Perplexity AI API の使い方 (2026年版)

Perplexity AI は、大規模言語モデルとリアルタイムのウェブ検索を組み合わせた API を提供しています。静的な学習データに依存する標準的な LLM API とは異なり、Perplexity の API はウェブから最新情報を取得し、引用元を明示した正確な回答として合成します。そのため、リサーチツール、ニュースアグリゲーター、競合分析、カスタマーサポートボットなど、情報の鮮度が重要となるあらゆるプロダクトに最適です。

このガイドでは、API のセットアップ、利用可能なすべてのモデル、複数言語によるコード例、および実践的なインテグレーションパターンについて解説します。

なぜ Perplexity API を使うのか？

機能	Perplexity API	標準的な LLM API
リアルタイムウェブ検索	はい（標準搭載）	いいえ（静的な学習データ）
出典の引用	はい（URL付き）	いいえ
知識のカットオフ	なし（ライブ検索）	数ヶ月〜数年前
ハルシネーション率	低い（検索に基づいた根拠）	高い
構造化出力	JSON モード対応	プロバイダーによる
OpenAI 互換性	あり	プロバイダーによる

前提条件

API アクセス権のある Perplexity アカウント。
Perplexity デベロッパーダッシュボードから取得した API キー。
Python 3.9 以上 または Node.js 18 以上（以下の例で使用）。

ステップ 1: API キーを取得する

perplexity.ai/settings/api にアクセスします。
Generate API Key をクリックします。
キーをコピーし、安全に保管してください。
アカウントにクレジットを追加します（API は後払いではなくプリペイド方式です）。

環境変数を設定します：

export PERPLEXITY_API_KEY="pplx-your-api-key-here"

ステップ 2: 最初のリクエストを作成する

Perplexity API は OpenAI 互換であるため、OpenAI SDK を使用できます。

pip install openai

from openai import OpenAI

client = OpenAI(
    api_key="pplx-your-api-key-here",
    base_url="https://api.perplexity.ai"
)

response = client.chat.completions.create(
    model="sonar-pro",
    messages=[
        {
            "role": "system",
            "content": "You are a helpful research assistant. Provide accurate, well-cited answers."
        },
        {
            "role": "user",
            "content": "2026年における核融合エネルギーの最新動向は何ですか？"
        }
    ]
)

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

# 引用（citations）へのアクセス
if hasattr(response, 'citations'):
    print("\nSources:")
    for citation in response.citations:
        print(f"  - {citation}")

利用可能なモデル

Perplexity は、さまざまなユースケースに合わせて最適化された複数のモデルを提供しています。

モデル名	最適な用途	コンテキストウィンドウ	検索機能	価格 (Input)	価格 (Output)
`sonar-pro`	複雑なリサーチ、詳細な回答	200K	あり	$3/M tokens	$15/M tokens
`sonar`	一般的な質問、迅速な回答	128K	あり	$1/M tokens	$1/M tokens
`sonar-reasoning-pro`	複数ステップの分析、比較	128K	あり	$2/M tokens	$8/M tokens
`sonar-reasoning`	検索を伴う簡易的な推論	128K	あり	$1/M tokens	$5/M tokens
`sonar-deep-research`	包括的なレポート、長文作成	128K	あり (深層)	$2/M tokens	$8/M tokens

モデル選択ガイド:

迅速な事実確認や軽量なクエリには sonar を使用してください。
詳細な調査や複雑な質問には sonar-pro を使用してください。
分析と比較が必要なタスクには sonar-reasoning-pro を使用してください。
複数の検索イテレーションを必要とする包括的なレポートには sonar-deep-research を使用してください。

ステップ 3: cURL を使用する

curl -X POST https://api.perplexity.ai/chat/completions \
  -H "Authorization: Bearer pplx-your-api-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "sonar-pro",
    "messages": [
      {
        "role": "user",
        "content": "2026年におけるJavaScriptフレームワーク上位3つを人気とパフォーマンスで比較してください"
      }
    ],
    "temperature": 0.2,
    "max_tokens": 2000
  }'

ステップ 4: Node.js / TypeScript

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.PERPLEXITY_API_KEY,
  baseURL: 'https://api.perplexity.ai',
});

async function search(query: string): Promise<string> {
  const response = await client.chat.completions.create({
    model: 'sonar-pro',
    messages: [
      {
        role: 'system',
        content: '提供されたクエリに対し、出典を明記して簡潔かつ事実に基づいた回答を行ってください。',
      },
      {
        role: 'user',
        content: query,
      },
    ],
    temperature: 0.2,
    max_tokens: 1500,
  });

  return response.choices[0].message.content ?? '';
}

// 使用例
const result = await search('現在のビットコインの価格はいくらですか？');
console.log(result);

ステップ 5: レスポンスのストリーミング

リアルタイムにレスポンスを表示する場合：

from openai import OpenAI

client = OpenAI(
    api_key="pplx-your-api-key-here",
    base_url="https://api.perplexity.ai"
)

stream = client.chat.completions.create(
    model="sonar",
    messages=[
        {
            "role": "user",
            "content": "今日のテックニュースを教えてください。"
        }
    ],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

print()  # 最後に改行

ステップ 6: 検索コンテキストの制御

Perplexity がウェブを検索する方法を制御できます。

response = client.chat.completions.create(
    model="sonar-pro",
    messages=[
        {
            "role": "user",
            "content": "Python 3.14 の最新機能とリリース日について"
        }
    ],
    # 検索動作の制御
    search_domain_filter=["python.org", "docs.python.org", "peps.python.org"],
    search_recency_filter="week",  # オプション: "hour", "day", "week", "month"
    return_citations=True,
    return_related_questions=True
)

