Perplexity vydává modely Decider V1.3 s extrakcí úseků textu

Perplexity vydala 12. listopadu 2026 modely Decider v1.3 a Decider Flash v1.3, které přinášejí extrakci doslovných úseků textu a váhy Apache-2.0 ke stažení. Společnost uvádí u většího modelu průměrnou přesnost 91,6 % v 63 úlohách klasifikace dotazů, jejichž referenční označení nezávisle znovu posoudil špičkový LLM; to je o 6,54 procentního bodu více než u jejích produkčních klasifikátorů.

Nová funkce Locate vrací přesně odpovídající text spolu s počáteční a koncovou pozicí znaků pro rozpoznávání pojmenovaných entit, detekci osobních údajů a extraktivní odpovídání na otázky; pokud se shoda nenajde, vrátí prázdný seznam. Oba modely jsou dostupné také prostřednictvím OpenRouter a API Decisions od Perplexity.

Decider vrací pravděpodobnosti pro otázky s odpovědí ano/ne, vlastní možnosti nebo uspořádaná skóre namísto generování souvislého textu. Aplikace může položit několik otázek týkajících se stejného textu, JSON nebo obrázků a použít získaná čísla ke klasifikaci, směrování požadavků, moderování, filtrování, hodnocení výstupů a změně pořadí výsledků. U těchto úloh je často potřeba rozhodovací práh, nikoli volné generování textu.

Změny architektury a trénování

Decider přizpůsobuje generativní základní modely tak, že výstup dalšího tokenu nahrazuje rozhodovací hlavou, která se čte na značkovacím tokenu. Hlava vychází pouze z řádků základního modelu odpovídajících tokenům možností odpovědi. Ve verzi v1.3 Perplexity mění vrstvy plné pozornosti na obousměrné a otázky navzájem izoluje, aby si přímo nevěnovaly pozornost, zároveň však umožňuje sdílenému vstupnímu stavu, aby otázkám pozornost věnoval. Tím nahrazuje uspořádání ve verzi v1.2, v němž se odpověď mohla měnit podle toho, na co dalšího se model ptal; cílem je zajistit stabilnější odpovědi.

Při trénování se stovky veřejných datových sad převádějí do jednotného formátu, který zahrnuje stav, otázku, možnosti a cílovou hodnotu. Při dolaďování univerzálního modelu se vynechávají trénovací části benchmarků a Perplexity uvádí, že odstraňuje také vzorky, které by se mohly překrývat s jejími hodnoticími sadami. Při následném přizpůsobování pro konkrétní obory a práci s obrazem se používá LoRA, metoda, která ponechává předtrénované váhy zmrazené a trénuje vložené matice nízkohodnostního rozkladu. Perplexity používá vážené slučování adaptérů, aby omezila odchylky, a pro textové fáze průměruje váhy ze tří běhů.

Model Flash se následně destiluje z většího modelu; pomocí divergence KL se snižuje rozdíl mezi jeho výstupními pravděpodobnostmi a pravděpodobnostmi učitelského modelu, místo aby se učil pouze z referenčních štítků. Karta modelu Decider v1.3 uvádí základní model Qwen3.8-27B a přibližně 49 GiB vah BF16; karta modelu Decider Flash v1.3 uvádí Qwen3.5-4B a přibližně 8,5 GiB. Pro vlastní provoz kteréhokoli z modelů je potřeba GPU s CUDA a operační paměť navíc k paměti zabrané samotnými váhami, takže Flash má nižší hardwarové nároky.

Omezení funkce Locate při zpracování požadavků

Funkce Locate pracuje pouze s textem a na jeden požadavek může zpracovat nejvýše 128 dotazů Locate. Požadavky kombinující Locate s rozhodovacími otázkami vyžadují samostatný průchod modelem pro každý typ, což zvyšuje latenci oproti požadavkům obsahujícím pouze jeden typ.

Perplexity ponechává adaptéry Locate nesloučené, protože jejich sloučení zhoršovalo výsledky u běžných rozhodovacích požadavků; aktivují se pouze u požadavků Locate. Toto řešení zachovává dosavadní chování při rozhodování, ale úlohy kombinující oba typy nemohou plně sdílet stejné výpočty.

