Perplexity выпустила модель для принятия решений и сравнила её с Jev

Perplexity выпустила Decisions API и открытую мультимодальную модель pplx-decider-v1-27b, предназначенную для быстрого выбора между заранее заданными вариантами. Это отдельный класс моделей для задач классификации и принятия решений, который может быть полезен при построении ИИ-агентов.

Что умеет pplx-decider-v1-27b

Модель дообучена на Qwen3.8-27B и рассчитана не на генерацию длинных текстовых ответов, а на выбор одного из предложенных вариантов. Например, ей можно передать обращение клиента и список отделов, после чего модель определит, куда его направить.

Результатом становится выбранная категория и вероятность для каждого доступного варианта. Такой формат подходит для сценариев, где от модели требуется конкретное решение, а не развернутое объяснение.

pplx-decider-v1-27b также поддерживает ответы в формате «да» или «нет», оценки по заданной шкале и работу с изображениями.

Зачем такие модели нужны ИИ-агентам

Подход особенно интересен для систем, которым приходится постоянно принимать небольшие решения в процессе работы. Вместо того чтобы сначала генерировать текст, а затем отдельным этапом разбирать его и определять нужное действие, специализированная модель сразу возвращает один из заданных вариантов.

В ИИ-агенте это может использоваться, например, для выбора инструмента, маршрутизации задачи или проверки результата по заранее определенным критериям. Такой подход позволяет формализовать решения там, где набор возможных действий известен заранее.

Стоимость и открытые веса

Perplexity установила цену в $0.04 за миллион входных токенов. Выходные токены предоставляются бесплатно.

Веса pplx-decider-v1-27b опубликованы на Hugging Face под лицензией Apache 2.0, поэтому модель можно запускать самостоятельно.

Исходная модель доступна на Hugging Face: https://huggingface.co/perplexity-ai/pplx-decider-v1-27b

Результаты сравнения с Jev

В собственном наборе из 11 тестов Perplexity получила для pplx-decider-v1-27b средний результат 85.71%, тогда как Jev показал 84.51%.

При этом новая модель не превосходит Jev во всех отдельных тестах: на части из них Jev остается лучше. Поэтому приведенные результаты показывают преимущество по среднему показателю именно в этом наборе испытаний, а не полное превосходство одной модели над другой.