Perplexity 开源决策模型 Decider 1.3：新增文本定位功能

事件经过

决策模型是一类通用分类器：给定一段输入与若干问题，每个问题附带可选答案，模型在一次前向计算中返回每个答案的概率，支持是非判断、多选与评分三类问题。Perplexity 称，这类任务过去常由生成式大模型处理，但并不需要逐字生成文本，决策模型把共享计算用在多个问题上，避免逐 token 解码。

v1.3 的主要新增功能是 locate：按字段名或指令从输入中抽取完全一致的原文片段，并返回起止字符位置，用于命名实体识别、个人信息识别与抽取式问答；没有匹配时返回空列表。locate 仅支持文本，单次请求最多 128 个 locate 问题。

两款模型的参数规模不同：Decider 1.3 基于 Qwen3.8-27B，BF16 权重约 49 GiB；Decider Flash 1.3 基于 Qwen3.5-4B，约 8.5 GiB，由大模型以 KL 散度蒸馏得到。两款模型同时上架 OpenRouter 与 Perplexity 的 Decisions API，上下文 26.2 万 token；OpenRouter 上的免费版有效期至 11 月 19 日。

评测数字

在 63 项分类任务上，Decider 1.3 的平均准确率为 91.6%，高于 Perplexity 生产环境分类器 6.54 个百分点；在七个领域（事实核查、医疗、网络安全、编程、政府、法律、金融）的自建评测中，Decider 1.3 全面领先 TypeSafe 的 Jev 1.14，金融领域领先最多 12.9 个百分点，法律领域 9.3 个百分点。

在 100 万次真实 API 请求样本上，v1.3 与前沿模型评委的一致率为 93.98%，略高于 v1.2 的 93.68%。Decisions API 的定价为每百万输入 token 0.02 美元（v1.3）与 0.01 美元（Flash）。Perplexity 同时提醒，公开榜单可能被反复提交刷分，其内部评测全部采用零样本设置。

关键事实

1. 发布：Perplexity 11 月 12 日发布 Decider 1.3 与 Decider Flash 1.3，接替 v1.2 与 Flash v1.2
2. 定位：决策模型不生成文本，返回是非、多选或评分问题的概率分布，单次前向计算回答多个问题
3. locate：新增功能，按字段名或指令抽取完全一致的原文片段并返回起止位置；仅支持文本，单次请求最多 128 个 locate 问题
4. 规模：Decider 1.3 基于 Qwen3.8-27B，BF16 权重约 49 GiB；Flash 基于 Qwen3.5-4B，约 8.5 GiB，KL 散度蒸馏得到
5. 开放：权重以 Apache 2.0 许可证在 Hugging Face 开放；同时上架 OpenRouter 与 Decisions API，上下文 26.2 万 token
6. 评测：63 项分类任务平均准确率 91.6%，高于生产环境分类器 6.54 个百分点；100 万次真实请求样本与前沿模型评委一致率 93.98%