2026-11-13 · 来源：MarkTechPost
Perplexity开源决策模型Decider v1.3：支持按字符偏移抽取精确文本段，可用于NER与PII检测，Apache 2.0许可。
Perplexity发布开源决策模型家族新版Decider v1.3与Decider Flash v1.3。与生成式大模型不同，Decider不产出文本，而是对文本或图像输入回答是非题、多选题与打分题，返回每个标注选项的概率；每次请求携带一份共享状态加若干问题，思路与TypeSafe的Jev一脉相承。新版基于Qwen3.8-27B（Hugging Face标注26B），Flash版基于Qwen3.5-4B（标注5B）。
v1.3的头号新功能是Locate文本定位：按短标签或自由指令抽取精确文本段并给出起止字符偏移，面向命名实体识别（NER）、PII敏感信息检测与抽取式问答，仅限文本输入。实现上是每个字段新增一个locate标记、外挂一个区间头与LoRA适配器，骨干与决策头保持冻结；适配器刻意不合并且合并会损害决策准确率。基准中Locate平均69.0分（Flash 63.6），远超GLiNER large v2.5的33.6，但也是v1.3最弱的一项。
架构上，团队把生成式LLM改造成分类器：LM头裁剪到只剩选项token，线性决策头读取标记位置的隐状态输出概率，全注意力层改为双向（消融显示有益）；v1.3还调整了跨问题注意力——共享状态可见所有问题，问题之间互不可见，全部问题仍在一次前向中跑完。训练分三阶段：公开数据全量微调、LoRA特化、LoRA视觉适配，权重按3个随机种子平均；Flash用KL散度从大模型蒸馏而来。
官方自报基准：63项任务查询分类平均准确率91.6%；72项检索与重排任务nDCG@10均值83.99，领先Qwen3-Reranker-8B与Jev 1.14；19项任务8种语言的多语言准确率88.16%（Flash 86.50%，Jev为85.41%）；图像分类76.99%；与前沿LLM裁判在100万条真实请求、230余万个问题上的判罚一致率93.98%；鲁棒性上答案翻转率仅0.27%（Jev 1.14为2.69%至4.84%）。Flash在金融、编程与法律三类任务上落后Jev。
权重以Apache 2.0上架Hugging Face，也接入Perplexity Decisions API与OpenRouter。本地部署需CUDA GPU：v1.3的BF16权重约49GiB，Flash约8.5GiB；API输入最多约256K token（本地默认32768）。定价为输入每百万token 0.02美元（Flash 0.01美元）、输出免费，每百万次生产请求约26.47美元，不到Jev 1.14（68.10美元）的一半。官方建议：精细化量规决策用v1.3，高并发路由、分类与抽取用Flash。需注意所有成绩均为官方自报。
萬安算交所 AIXX · 萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