Perplexity kertoi 12. marraskuuta blogissaan julkaisseensa kaksi uutta päätösmallia. Decider v1.3 perustuu Qwen3.8-27B-malliin. Pienempi Decider Flash v1.3 on koulutettu Qwen3.5-4B:n pohjalta jäljittelemään suuremman mallin vastauksia.

Malli ei kirjoita vastausta vaan antaa todennäköisyydet. Sille annetaan teksti tai kuva sekä kysymyksiä vastausvaihtoehtoineen. Kysymys voi olla kyllä tai ei -valinta, monivalinta tai järjestetty asteikko. Perplexity käyttää mallia itse esimerkiksi verkkosivujen laadun suodattamiseen ja agenttien tietoturvalokien tarkistamiseen.

Miten Decider toimii

Perplexity tekee suuresta kielimallista luokittelijan. Seuraavan tokenin ennustamisen korvaa päätöspää, joka lukee vastauksen erityisen merkkitokenin kohdalta. Osa mallin kerroksista lukee syötettä molempiin suuntiin. Versiossa 1.3 kysymykset eristettiin toisistaan, jotta vastaus riippuisi vähemmän siitä, mitä samalla kysytään.

Hugging Facen mallikortin mukaan mallin ohjelmakirjasto ajaa oletuksena kuitenkin jokaisen kysymyksen erikseen. Tällöin muut kysymykset eivät vaikuta vastaukseen. Koulutuksessa käytetty yhteinen ajo on halvempi, kun monella kysymyksellä on sama pitkä syöte, mutta kortin mukaan siinä 1,5–2,2 prosenttia kärkivastauksista poikkeaa oletustilasta.

Uusi Locate-toiminto poimii pyydetyt kohdat, kuten henkilönimet tai henkilötiedot, sanatarkasti merkkipaikkoineen. Perplexity pitää toiminnon erillisenä lisäosana, koska sen yhdistäminen malliin heikensi tavallisia luokitteluvastauksia. Locate toimii vain tekstillä. Jos pyynnössä on sekä poiminta- että luokittelukysymyksiä, malli tarvitsee kummallekin oman laskentakierroksen, mikä lisää viivettä.

Yhtiön omat tulokset

Luvut ovat Perplexityn omia mittauksia. Unite.AI:n uutinen perustuu yhtiön blogiin eikä vahvista niitä riippumattomasti.

Perplexity testasi hakutulosten uudelleenjärjestystä 72 tehtävällä. Mittarina oli nDCG@10, joka kertoo, kuinka hyvin osuvimmat tulokset nousevat kymmenen kärkeen. Decider v1.3 sai keskimäärin 83,99 pistettä. Se on 1,81 pistettä enemmän kuin Qwen3-Reranker-8B ja 2,24 enemmän kuin TypeSafe AI:n Jev 1.14, jonka Perplexity mainitsee Deciderin esikuvaksi.

Hakukyselyjen luokittelussa 63 tehtävässä keskimääräinen tarkkuus oli 91,6 prosenttia. Tulos on 6,54 prosenttiyksikköä parempi kuin Perplexityn nykyisillä luokittelijoilla, mutta oikeat vastaukset oli merkinnyt suuri kielimalli. Miljoonan oikean API-pyynnön otoksessa v1.3 oli kielimalliarvioijien kanssa samaa mieltä 93,98 prosentissa kysymyksistä, v1.2 93,68 prosentissa ja Jev 1.14 93,35 prosentissa. Luku mittaa yhtäpitävyyttä toisen mallin kanssa, ei osumista varmistettuun oikeaan vastaukseen.

Unite.AI:n mukaan Perplexity ilmoitti saman otoksen kustannukseksi 26,47 $ v1.3:lle ja 13,24 $ Flashille. Decider ajettiin omilla laitteilla. Luvuista ei selviä, miten laitteistokulut laskettiin, eikä viivettä mitattu rinnakkain.

Saatavuus ja vaatimukset

Perplexityn mukaan mallit voi ladata Hugging Facesta Apache-lisenssillä, ja niitä voi käyttää myös OpenRouterin ja yhtiön Decisions API:n kautta. Ennen julkistusta 10. marraskuuta luodussa mallikortissa repositorio kuitenkin mainitaan yksityiseksi, ja lataaminen vaatii tunnuksen, jolla on pääsy siihen.

Suuri malli tarvitsee CUDA-yhteensopivan GPU:n, jossa on tilaa noin 49 GiB:n BF16-painoille ja työmuistille. Mallikortin mukaan v1.3 vaatii oman pyyntömuotonsa: aiempien versioiden kehotemuotoa ei pidä käyttää uudelleen, koska vastaukset muuttuvat. Perplexity neuvoo säätämään päätösrajat pienellä omalla merkityllä aineistolla, koska sopiva raja vaihtelee käyttötarkoituksen mukaan.