Perplexity julkaisee Decider V1.3 -mallit, joissa voidaan poimia tekstijaksoja

Perplexity julkaisi Decider v1.3:n ja Decider Flash v1.3:n 12. marraskuuta 2026. Julkaisu toi mukanaan mahdollisuuden poimia tekstiä sellaisenaan sekä ladattavat Apache-2.0-lisensoidut painot. Yhtiön mukaan suuremman mallin keskimääräinen tarkkuus oli 91,6 % yhteensä 63 kyselyluokittelutehtävässä. Tehtävien viitteet oli uudelleenluokitellut riippumattomasti huipputason LLM, ja tulos ylitti yhtiön tuotantoluokittelijoiden tarkkuuden 6,54 prosenttiyksiköllä.

Uusi Locate-toiminto palauttaa täsmälleen vastaavan tekstin sekä sen alku- ja loppumerkkien sijainnit. Toimintoa voi käyttää nimettyjen entiteettien tunnistamiseen, henkilötietojen havaitsemiseen ja poimivaan kysymysvastaamiseen; jos vastaavuutta ei löydy, tuloksena on tyhjä luettelo. Molemmat mallit ovat saatavilla myös OpenRouterin ja Perplexityn Decisions API -rajapinnan kautta.

Decider palauttaa kyllä- tai ei-kysymysten todennäköisyyksiä, mukautettuja vaihtoehtoja tai järjestettyjä pistemääriä sen sijaan, että se tuottaisi proosaa. Sovellus voi esittää samasta tekstistä, JSON-sisällöstä tai kuvista useita kysymyksiä ja käyttää saatuja lukuja luokitteluun, pyyntöjen reititykseen, moderointiin, suodatukseen, tulosten arviointiin ja uudelleenjärjestämiseen. Tällaisissa tehtävissä tarvitaan usein päätöskynnys vapaamuotoisen tekstin tuottamisen sijaan.

Arkkitehtuurin ja koulutuksen muutokset

Decider mukauttaa generatiivisia perusmalleja korvaamalla seuraavan tokenin tuottamisen päätöspäällä, jonka tulos luetaan merkkitokenin kohdalla. Pää perustuu aluksi vain niihin perusmallin riveihin, jotka vastaavat vastausvaihtoehtojen tokeneita. Versiossa v1.3 Perplexity muuttaa täyden huomion kerrokset kaksisuuntaisiksi ja estää kysymyksiä kohdistamasta suoraa huomiota toisiinsa, mutta sallii yhteisen syöte-tilan kohdistaa huomiota kysymyksiin. Tämä korvaa version v1.2 rakenteen, jossa vastaus saattoi muuttua sen mukaan, mitä muita kysymyksiä esitettiin, ja sen tarkoituksena on tehdä vastauksista vakaampia.

Koulutuksessa sadoista julkisista tietoaineistoista muodostetaan yhteinen tila-, kysymys-, vaihtoehto- ja tavoitemuoto. Yleiskäyttöön tarkoitetun hienosäädön ulkopuolelle jätetään vertailutestien koulutusjaot, ja Perplexityn mukaan yhtiö poistaa myös näytteet, jotka saattaisivat olla päällekkäisiä sen arviointiaineistojen kanssa. Myöhemmässä toimialakohtaisessa ja näköön liittyvässä erikoistamisessa käytetään LoRA-menetelmää, jossa esikoulutetut painot pidetään muuttumattomina samalla, kun malliin lisättyjä matriisihajotelmia koulutetaan. Perplexity käyttää painotettuja adapterien yhdistelmiä ajautumisen hallintaan ja laskee tekstivaiheiden painot kolmen koulutusajon keskiarvona.

Flash-malli tislataan myöhemmin suuremmasta mallista. Kull-divergenssin avulla pyritään pienentämään mallin tulostodennäköisyyksien ja opettajamallin tulostodennäköisyyksien välistä eroa sen sijaan, että mallia koulutettaisiin pelkästään oikeilla vastausmerkinnöillä. Decider v1.3:n mallikortissa ilmoitetaan perusmalliksi Qwen3.8-27B ja BF16-painojen kooksi noin 49 GiB; Decider Flash v1.3:n mallikortissa ilmoitetaan Qwen3.5-4B ja painojen kooksi noin 8,5 GiB. Kumman tahansa mallin itse isännöinti edellyttää CUDA-näytönohjainta sekä painojen kokoa suurempaa käyttömuistia, joten Flashin laitteistovaatimukset ovat pienemmät.

Locaten käytön rajoitukset

Locate käsittelee vain tekstiä, ja yhdessä pyynnössä voi olla enintään 128 Locate-kyselyä. Jos pyyntö sisältää sekä Locate-kyselyjä että päätöskysymyksiä, kummallekin tyypille tarvitaan erillinen läpivienti, mikä lisää viivettä verrattuna vain yhden tyypin sisältäviin pyyntöihin.

