh. Điều này tương thích ở lớp Responses, không phải cam kết rằng mọi tùy chọn Chat Completions đều được ánh xạ hoàn toàn. Hướng dẫn tương thích OpenAI của Perplexity là nguồn tham chiếu chính xác cho các trường request và response được hỗ trợ.

Hai chi tiết production quan trọng ở đây:

• Tìm kiếm web là tùy chọn chủ động. Request chỉ có model và input sẽ dùng kiến thức của mô hình và không trả về trích dẫn; hãy dùng mức nỗ lực hoặc công cụ web_search khi tính mới của thông tin và nguồn là quan trọng.
• Hãy giữ output có cấu trúc, không chỉ output_text, tại ranh giới ứng dụng của bạn. Trích dẫn, hoạt động công cụ, trạng thái, mức sử dụng và ID phản hồi là dữ liệu vận hành—không phải phần trang trí cho UI.

Trước khi mã hóa cứng một mã định danh mô hình, hãy truy vấn GET /v1/models trong quy trình triển khai của bạn hoặc xem danh mục mô hình Agent API hiện tại. Perplexity ghi tài liệu cho điểm cuối đó theo định dạng tương thích OpenAI, giúp nó hữu ích cho danh sách cho phép và kiểm tra phát hành.

Sử dụng Orchestrator API khi bạn cần khả năng tương thích Chat Completions

Perplexity AI API có một đường dẫn tương thích OpenAI thứ hai cho một tác vụ khác. Orchestrator API sử dụng định dạng Chat Completions và một URL cơ sở khác:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["PERPLEXITY_API_KEY"],
    base_url="https://api.perplexity.ai/orchestrator/v1",
)

completion = client.chat.completions.create(
    model=os.environ["PPLX_ORCHESTRATOR_MODEL"],
    max_tokens=500,
    messages=[
        {"role": "user", "content": "Summarize these notes in five bullets."}
    ],
)

print(completion.choices[0].message.content)

Hãy dùng biến môi trường cho ID mô hình và xác thực nó trong CI hoặc bước kiểm tra phát hành. Tính khả dụng của danh mục, bí danh và bảng giá thay đổi thường xuyên hơn mức mà mã ứng dụng của bạn nên thay đổi. Sai lầm quan trọng cần tránh là coi Agent API và Orchestrator API có thể thay thế cho nhau:

• Agent API: https://api.perplexity.ai/v1 + responses.create().
• Orchestrator API: https://api.perplexity.ai/orchestrator/v1 + chat.completions.create().

Nếu mục tiêu của bạn là một câu trả lời có trích dẫn, cập nhật, đừng chuyển sang Chat Completions chỉ vì bạn quen thuộc với client đó. Nếu mục tiêu của bạn là di chuyển thay thế trực tiếp OpenAI Chat Completions cho danh mục mô hình trọng số mở được lưu trữ, đừng trỏ nó đến URL cơ sở của Agent. hướng dẫn nhanh của Perplexity minh họa cả hai mẫu.

Giá Perplexity AI API: tính toàn bộ yêu cầu

Cách thực tế để lập ngân sách cho Perplexity AI API là tách chi phí token khỏi chi phí công cụ hoặc yêu cầu. Bảng giá chính xác là trực tiếp và phụ thuộc vào từng mô hình, vì vậy hãy sử dụng trang giá làm đầu vào triển khai—không phải một con số bạn sao chép vào slide mỗi quý một lần.

Các mức giá trên được kiểm tra vào ngày 24 tháng 10 năm 2026. trang giá chính thức và danh mục mô hình Agent API nên được kiểm tra lại trước khi bạn đặt biên lợi nhuận, hạn mức khách hàng hoặc cảnh báo ngân sách.

