专题 · FULL STORY

Perplexity 决策模型:从开源到双榜登顶

10 月初 Perplexity 宣布开源多模态决策模型 pplx-decider-v1-27b,数日后推出基于 Qwen3.8-27B 微调的 v1.1-27b,登顶 Hugging Face 决策基准双榜且推理成本最低,成为开源决策模型的新焦点。

2026-10-02 ~ 2026-10-10 · 3 集 · 27 条

第 1 集 · Perplexity 开源 27B 多模态决策模型(2026-10-02,8 条)

10 月 2 日,Perplexity CEO Arav Srinivas 宣布开源多模态决策模型 pplx-decider-v1-27b,权重上传至 Hugging Face(仓库 perplexity-ai/pplx-decider-v1-27b),同时通过 Decisions API 提供调用,输入价每百万 token 仅 $0.04,输出 tokens 免费。与传统语言模型不同,该模型不生成文本,而是输出固定答案集上的概率分布,定位为面向软件系统的决策组件,值得关注之处在于它把 LLM 能力压缩为可编程的结构化输出。

已确认

  • 模型名为 pplx-decider-v1-27b,约 27B 参数。据 rm-rf-rm 与 inductionheads 的说法,该模型基于 Qwen3 27B 微调;jedisct1 转述其基于 Qwen3.8-27B,上下文窗口 250k;inductionheads 将其定位为「生成式判别器」(generative discriminator)
  • 支持多模态理解:据 victormustar、Maziyar Panahi 对 Hugging Face 模型卡与 chat template 的检查,模型可处理图像与视频输入
  • 据 Perplexity 研究者 denisyarats 介绍,Decisions API 底层即该模型,可读取文本、JSON 或图片,返回带概率的结构化答案而非生成文字,供软件直接使用
  • 输入定价 $0.04/百万 token(4 美分),输出 tokens 免费
  • 发布帖未附带基准成绩或技术细节

为什么重要

  • 决策模型将 LLM 能力压缩为可编程的概率输出,省去解析自由文本的步骤,适合直接嵌入软件工作流
  • 开源权重加低价 API 的组合,降低了开发者在路由、分类、选择等场景的试用门槛;victormustar 将其视为同类决策模型(Jev 一系)的又一替代选择

第 2 集 · Perplexity 开源决策模型 Decider v1.1,双榜登顶且成本最低(2026-10-07,16 条)

Perplexity 于 10 月 7 日发布开源权重多模态决策模型 pplx-decider-v1.1-27b,在新上线的 Hugging Face Decision Index 0.3 基准上取得第一;10 月 9 日 CEO Arav Srinivas 宣布该模型在另一个开源基准 DecisionBench 上同样排名第一且成本最低。权重已在 Hugging Face 开放下载,API 输入价格降至 v1 的一半,为每百万输入 token $0.02(输出免费),并已上架 OpenRouter。

已确认

  • Perplexity 发布开源权重多模态决策模型 pplx-decider-v1.1-27b,在 Hugging Face Decision Index 0.3 基准上得分最高,API 同步可用,并已上架 OpenRouter(AravSrinivas、perplexityai、gaganghotra 等多人转述)
  • 价格较 v1 减半,为每百万输入 token $0.02,输出免费
  • 临床决策评测中 669 题答对 643,超过闭源对手 Jev 的 628 题,成本低约 42%(AravSrinivas 宣布,inductionheads、bowangbo 等转述)
  • 10 月 9 日,AravSrinivas 宣布 Decider V1.1 在 DecisionBench 上排名第一且成本最低:93.9% 准确率、534ms 延迟。DecisionBench 是一个用真实记录构造的小模型「有界决策」开源基准,覆盖工程、agent、客服、金融、法律等场景,公开准确率/延迟/成本并可复现
  • 工作方式与常规生成模型不同:该模型不生成文本,而是读取以 text/JSON/图像形式传入的内容,单次请求返回带概率的类型化决策结果,适用于分类/路由类决策任务
  • 团队成员 antoinechaffin 介绍,模型经一个周末的 sprint 从 v1 迭代而来;同一 backbone 在 Decision Index v0.2 上将分数从 56.4 提升至约 61.5,高出当时的第一名 Jev 约 3.5 分,随后发布的 v0.3 榜单上该模型直接登顶
  • 模型已在 Hugging Face 公开可下载,也可通过 API 以极低成本使用;antoinechaffin 特别感谢 multimodalart 搭建评测与排行榜,并在团队提交 v0.2 时协助跑分

为什么重要

  • 决策类模型的专用基准刚刚兴起(Decision Index 与 DecisionBench),Perplexity 即以开源权重模型在两个基准上同时登顶且成本最低,显示其在该细分方向上的快速迭代能力
  • 开放下载叠加减半的 API 价格与 OpenRouter 等多渠道接入,显著降低高性能决策模型的使用门槛,对开发者和成本敏感场景有直接吸引力

第 3 集 · Perplexity 决策模型登顶 DecisionBench 且成本最低(2026-10-09,3 条)

Perplexity 在 Hugging Face 上传决策模型 pplx-decider-v1.1-27b,基于 Qwen3.8-27B 微调并迅速登上趋势榜。该模型在 DecisionBench 排行榜登顶,1071 个真实案例中达到 94.5% 准确率,千次决策成本仅约 0.017 美元,同时是榜上成本最低的模型,展现出小模型在决策任务上的高性价比。