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

# ユーザーが次に尋ねたい可能性のある関連質問
if hasattr(response, 'related_questions'):
    print("\nRelated questions:")
    for q in response.related_questions:
        print(f"  - {q}")

実践的なユースケース

1. リサーチアシスタント

def research_topic(topic: str, depth: str = "standard") -> dict:
    model = "sonar-deep-research" if depth == "deep" else "sonar-pro"

    response = client.chat.completions.create(
        model=model,
        messages=[
            {
                "role": "system",
                "content": """あなたはリサーチアナリストです。以下を提供してください：
                1. 主要な結果（箇条書き）
                2. 最近の動向（過去30日以内）
                3. 専門家の意見
                4. データと統計
                すべての主張に引用を含めてください。"""
            },
            {
                "role": "user",
                "content": f"リサーチ対象: {topic}"
            }
        ],
        return_citations=True,
        max_tokens=3000
    )

    return {
        "content": response.choices[0].message.content,
        "citations": getattr(response, 'citations', []),
        "model": model
    }

result = research_topic("2026年における欧州のAI規制の状況", depth="deep")
print(result["content"])

2. 競合インテリジェンス

def analyze_competitor(company: str) -> str:
    response = client.chat.completions.create(
        model="sonar-reasoning-pro",
        messages=[
            {
                "role": "user",
                "content": f"""{company}を競合他社として分析してください：
                - 最近の製品発表
                - 価格変更
                - 主要な提携
                - 市場でのポジション
                - 強みと弱み
                入手可能な最新の情報に基づいて分析してください。"""
            }
        ],
        search_recency_filter="month",
        return_citations=True,
        max_tokens=2500
    )

    return response.choices[0].message.content

print(analyze_competitor("Vercel"))

3. ニュースアグリゲーション

def get_news_summary(topic: str) -> str:
    response = client.chat.completions.create(
        model="sonar",
        messages=[
            {
                "role": "user",
                "content": f"{topic}に関する今日のトップ5ニュースを要約してください。情報源も含めてください。"
            }
        ],
        search_recency_filter="day",
        return_citations=True,
        max_tokens=1500
    )

    return response.choices[0].message.content

print(get_news_summary("人工知能"))

4. ファクトチェック API

def fact_check(claim: str) -> str:
    response = client.chat.completions.create(
        model="sonar-reasoning-pro",
        messages=[
            {
                "role": "system",
                "content": """あなたはファクトチェッカーです。各主張に対し：
                1. 正しい（TRUE）、間違い（FALSE）、一部正しい（PARTIALLY TRUE）、または検証不能（UNVERIFIABLE）かを述べてください。
                2. 信頼できる情報源からの証拠を提供してください。
                3. 出典を引用してください。
                客観的かつ徹底的に行ってください。"""
            },
            {
                "role": "user",
                "content": f"この主張をファクトチェックしてください: {claim}"
            }
        ],
        return_citations=True,
        max_tokens=2000
    )

    return response.choices[0].message.content

print(fact_check("2025年の世界平均気温は観測史上最高だった"))

レート制限と価格設定

ティア	リクエスト数/分	トークン数/分	月間支出額
無料トライアル	5	20,000	$0 (制限あり)
スタンダード	50	100,000	従量課金
プロ	500	1,000,000	$50+
エンタープライズ	カスタム	カスタム	お問い合わせ

コスト例:

ユースケース	モデル	リクエスト数/日	推定月額コスト
個人のリサーチ	sonar	50	約 $5
ニュースアグリゲーション	sonar	500	約 $30
競合分析	sonar-pro	100	約 $50
本番用検索アプリ	sonar-pro	5,000	約 $500

エラーハンドリング

from openai import OpenAI, APIError, RateLimitError, APIConnectionError
import time

client = OpenAI(
    api_key="pplx-your-api-key-here",
    base_url="https://api.perplexity.ai"
)

def query_with_retry(query: str, max_retries: int = 3) -> str:
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="sonar",
                messages=[{"role": "user", "content": query}],
                max_tokens=1500
            )
            return response.choices[0].message.content

        except RateLimitError:
            wait_time = 2 ** attempt
            print(f"レート制限に達しました。{wait_time}秒待機します...")
            time.sleep(wait_time)

        except APIConnectionError:
            print("接続エラーです。再試行します...")
            time.sleep(1)

        except APIError as e:
            print(f"APIエラー: {e}")
            raise

    raise Exception("最大再試行回数を超えました")

トラブルシューティング

問題	解決策
401 Unauthorized	API キーが正しいか、クレジットが残っているか確認してください
429 Rate Limited	バックオフ機能を実装するか、ティアをアップグレードしてください
引用（citations）が空	すべての回答に引用が含まれるわけではありません。`return_citations=True` を使用してください
情報が古い	`search_recency_filter` を使用して、最近の結果に限定してください
レスポンスが遅い	高速な結果が必要な場合は、`sonar-pro` の代わりに `sonar` を使用してください
モデルが見つからない	モデル名を確認してください。Perplexity は定期的にモデル名を更新します

まとめ

Perplexity AI API は、リアルタイムのウェブデータに基づいた LLM レスポンスを必要とするアプリケーションを構築するための最良の選択肢です。OpenAI 互換のインターフェースにより統合が容易であり、組み込みの検索および引用機能により、ウェブコンテンツ専用の個別の RAG パイプラインを構築する必要がなくなります。

画像、動画、トーキングアバター、音声合成などの AI 生成メディアも必要なアプリケーションを構築している場合は、Hypereal AI を確認してください。Hypereal は、生成メディア向けの従量課金制の統一 REST API を提供しており、Perplexity の検索インテリジェンスと Hypereal のメディア生成を単一のアプリケーション内で簡単に組み合わせることができます。