Hodnocení a produkční využití

Interní hodnoticí sada Perplexity obsahuje více než 200 úloh, které se spouštějí bez ukázek a bez dolaďování pro konkrétní úlohy. Veřejné žebříčky doplňuje o soukromé produkční úlohy a o hodnocení na vyčleněných datech z veřejných datových sad, které nejsou benchmarky, aby ověřila zobecnitelnost i mimo známé hodnoticí sady.

V 72 úlohách vyhledávání uvádí společnost u bezukázkového bodového přeuspořádávání průměrné nDCG@10 ve výši 83,99. V tomto přístupu se každá dvojice dotazu a dokumentu hodnotí samostatně; výsledek je o 1,81 bodu vyšší než u modelu Qwen3-Reranker-8B.

Pro produkční ověření Perplexity odebrala vzorek jednoho milionu deduplikovaných požadavků API, z nichž byly skryty osobní údaje, za prvních 18 dnů dostupnosti API. Vzorek zahrnoval 2 318 887 jednotlivých otázek; všechny byly zahrnuty s výslovným souhlasem uživatelů pro výzkumné účely. Referenční odpovědi poskytli rozhodčí z řad špičkových LLM, protože produkční požadavky nemají štítky se správnými odpověďmi.

Perplexity uvádí, že model v1.3 dosáhl s těmito rozhodčími shody 93,98 %, zatímco model v1.2 dosáhl 93,68 %. Rozdíl je mírný a tato metrika vyjadřuje shodu s referencemi vytvořenými modely, nikoli přesnost ve srovnání se štítky se správnými odpověďmi.

U stejného vzorku požadavků uvádí Perplexity náklady 26,47 $ za Decider v1.3 a 13,24 $ za Flash. Decider běžel lokálně; srovnání neuvádí, jak jsou do nákladů započítány místní hardwarové náklady, ani neposkytuje srovnatelné výsledky latence. Čísla proto popisují tuto konkrétní zátěž, nikoli univerzální výhodu z hlediska nákladů nebo rychlosti.

Perplexity používá Decider také offline k prověřování bezpečnostních protokolů agentů a hledání přehlédnutých problémů i falešných poplachů. Během jednoho hlášeného dne zpracoval 1 miliardu tokenů napříč 7 000 relacemi agentů a odhalil nedostatky, které vedly k návrhu 14 úprav pravidel; šest z nich bylo schváleno a nasazeno během dvou dnů. Při opětovném přehrání týdenních protokolů s těmito úpravami klesl objem nejvytíženějšího pravidla o 52 %, zatímco rozšířená pravidla zachytila přibližně o 40 % více legitimních akcí k prověření.

Druhý interní systém uchovává pravděpodobnosti týkající se selhání při posilovaném učení a interpretací agentů, takže lze měnit prahy, aniž by bylo nutné zadávat nové dotazy modelu Decider. Pouze pozoruje a diagnostikuje, nikdy nemění odměny ani nezastavuje běhy. Decider také při jednom průchodu filtruje nekvalitní stránky získané procházením webu a zároveň vyhodnocuje jejich cílové publikum, doménu, škodlivý či nezákonný obsah a osobní údaje.

Perplexity doporučuje kalibrovat rozhodovací prahy na reprezentativních příkladech s přiřazenými štítky, protože četnost štítků i náklady na falešně pozitivní a falešně negativní výsledky se liší podle aplikace. Plnou verzi modelu doporučuje pro nuancované úsudky, při nichž jsou chyby nákladné, a Flash pro úlohy s vysokým objemem, které jsou omezeny latencí a náklady.

Široký záběr modelu Decider je tedy vykoupen nároky na nasazení: tytéž pravděpodobnosti, díky nimž lze model znovu použít napříč úlohami, stále vyžadují prahy specifické pro danou aplikaci a rozšířená schopnost modelu Locate extrahovat informace přináší u smíšených požadavků další výpočetní zátěž.