Rode o motor de respostas do Perplexica em uma base URL OpenAI personalizada.

Resposta rápida: um campo Base URL, duas gerações de configuração.

Nas versões atuais, o provedor OpenAI do Perplexica expõe exatamente dois campos obrigatórios: API Key e Base URL, editáveis na tela de configuração inicial e na UI de configurações, com mapeamentos de ambiente documentados OPENAI_API_KEY e OPENAI_BASE_URL. Defina a Base URL como https://api.apisrouter.com/v1, cole uma chave de gateway, depois adicione os chat models que você quiser pelos ids exatos do catálogo. O provedor encaminha o id do modelo como uma string simples via /v1/chat/completions, então ids Claude e DeepSeek funcionam através do slot de provedor "OpenAI". Em releases mais antigos do Perplexica (a geração config.toml, até a linha v1.10 e v1.11), o mesmo recurso é o provedor CUSTOM_OPENAI: um bloco [MODELS.CUSTOM_OPENAI] com chaves API_KEY, API_URL, e MODEL_NAME. As duas gerações estão mostradas abaixo, então combine a configuração com a versão que você realmente está rodando.

# the settings UI fields map to these documented env vars
export OPENAI_API_KEY=sk-APIsRouter-...
export OPENAI_BASE_URL=https://api.apisrouter.com/v1
# then add chat models by id in Settings, e.g. claude-sonnet-4-6

Como o Perplexica responde a uma pergunta, e onde o LLM se encaixa.

O Perplexica (ItzCrazyKns no GitHub, cerca de 36 mil estrelas) é o motor de respostas open-source mais conhecido no estilo Perplexity: ele recebe uma pergunta, roda buscas reais na web por uma instância empacotada do SearxNG, lê os resultados, e faz um LLM sintetizar uma resposta citada. Modos de busca (speed, balanced, quality) trocam profundidade de recuperação por latência, e modos de foco restringem fontes à web, discussões, ou artigos acadêmicos. Em 2026 o projeto foi renomeado Vane no upstream, com a imagem Docker seguindo o mesmo caminho; a arquitetura e o sistema de provedor vieram junto, então tudo aqui se aplica sob qualquer um dos nomes. O slot de LLM é onde a qualidade de síntese e o custo vivem. Toda resposta é uma ou mais chamadas de chat-completions carregando as fontes recuperadas como contexto, o que torna um motor de respostas uma carga de trabalho pesada em tokens de entrada: o modelo lê muito mais do que escreve. O sistema de provedor trata a OpenAI como um de vários backends (Ollama, Anthropic, Gemini, Groq, e outros), e o provedor OpenAI é o que tem uma Base URL livremente editável, o que o torna o gancho do gateway. Um comportamento que vale a pena conhecer de antemão: quando a Base URL é qualquer coisa diferente do endpoint padrão da OpenAI, o Perplexica deliberadamente mostra uma lista de modelo padrão vazia e usa as entradas de modelo que você mesmo adiciona ao provedor. Isso é intencional, já que ele não pode saber o que um endpoint personalizado serve. Adicionar claude-sonnet-4-6 ou deepseek-v4-flash como uma entrada de modelo é a segunda metade da configuração, não uma gambiarra.

Configuração completa: releases atuais e o config.toml legado.

Releases atuais configuram tudo dentro do app. Na primeira inicialização a tela de configuração pede provedores; depois os mesmos campos vivem em Settings. Selecione o provedor OpenAI, defina API Key e Base URL, depois adicione entradas de chat model com os ids que você planeja usar. Os ids precisam corresponder exatamente ao catálogo do gateway, e cada entrada que você adiciona aparece no seletor de modelo ao lado da caixa de busca. A geração legada é baseada em arquivo. Se sua instalação ainda tem um config.toml, você está na geração CUSTOM_OPENAI: preencha o bloco abaixo e reinicie o container. MODEL_NAME recebe um id de modelo, que a UI então oferece como a opção OpenAI personalizada.

[MODELS.CUSTOM_OPENAI]
API_KEY = "sk-YOUR-APISROUTER-KEY"
API_URL = "https://api.apisrouter.com/v1"
MODEL_NAME = "claude-sonnet-4-6"

Escolhendo um modelo de síntese para um motor de respostas.

Como o seletor de modelo lê qualquer entrada que você adicionou contra uma Base URL, fazer A/B de modelos de síntese é trivial: faça a mesma pergunta em duas abas com duas entradas e compare as citações. O log de uso por chave precifica as respostas de cada modelo, o que é a forma honesta de decidir se a síntese de ponta merece seus tokens na sua mistura de consultas.