Một công thức lập kế hoạch hữu ích là:

request_cost =
  (input_tokens / 1,000,000 × input_rate) +
  (output_tokens / 1,000,000 × output_rate) +
  (cache_read_tokens / 1,000,000 × cache_read_rate) +
  tool_invocations × tool_rate +
  search_requests × search_request_rate

Đừng ước tính một câu trả lời có nghiên cứu chỉ từ token đầu ra. Quy trình agent có thể sử dụng ngữ cảnh đầu vào, token đầu ra/suy luận và các lệnh gọi công cụ. Lưu từng chiều dữ liệu đó cùng với ID tenant, tên tính năng, mô hình được yêu cầu, mô hình cuối cùng và ID phản hồi. Cùng mô hình sự kiện đó giúp so sánh giá mô hình AI có ý nghĩa hơn nhiều so với chỉ so sánh giá niêm yết.

Xây dựng quy trình Perplexity AI API sẵn sàng cho production

1. Biến bề mặt API thành một quyết định sản phẩm rõ ràng

Hãy xác định một adapter nhỏ cho mỗi bề mặt, chẳng hạn như perplexity_agent, perplexity_search và perplexity_orchestrator. Đừng che giấu các kiểu phản hồi khác nhau của chúng phía sau một hàm chat() chung cho đến khi bạn đã quyết định cách xử lý trích dẫn, kết quả tìm kiếm, mức sử dụng và sự kiện công cụ.

Đối với câu trả lời nghiên cứu hướng tới khách hàng, adapter của bạn tối thiểu nên trả về:

answer_text, citations, response_id, status, requested_model,
served_model, input_tokens, output_tokens, tool_calls, cost, latency_ms

Đối với Search thô, hãy trả về kết quả tách biệt với mọi bước tổng hợp sau đó. Điều này bảo toàn nguồn gốc và cho phép thay đổi mô hình viết mà không âm thầm thay đổi nhà cung cấp tìm kiếm.

2. Coi trích dẫn là dữ liệu bạn phải bảo toàn

Khi yêu cầu Perplexity AI API của bạn sử dụng tìm kiếm web, hãy hiển thị các nguồn được trích dẫn bên cạnh thông tin mà chúng hỗ trợ. Lưu URL nguồn được trả về, tiêu đề khi được cung cấp và ID phản hồi được dùng để tạo câu trả lời. Một câu trả lời thân thiện nhưng không có nguồn có thể kiểm tra là chưa đủ cho một tính năng nghiên cứu, tác nhân hỗ trợ hoặc quy trình ra quyết định nội bộ.

Hãy quyết định chính sách trước khi ra mắt:

• Bạn có yêu cầu ít nhất một nguồn sơ cấp cho một câu trả lời thực tế không?
• Bạn có loại bỏ một tuyên bố khi không có trích dẫn nào hỗ trợ không?
• Người dùng có thể mở URL được trích dẫn trước khi hành động theo câu trả lời không?
• Bạn lưu giữ siêu dữ liệu nguồn và bản ghi phản hồi trong bao lâu?

3. Lập ngân sách cho các cửa sổ giới hạn tốc độ cuốn chiếu, không phải một con số “yêu cầu mỗi phút” duy nhất

Agent API của Perplexity ghi nhận giới hạn yêu cầu trên toàn tổ chức được dùng chung cho các lệnh gọi Agent, tác vụ thăm dò, thao tác hủy/tiếp tục và tải xuống tệp. API này cũng ghi nhận các giới hạn token theo từng mô hình trên các cửa sổ phút và giờ cuốn chiếu. Việc thăm dò không miễn phí: ở cấp thấp, thăm dò một yêu cầu bất đồng bộ mỗi giây có thể tiêu thụ toàn bộ hạn mức yêu cầu.

Đối với phản hồi 429, hãy tuân thủ Retry-After. Đối với lỗi overloaded liên quan đến năng lực, hãy áp dụng backoff theo cấp số nhân có jitter và chỉ sử dụng danh sách phương án dự phòng đã được ghi nhận khi sản phẩm có thể chấp nhận an toàn một mô hình khác. Đừng thử lại các lỗi xác thực, xác thực dữ liệu hoặc cấu hình hạn ngạch như thể chúng chỉ là tạm thời. Xem hướng dẫn về giới hạn tốc độ và cấp sử dụng của Perplexity để biết các ngưỡng hiện tại và ngữ nghĩa phản hồi.

