Perplexity 发布 Decider v1.3 开放权重决策模型，新增 Locate 文本片段抽取

Perplexity 推出 Decider v1.3 决策模型

Perplexity 发布了 pplx-decider-v1.3 与 pplx-decider-flash-v1.3，这是其开放权重决策模型的最新版本。据 MarkTechPost 报道，Decider 不生成文本，而是针对文本或图像输入返回各选项的概率，用于回答是/否、多选与打分类问题。本次主要新增 Locate 功能，可按字段类型或自然语言指令抽取精确的原文片段，并给出起止字符偏移。权重以 Apache 2.0 协议发布于 Hugging Face，同时可在 Perplexity Decisions API 与 OpenRouter 上调用。

背景与影响

据素材，Decider 的思路受 TypeSafe 的 Jev 启发：把生成式大模型改造成分类器，输出层从基座模型的 LM head 裁剪到选项 token，再由线性决策头读取隐藏状态并输出选项概率。v1.3 调整了问题之间的注意力方式——状态可见全部问题，而每个问题只可见状态与自身，以减少答案漂移。Locate 面向命名实体识别、PII 检测与抽取式问答，通过新增的 <|locate|> token 配合 span head 与 LoRA 适配器实现。Perplexity 自报的评测中，v1.3 在 63 项查询分类任务上平均准确率为 91.6%，Locate 在 17 项域外任务上平均 69.0，为其绝对分数最低的一项；Flash 在金融、编程与法律领域落后于 Jev 1.14。

限制与来源

需注意，上述性能数字均为 Perplexity 自行报告，尚未经独立复现。素材称文档标注 v1.3 为 27B、Flash 为 4B，而 Hugging Face 页面列出 26B 与 5B，存在口径差异；本地运行需 CUDA GPU，BF16 权重分别约 49 GiB 与 8.5 GiB，且暂无量化版本。API 输入上限为 256K token，本地默认 32,768。价格、可用地区与部署方式请以 Perplexity 官网及模型卡当前信息为准。本文来源为 MarkTechPost 报道。