专题 · FULL STORY

Perplexity 开源决策模型从发布到登顶

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 Hugging Face;数日后升级版 pplx-decider-v1.1-27b 发布,并登顶 Hugging Face 新上线的 Decision Index 榜单,事件线由发布延伸至实测成绩的验证阶段。

2026-10-02 ~ 2026-10-07 · 2 集 · 16 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 开源决策模型登顶 HF Decision Index(2026-10-07,8 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 Hugging Face 新上线的 Decision Index 0.3 基准上排名第一。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。该发布获得 Perplexity 团队多位成员(antoinechaffin、AravSrinivas 等)转发扩散,成为当日开源模型圈的焦点之一。

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
  • 价格较 v1 减半,为每百万输入 token $0.02
  • 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,高出当时的第二名 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(Decision Index)刚刚上线,Perplexity 即以开源权重模型登顶,显示其在该细分方向上的快速迭代能力
  • 开放下载加上减半的 API 价格,显著降低了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