Mã giả cho chính sách thử lại có giới hạn:

for attempt in range(3):
    try:
        return call_perplexity()
    except RateLimitError as error:
        wait_seconds = retry_after_or_jittered_backoff(error, attempt)
        sleep(wait_seconds)
    except TransientCapacityError:
        sleep(jittered_backoff(attempt))

raise ServiceTemporarilyUnavailable()

Giữ số lần thử lại ở mức thấp, sử dụng thời hạn từ đầu đến cuối và làm cho trạng thái dự phòng của bên gọi hiển thị rõ ràng. Những lần thử lại biến một yêu cầu nghiên cứu chậm thành vòng xoay chờ 90 giây không phải là độ tin cậy.

4. Ghi log đủ để gỡ lỗi chi phí, chất lượng và độ mới cùng lúc

Theo dõi ID yêu cầu, nhóm endpoint, mô hình, cấp độ nỗ lực, danh sách công cụ, thời gian đến token đầu tiên, thời gian hoàn thành, các chiều token, số lần gọi công cụ, trạng thái HTTP, số lần thử lại và phân loại lỗi an toàn. Đối với các phản hồi có trích dẫn, hãy theo dõi số lượng trích dẫn và tên miền nguồn. Đối với Search, hãy theo dõi số lượng truy vấn và số lượng kết quả.

Điều này cung cấp cho bạn bằng chứng để trả lời các câu hỏi như: “Độ trễ có tăng vì chúng ta đã bật tìm kiếm không?”, “Khách thuê nào đang chi tiền cho các phiên sandbox?”, và “Một phương án dự phòng có cải thiện tính sẵn sàng nhưng làm giảm mức độ bao phủ trích dẫn không?” Để xem kiến trúc tổng quát hơn, hãy xem hướng dẫn về cổng AI API và hướng dẫn về giới hạn tốc độ LLM.

5. Lập kế hoạch di chuyển Sonar nếu bạn có mã cũ

Hướng dẫn di chuyển hiện tại của Perplexity cho biết hỗ trợ Sonar Chat Completions đã kết thúc vào ngày 27 tháng 9 năm 2026. Hướng dẫn này khuyến nghị Agent API cho các dự án mới; các yêu cầu cũ đồng bộ và streaming đang được chuyển đổi dần, trong khi các yêu cầu Sonar bất đồng bộ không còn được hỗ trợ. Nếu bạn vẫn gọi một endpoint Sonar, hãy kiểm thử adapter Agent API ngay bây giờ thay vì phát hiện sự cố bất đồng bộ trong môi trường production. Đọc hướng dẫn di chuyển.

Perplexity API trực tiếp hay một cổng đa mô hình riêng biệt?

Hãy dùng tích hợp Perplexity AI API trực tiếp khi tính năng phụ thuộc vào Agent, Search, trích dẫn, cấp độ nỗ lực hoặc hành vi API đặc thù của Perplexity. Điều này giúp hợp đồng production rõ ràng.

Chỉ sử dụng một cổng đa mô hình riêng biệt cho các mô hình và endpoint mà cổng đó hiện liệt kê là được hỗ trợ. Ví dụ, Flatkey ghi nhận base URL tương thích OpenAI tại https://router.flatkey.ai/v1 cho danh mục được hỗ trợ và bảng điều khiển mức sử dụng theo từng yêu cầu. Bạn nên kiểm tra trực tiếp thư mục mô hình công khai của nó trước khi cho rằng một nhà cung cấp hoặc mô hình đang khả dụng. Bắt đầu với tài liệu khởi động nhanh Flatkey API.