Perplexity pitää Locate-adapterit yhdistämättöminä, koska niiden yhdistäminen heikensi tuloksia tavallisissa päätöspyynnöissä. Adapterit aktivoituvat vain Locate-pyynnöissä. Ratkaisu säilyttää päätösten aiemman toimintatavan, mutta sekakuormituksessa samaa laskentaa ei voida hyödyntää täysimääräisesti.

Arviointi ja käyttö tuotannossa

Perplexityn sisäinen arviointikokonaisuus sisältää yli 200 tehtävää, jotka suoritetaan nollaesimerkkiasetelmassa ilman tehtäväkohtaista hienosäätöä. Julkisten tulostaulukoiden lisäksi siinä käytetään yksityisiä tuotantotehtäviä ja julkisten, vertailutesteihin kuulumattomien tietoaineistojen pidätettyjä arviointiaineistoja. Näin tarkistetaan, yleistyvätkö tulokset tuttujen arviointikokonaisuuksien ulkopuolelle.

Yhtiön mukaan nollaesimerkkiasetelmassa tehtävän pisteittäisen uudelleenjärjestämisen keskimääräinen nDCG@10-arvo oli 83,99 yhteensä 72 tiedonhakutehtävässä. Menetelmässä jokainen kyselyn ja dokumentin pari pisteytetään erikseen. Tulos oli 1,81 pistettä korkeampi kuin Qwen3-Reranker-8B:n tulos.

Tuotantokäytön tarkistusta varten Perplexity poimi miljoona kaksoiskappaleista puhdistettua API-pyyntöä, joista henkilötiedot oli peitetty. Otos kattoi API:n saatavuuden ensimmäiset 18 päivää. Siihen sisältyi 2 318 887 yksittäistä kysymystä, jotka kaikki oli otettu mukaan käyttäjien nimenomaisella tutkimusluvalla. Tuotantopyynnöistä puuttuu totuusarvomerkinnät, joten vertailuvastaukset tuottivat huipputason LLM-arvioijat.

Perplexityn mukaan v1.3:n vastaukset vastasivat arvioijien vastauksia 93,98-prosenttisesti, kun v1.2:n vastaava luku oli 93,68 %. Ero on maltillinen, ja mittari osoittaa vastaavuutta mallin tuottamiin vertailuvastauksiin, ei tarkkuutta suhteessa totuusarvomerkintöihin.

Perplexity ilmoittaa saman pyyntöotoksen kustannuksiksi 26,47 dollaria Decider v1.3:lle ja 13,24 dollaria Flashille. Decider suoritettiin paikallisesti. Vertailussa ei eritellä paikallisen laitteiston kustannuslaskentaa eikä esitetä keskenään vertailukelpoisia viivetuloksia, joten luvut kuvaavat tätä työkuormaa eivätkä yleispätevää kustannus- tai nopeusetua.

Perplexity käyttää Decideriä myös offline-tilassa agenttien tietoturvalokien tarkasteluun, jotta havaitsematta jääneet ongelmat ja väärät hälytykset löytyisivät. Yhtiön raportoimana yhtenä päivänä malli käsitteli miljardi tokenia 7 000 agentti-istunnossa ja havaitsi puutteita, joiden seurauksena ehdotettiin 14 sääntömuutosta. Niistä kuusi hyväksyttiin ja otettiin käyttöön kahden päivän kuluessa. Kun viikon lokit toistettiin muutosten kanssa, vilkkaimman säännön osumamäärä väheni 52 %, ja laajennetut säännöt havaitsivat noin 40 % enemmän tutkittavia, oikeutettuja toimintoja.

Toinen sisäinen järjestelmä tallentaa todennäköisyyksiä vahvistusoppimisen epäonnistumisista ja agenttien tulkinnoista, joten kynnysarvoja voidaan muuttaa ilman uusia Decider-kyselyitä. Järjestelmä ainoastaan havainnoi ja diagnosoi: se ei koskaan muuta palkkioita eikä keskeytä ajoja. Decider suodattaa myös heikkolaatuisia verkosta kerättyjä sivuja ja arvioi samalla kertaa niiden yleisöä ja verkkotunnusta sekä haitallista tai laitonta sisältöä ja henkilötietoja.

Perplexity suosittelee kalibroimaan päätöskynnysarvot edustavien, luokiteltujen esimerkkien avulla, sillä luokkien yleisyys sekä väärien positiivisten ja väärien negatiivisten tulosten kustannukset vaihtelevat käyttökohteittain. Perplexity suosittelee täyttä mallia vivahteikasta harkintaa vaativiin tilanteisiin, joissa virheet tulevat kalliiksi, ja Flashia suuriin työkuormiin, joissa viive ja kustannukset ovat rajoitteita.

Deciderin laaja-alaisuus tuo siis mukanaan käyttöönoton haasteita: samat todennäköisyydet, joiden ansiosta mallia voi käyttää uudelleen eri tehtävissä, edellyttävät silti käyttökohdekohtaisia kynnysarvoja, ja Locaten lisätty poimintakyky vaatii yhdistelmäpyynnöissä enemmän laskentaa.