Perplexity lanza los modelos Decider V1.3 con extracción de fragmentos de texto

Perplexity lanzó Decider v1.3 y Decider Flash v1.3 el 12 de noviembre de 2026, con extracción literal de fragmentos de texto y pesos Apache-2.0 descargables. La empresa informa de una precisión media del 91,6 % para el modelo más grande en 63 tareas de clasificación de consultas, cuyas referencias fueron etiquetadas de nuevo de forma independiente por un LLM de frontera; el resultado supera en 6,54 puntos porcentuales el de sus clasificadores de producción.

La nueva función Locate devuelve el texto exacto que coincide con la búsqueda, junto con las posiciones inicial y final de sus caracteres, para el reconocimiento de entidades nombradas, la detección de información personal y la respuesta extractiva a preguntas; si no hay coincidencias, devuelve una lista vacía. Ambos modelos también están disponibles a través de OpenRouter y la API de decisiones de Perplexity.

Decider devuelve probabilidades para preguntas de sí o no, opciones personalizadas o puntuaciones ordenadas, en lugar de generar prosa. Una aplicación puede plantear varias preguntas sobre el mismo texto, JSON o imágenes y usar los números obtenidos para clasificar, dirigir solicitudes, moderar, filtrar, evaluar resultados y reordenar elementos. Estas tareas suelen requerir un umbral de decisión, en vez de una generación de texto libre.

Cambios en la arquitectura y el entrenamiento

Decider adapta los modelos generativos sustituyendo la generación del siguiente token por una cabeza de decisión que se lee en un token marcador. La cabeza parte únicamente de las filas del modelo base asociadas a los tokens de las opciones de respuesta. En v1.3, Perplexity hace bidireccionales las capas de atención completa y aísla las preguntas para que no se atiendan directamente entre sí, aunque permite que el estado de entrada compartido atienda a las preguntas. Esto sustituye la configuración de v1.2, en la que una respuesta podía cambiar según qué otras preguntas se hubieran planteado, y está diseñado para dar más estabilidad a las respuestas.

El entrenamiento convierte cientos de conjuntos de datos públicos a un formato común de estado, pregunta, opciones y objetivo. El ajuste fino generalista excluye las particiones de entrenamiento de los conjuntos de referencia y, según Perplexity, también elimina muestras que podrían solaparse con sus evaluaciones. La especialización posterior por dominio y visión utiliza LoRA, un método que mantiene congelados los pesos preentrenados mientras se entrenan matrices de descomposición de rango insertadas. Perplexity combina adaptadores con ponderaciones para controlar la deriva y promedia los pesos de tres ejecuciones en las etapas de texto.

Flash se destila posteriormente a partir del modelo más grande. Para ello, se usa la divergencia KL, que reduce la diferencia entre sus probabilidades de salida y las del modelo docente, en lugar de aprender únicamente de etiquetas de referencia. La tarjeta del modelo Decider v1.3 especifica un modelo base Qwen3.8-27B y aproximadamente 49 GiB de pesos BF16; la tarjeta de Decider Flash v1.3 especifica Qwen3.5-4B y aproximadamente 8,5 GiB. Para alojar cualquiera de los dos modelos se necesita una GPU CUDA y memoria operativa adicional a la ocupada por los pesos, por lo que Flash requiere menos recursos de hardware.

Límites de uso de Locate

Locate solo procesa texto y admite un máximo de 128 preguntas de Locate por solicitud. Las solicitudes que combinan Locate con preguntas de decisión requieren pasadas hacia delante independientes para cada tipo, lo que aumenta la latencia frente a las solicitudes que contienen un solo tipo.

Perplexity mantiene sin combinar los adaptadores de Locate porque combinarlos provocaba regresiones en las solicitudes de decisión habituales; solo se activan para las solicitudes de Locate. El diseño conserva el comportamiento de decisión existente, pero las cargas de trabajo mixtas no pueden compartir por completo los mismos cálculos.

Evaluación y uso en producción

El conjunto de evaluación interno de Perplexity contiene más de 200 tareas y se ejecuta sin entrenamiento específico para cada tarea, en configuración de cero disparo. Complementa las tablas de clasificación públicas con tareas privadas de producción y evaluaciones con datos reservados de conjuntos de datos públicos que no son de referencia, para comprobar la generalización más allá de los conjuntos de evaluación conocidos.

En 72 tareas de recuperación de información, la empresa informa de un nDCG@10 medio de 83,99 para el reordenamiento puntual de cero disparo, en el que se puntúa de forma independiente cada par de consulta y documento; el resultado supera en 1,81 puntos al de Qwen3-Reranker-8B.

Para una comprobación en producción, Perplexity tomó una muestra de un millón de solicitudes a la API deduplicadas, con la información personal oculta, de los primeros 18 días de disponibilidad de la API. La muestra abarcó 2.318.887 preguntas individuales, todas incluidas con el permiso explícito de los usuarios para fines de investigación. Evaluadores basados en LLM de frontera proporcionaron las respuestas de referencia porque las solicitudes de producción carecen de etiquetas de verdad fundamental.

Perplexity informa de una concordancia del 93,98 % con esos evaluadores para v1.3, frente al 93,68 % de v1.2. La diferencia es modesta, y la métrica mide la concordancia con referencias generadas por modelos, no la precisión frente a etiquetas de verdad fundamental.

Para la misma muestra de solicitudes, Perplexity informa de costos de $26,47 para Decider v1.3 y de $13,24 para Flash. Decider se ejecutó localmente; la comparación no especifica cómo se contabilizan los costos del hardware local ni ofrece resultados de latencia comparables, por lo que las cifras describen esta carga de trabajo y no una ventaja universal en costo o velocidad.

Perplexity también utiliza Decider sin conexión para revisar los registros de seguridad de los agentes en busca de problemas no detectados y falsas alarmas. En un día del que informó, procesó 1.000 millones de tokens en 7.000 sesiones de agentes e identificó fallos que dieron lugar a 14 cambios propuestos en las reglas; seis se aprobaron y se implementaron en un plazo de dos días. Al reproducir una semana de registros con los cambios, el volumen de la regla de mayor actividad se redujo un 52 %, mientras que las reglas ampliadas detectaron alrededor de un 40 % más de acciones legítimas que investigar.

Un segundo sistema interno almacena probabilidades sobre fallos del aprendizaje por refuerzo y las interpretaciones de los agentes, lo que permite cambiar los umbrales sin realizar nuevas consultas a Decider. Solo observa y diagnostica; nunca modifica las recompensas ni detiene las ejecuciones. Decider también filtra páginas de baja calidad rastreadas y, en la misma pasada, evalúa la audiencia, el dominio, el contenido dañino o ilegal y la información personal.

Perplexity recomienda calibrar los umbrales de decisión con ejemplos etiquetados representativos, ya que la frecuencia de las etiquetas y el coste de los falsos positivos y los falsos negativos varían según la aplicación. Propone el modelo completo para juicios matizados en los que los errores son costosos, y Flash para tareas de gran volumen sujetas a restricciones de latencia y coste.

Por tanto, la amplitud de Decider conlleva una carga de implementación: las mismas probabilidades que permiten reutilizarlo en distintas tareas siguen requiriendo umbrales específicos para cada aplicación, y la capacidad adicional de extracción de Locate implica más cálculos en las solicitudes mixtas.