Đối với các nhóm cần cả hai, hãy sử dụng hai client tường minh:

Đừng định tuyến một endpoint Perplexity trực tiếp qua dịch vụ khác trừ khi tài liệu hiện tại của dịch vụ đó nêu rõ hỗ trợ tuyến này. Mục tiêu không phải là ép mọi lệnh gọi đi qua một lớp; mà là bảo toàn năng lực và hành vi thanh toán mà tính năng của bạn thực sự dựa vào.

Danh sách kiểm tra ra mắt production

• [ ] Mỗi tính năng đã chủ động chọn Agent, Orchestrator, Search, Embeddings hoặc Decisions.
• [ ] Khóa API nằm ở phía máy chủ, được phân phạm vi theo môi trường và không xuất hiện trong các gói phía máy khách hay nhật ký.
• [ ] URL cơ sở của Agent (/v1) và URL cơ sở của Orchestrator (/orchestrator/v1) không bị nhầm lẫn.
• [ ] ID mô hình và bảng giá trực tiếp được xác thực trong bước kiểm tra phát hành.
• [ ] Tìm kiếm web chỉ được bật rõ ràng khi độ mới của thông tin có trích dẫn là hữu ích.
• [ ] Các phản hồi có trích dẫn giữ lại siêu dữ liệu nguồn và ID phản hồi.
• [ ] Các sự kiện chi phí bao gồm các chiều token và số lần gọi công cụ hoặc tìm kiếm.
• [ ] 429 tuân thủ Retry-After; các lỗi năng lực tạm thời sử dụng backoff hàm mũ có giới hạn kèm jitter.
• [ ] Việc thăm dò được backoff hoặc thay thế bằng hành vi streaming/kết nối lại.
• [ ] Một bài kiểm thử theo giai đoạn bao quát chất lượng nguồn, độ trễ, chi phí, hành vi thử lại và các phương án dự phòng hiển thị cho người dùng.

Câu hỏi thường gặp về Perplexity AI API

Perplexity AI API có tương thích với OpenAI SDK không?

Có, nhưng hãy chọn hình thức API tương ứng. Agent API sử dụng định dạng OpenAI Responses tại https://api.perplexity.ai/v1; Orchestrator API sử dụng Chat Completions tại https://api.perplexity.ai/orchestrator/v1.

Mọi yêu cầu Agent API có tìm kiếm web và bao gồm trích dẫn không?

Không. Perplexity ghi nhận tìm kiếm web là tính năng tham gia tùy chọn. Thêm mức effort hoặc công cụ web_search khi bạn cần đầu ra dựa trên web; giữ nguyên đầu ra có cấu trúc để ứng dụng của bạn có thể hiển thị và kiểm tra các trích dẫn.

Perplexity AI API có giá bao nhiêu?

Điều này phụ thuộc vào bề mặt API, mô hình, mức sử dụng token, lượt đọc bộ nhớ đệm, token suy luận và công cụ được chọn. Hãy sử dụng bảng giá chính thức trực tiếp và đo lường mức sử dụng yêu cầu thực tế. Một yêu cầu agent có bật tìm kiếm bao gồm cả thành phần chi phí token mô hình và chi phí công cụ.

Tôi nên làm gì sau lỗi giới hạn tốc độ?

Tuân thủ Retry-After, điều tiết các yêu cầu mới và sử dụng backoff hàm mũ có giới hạn kèm jitter. Không thăm dò một cách quá mức; các lần thăm dò Agent API được tính vào giới hạn yêu cầu dùng chung của tổ chức.

Bước tiếp theo

Hãy bắt đầu với một trường hợp sử dụng production hẹp: câu trả lời nghiên cứu có trích dẫn, tính năng tìm kiếm thô hoặc lệnh gọi mô hình tương thích Chat Completions. Hãy thiết lập đo lường cho nó trước khi mở rộng lưu lượng. Nếu phần còn lại của ứng dụng cũng cần các mô hình được hỗ trợ phía sau một ứng dụng khách tương thích OpenAI, khám phá danh mục mô hình của Flatkey và giữ ranh giới ứng dụng khách của nó rõ ràng.