原始公开日期:2026-11-12。Perplexity发布pplx-decider-v1.3与pplx-decider-flash-v1.3,定位为通用决策和分类模型:输入状态、问题与候选答案后,返回各答案的概率分布,可用于二分类、多分类、等级评分、请求路由、内容审核和检索重排。Flash版本由较大模型蒸馏而来。

本次最明确的功能增量是locate。它不只在预定义选项中选择,而是从原始输入抽取匹配文本,返回起止字符位置和置信信息,可面向命名实体、个人信息识别和抽取式问答。locate与分类、打分可以在同一输入上组合,适合把“是否存在风险”和“风险文本在哪里”放入一次处理流程。

官方技术说明称,模型采用双向注意力、改进数据整理和多阶段训练;locate使用独立跨度头和适配器,普通决策请求时不启用。Perplexity坦言,把locate适配器直接合并进骨干会使决策任务出现回退,因此当前保持分离。这一限制意味着部署者需要验证两种请求路径和适配器切换,而非假设单一服务配置即可等价运行。

Perplexity报告,在63个由前沿模型重新标注参考答案的分类任务上,Decider v1.3平均准确率为91.6%,比其生产分类器高6.54个百分点;在72个检索任务上平均nDCG@10为83.99。上述数据是厂商自建评测和自测结果,不是独立验证,任务重标注方式、领域分布与真实流量仍需结合具体用途评估。

模型通过Perplexity Decisions API、OpenRouter和Hugging Face提供,官方称采用Apache-2.0许可。Hugging Face模型卡显示本地BF16运行约需49 GiB权重空间及额外工作内存,并且仓库需要具备访问权限的令牌;“开放权重”不等于匿名下载或完整训练数据开放。部署前还应检查输入长度、并发序列化和特殊标记处理限制。

量仔观察

这次更新对构建分类、路由、审核、提示注入检测和结构化抽取管线的研发团队最有价值。证据包括官方训练说明与模型卡,但性能尚缺独立复测。读者可在自身类别分布和失败成本下做校准、阈值和locate边界测试;下一观察点是第三方评测、访问条件变化及locate适配器能否无损合并。