• Tokens de entrada dominam. Uma resposta no modo quality pode empurrar contextos recuperados grandes para o prompt, então o preço por token de entrada do seu id define o custo de uma busca, não a resposta curta que ela escreve de volta.
• claude-sonnet-4-6 é o padrão forte para síntese citada: segue bem as instruções de fundamentação em fontes e continua coerente quando muitos trechos discordam.
• Instâncias pessoais ou de time de alto volume vão bem em claude-haiku-4-5-20251001, gemini-3.5-flash, ou deepseek-v4-flash: as respostas continuam fundamentadas e o custo por busca cai o suficiente para deixar o modo quality ligado.
• Mantenha um id de ponta como uma segunda entrada. Entradas de modelo ficam lado a lado no seletor, então escalar uma pergunta difícil para gpt-5.5 é uma troca de dropdown, não uma edição de configuração.
• O modo de foco acadêmico premia modelos de contexto longo, já que resumos e trechos de artigos são mais volumosos que snippets da web.

Pague pelo uso · abaixo do preço oficial

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Modos de falha específicos do Perplexica.

A lista de modelo vazia é o clássico. Você define a Base URL, o seletor fica em branco, e parece quebrado. Não está: com uma Base URL não padrão, o Perplexica lista só as entradas de modelo que você adiciona ao provedor. Adicione seus ids e eles aparecem. Embeddings são um slot separado. O Perplexica usa modelos de embedding para reranking de resultado, e o provedor OpenAI serve embeddings da mesma Base URL e chave. Se seu gateway não serve o id de embedding que você configura ali, o reranking quebra enquanto as respostas de chat continuam funcionando. A separação limpa é manter embeddings no provedor local Transformers, que roda na máquina sem nenhuma API, e rotear só a síntese de chat pelo gateway. A renomeação atrapalha guias. Perplexica e Vane são o mesmo projeto; tutoriais antigos referenciam a imagem Docker perplexica e o config.toml, builds atuais vêm como vane com configurações no app e um volume de dados persistente. Se sua instalação não tem config.toml, não crie um, ele não é lido; configure pela UI ou pelas variáveis de ambiente documentadas em vez disso. O SearxNG é independente. Se as respostas degradam ou as buscas não retornam nada, isso é o container do SearxNG ou sua configuração de formato JSON, não o endpoint do LLM. A Base URL só move chamadas de chat e embedding.

Quem roteia o Perplexica por um gateway.

• Auto-hospedeiros substituindo uma assinatura do Perplexity que querem síntese com qualidade de ponta por busca a preços de token, com uma chave em vez de uma conta de fornecedor por família de modelo.
• Times rodando um motor de respostas compartilhado, onde o log de uso por chave transforma "quanto a busca nos custa" em um número por modelo.
• Configurações focadas em privacidade que mantêm a recuperação totalmente local (SearxNG mais embeddings locais) e roteiam só a chamada de síntese final para fora por um endpoint auditável.
• Curiosos comparando modelos de síntese em perguntas idênticas: cada candidato é uma entrada de modelo contra a mesma Base URL.
• Desenvolvedores sem acesso ao faturamento de um determinado fornecedor. O acesso baseado em recarga sem exigência de cartão remove a dependência de cadastro por provedor.

Verifique o endpoint e depure a primeira busca.

Confirme que o gateway serve os ids que você adicionou antes de culpar o app; as entradas no provedor precisam corresponder exatamente à saída de /v1/models. Falhas na primeira execução seguem um padrão. "No chat model providers configured" significa que os campos do provedor não salvaram ou a lista de modelo ainda está vazia; adicione pelo menos uma entrada de chat model. Um 401 nos logs do servidor significa que a chave não corresponde ao endpoint no campo Base URL. Um erro model-not-found é um erro de digitação de id em uma entrada de modelo. Erros de reranking com respostas funcionando apontam para o slot de embedding, onde o provedor local Transformers te salva. E se nada mudou depois de editar variáveis de ambiente, lembre que a configuração persiste no volume de dados; campos já salvos na UI vencem uma mudança de ambiente posterior, então edite-os em Settings. Assim que as buscas fluem, o console da APIsRouter mostra modelo, contagens de token e gasto por requisição. Motores de resposta são pesados em entrada, e ver o número real de tokens por busca para sua mistura de consultas supera qualquer estimativa.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -50

Perguntas frequentes