Perplexity выпустила открытые модели Decider v1.3 для классификации и извлечения
12 ноября 2026 года Perplexity опубликовала технический обзор Decider v1.3 и компактной версии Decider Flash v1.3. Это специализированные модели для задач, где системе нужно оценить варианты ответа, присвоить класс или выделить конкретный фрагмент исходного текста, а не развернуто вести диалог. В версии 1.3 появилась функция locate, которая возвращает найденный текст и его символьные границы. Компания сообщает о выпуске весов на Hugging Face по лицензии Apache и доступности через OpenRouter и Decisions API. Все бенчмарки и производственные измерения в статье являются оценками Perplexity; пригодность модели для отдельного рабочего набора ими не гарантируется.

Что изменилось
Decider отвечает в структуре решения, а не свободным абзацем
Perplexity описывает Decider как модель для классификации и оценки по заданным вариантам. Запрос содержит общее состояние, например документ, и одно или несколько вопросов с фиксированными ответами. Модель возвращает оценку вариантов и может выполнять несколько задач относительно общего входа. Такой формат подходит для маршрутизации, проверки соответствия правилам, анализа тональности или поиска релевантного документа, если схема заранее описана. Он не заменяет универсальную генеративную модель во всех сценариях: свободное объяснение, длинное рассуждение или создание нового текста могут потребовать другого инструмента. Разработчику нужно задать определения классов и поведение при неоднозначном запросе.
В версии 1.3 добавили извлечение точного фрагмента
Новая функция locate принимает короткую метку либо инструкцию вроде «извлеки город» и возвращает исходный текст вместе с начальной и конечной символьной позицией. Если нужной информации нет, модель должна вернуть пустой список, а не сочинить значение. Perplexity говорит, что locate можно использовать вместе с классификацией и оценкой в одном запросе к общему состоянию. Это может упростить структурированное извлечение именованных сущностей из счетов, резюме или договоров. Однако точное совпадение границ нужно проверять, особенно при повторяющихся значениях, таблицах и многоязычных документах. Пустой результат также надо отличать от ошибки разбора входа.
Компания выпустила большую и компактную версии
В техническом описании Decider v1.3 основывается на backbone около 27 млрд параметров, а Decider Flash v1.3 - на компактном варианте примерно 4 млрд параметров. По словам команды, меньшую модель обучали с использованием дистилляции от крупной. Уровень качества и ограничения могут различаться между версиями: Perplexity отмечает, что Flash уступает большому Decider в некоторых доменах, включая финансы, программирование и право. Поэтому Flash может быть удобна для массовой маршрутизации и фильтрации, а крупная модель - для тонких оценок. Окончательный выбор требует одновременной проверки качества, скорости, затрат и доступной инфраструктуры.
Опубликованы тесты классификации, ранжирования и извлечения
Perplexity приводит результаты на внешних и внутренних наборах, в том числе классификации, поисковом reranking, многоязычных заданиях и извлечении фрагментов. В статье отдельно раскрывается методика: часть ссылочных ответов в некоторых оценках была размечена другой моделью, а производственные запросы не имеют истинных меток, поэтому для них использовались LLM-судьи. Авторы также отмечают, что публичные таблицы лидеров подвержены подгонке. Это важные ограничения при чтении высоких процентов: результаты не являются независимой проверкой и могут зависеть от состава задач и оценивания. Для своей организации следует собрать реальные пограничные примеры и ручные эталонные ответы.
Для практического применения доступны несколько каналов
Perplexity сообщает о доступности скачиваемых весов на Hugging Face под лицензией Apache, а также о доступе через OpenRouter и собственный Decisions API. Разработчик может выбрать локальный запуск или управляемый API, в зависимости от требований к задержке, вычислительным ресурсам и обработке данных. Перед использованием нужно проверить точные условия лицензии выбранных весов, формат модели, совместимость с runtime и стоимость облачного интерфейса. Для локального варианта важно тестировать именно опубликованный checkpoint и измерять его на той аппаратуре, которая будет в эксплуатации. Сам факт открытых весов не означает, что инференс бесплатен: остаются вычислительные и эксплуатационные расходы.
Что это дает пользователю
Функция locate возвращает исходный текст и границы найденного фрагмента.
Две размерности модели позволяют выбирать между сложными оценками и массовой фильтрацией.
Открытые веса и API расширяют варианты размещения.
Что нужно учитывать
Бенчмарки и оценка производственных запросов опубликованы самой Perplexity.
Компактная версия уступает большой модели на ряде доменов.
Скачиваемые веса не устраняют затраты на вычисления и локальную эксплуатацию.
Коротко
Decider v1.3 предназначена для структурированных решений и извлечения, а не для замены любого чат-бота. Открытые веса расширяют возможности развертывания, но качество следует оценивать на собственных данных и с учетом ограничений опубликованных тестов.
