音乐推荐通常像层层筛选：十几套系统先各自挑歌，再经过预排序和最终排序，才决定下一首播什么。Yandex Music团队称，Sona用一个端到端Transformer——擅长理解行为序列的神经网络——统一接管了原有15种以上候选生成器及多级排序。候选生成器负责从曲库里初选歌曲，端到端则让同一个模型直接完成整套决策。
Sona最多读取8192次播放、跳过等历史事件。为避免处理长记录的成本过高，团队把较早的6144次与最近的2048次行为分块交换信息，随后主要计算近期部分，据称可将推断成本大致减半，同时保留大部分完整计算的效果。在智能音箱端为期7天、每组覆盖15%用户的A/B测试中，作者报告活跃用户增加4.53%，总收听时长增加6.30%，均达到统计显著。不过它尚未覆盖全部流量，曲库覆盖率也低于原系统，长期测试仍在进行。