Perplexity ने पाठ-खंड निष्कर्षण वाले Decider V1.3 मॉडल जारी किए

Perplexity ने जारी किए Decider v1.3 और Decider Flash v1.3, 12 नवंबर 2026 को; इनमें हूबहू पाठ-खंड निकालने की सुविधा और डाउनलोड किए जा सकने वाले Apache-2.0 वेट शामिल हैं। कंपनी के अनुसार, 63 क्वेरी-वर्गीकरण कार्यों में बड़े मॉडल की औसत सटीकता 91.6% रही। इन कार्यों के संदर्भों को एक अग्रणी LLM ने स्वतंत्र रूप से फिर से लेबल किया था। यह सटीकता कंपनी के उत्पादन-वर्गीकरण मॉडलों से 6.54 प्रतिशत अंक अधिक है।

नया Locate फ़ीचर नामित इकाइयों की पहचान, व्यक्तिगत जानकारी का पता लगाने और निष्कर्षण-आधारित प्रश्नों के उत्तर देने के लिए, ठीक मेल खाने वाला पाठ और उसके आरंभ व अंत की वर्ण-स्थितियाँ लौटाता है; कोई मेल न मिलने पर खाली सूची मिलती है। दोनों मॉडल OpenRouter और Perplexity के Decisions API के ज़रिए भी उपलब्ध हैं।

Decider गद्य तैयार करने के बजाय हाँ/नहीं वाले सवालों, मनचाहे विकल्पों या क्रमबद्ध अंकों के लिए संभाव्यता लौटाता है। कोई ऐप एक ही पाठ, JSON या छवियों के बारे में कई सवाल पूछ सकता है और वर्गीकरण, अनुरोधों को उचित जगह भेजने, मॉडरेशन, फ़िल्टरिंग, आउटपुट का मूल्यांकन और पुनःक्रमण करने के लिए उनसे मिले अंकों का इस्तेमाल कर सकता है। ऐसे कार्यों में अक्सर मुक्त-रूप में सामग्री तैयार करने के बजाय निर्णय की एक सीमा तय करना ज़रूरी होता है।

आर्किटेक्चर और प्रशिक्षण में बदलाव

Decider, जनरेटिव आधार मॉडल में अगले टोकन का आउटपुट हटाकर उसकी जगह एक निर्णय-हेड लगाता है, जिसे मार्कर टोकन पर पढ़ा जाता है। यह हेड केवल आधार मॉडल की उन पंक्तियों से शुरू होता है जो उत्तर-विकल्प वाले टोकनों से जुड़ी हैं। v1.3 में Perplexity पूर्ण-अटेंशन परतों को द्विदिशात्मक बनाता है और सवालों को एक-दूसरे पर सीधे ध्यान देने से अलग रखता है, जबकि साझा इनपुट स्थिति को सवालों पर ध्यान देने देता है। इससे v1.2 की वह व्यवस्था बदल जाती है जिसमें किसी उत्तर का नतीजा इस बात पर निर्भर हो सकता था कि और क्या पूछा गया है। नए तरीके का उद्देश्य जवाबों को अधिक स्थिर बनाना है।

प्रशिक्षण में सैकड़ों सार्वजनिक डेटासेट को एक साझा स्थिति, सवाल, विकल्प और लक्ष्य वाले प्रारूप में बदला जाता है। सामान्य प्रयोजन के फ़ाइन-ट्यूनिंग में बेंचमार्क के प्रशिक्षण-विभाजन शामिल नहीं होते। Perplexity का कहना है कि वह ऐसे नमूने भी हटाता है जो उसके मूल्यांकनों के साथ ओवरलैप कर सकते हों। बाद में, डोमेन और विज़न के लिए विशेष अनुकूलन में LoRA का इस्तेमाल होता है। इस विधि में पहले से प्रशिक्षित वेट स्थिर रखे जाते हैं, जबकि जोड़े गए रैंक-विघटन मैट्रिक्स को प्रशिक्षित किया जाता है। मॉडल में बदलाव को नियंत्रित रखने के लिए Perplexity अलग-अलग वेट वाले अडैप्टरों को मिलाता है और पाठ वाले चरणों के लिए तीन प्रशिक्षण दौरों के वेट का औसत निकालता है।

इसके बाद Flash को बड़े मॉडल से डिस्टिल किया जाता है। इसमें केवल सही लेबल से सीखने के बजाय KL डाइवर्जेंस का उपयोग करके Flash के आउटपुट की संभाव्यताओं और शिक्षक मॉडल की संभाव्यताओं के बीच अंतर घटाया जाता है। Decider v1.3 मॉडल कार्ड में Qwen3.8-27B आधार मॉडल और लगभग 49 GiB के BF16 वेट दिए गए हैं; Decider Flash v1.3 कार्ड में Qwen3.5-4B और लगभग 8.5 GiB के वेट दिए गए हैं। इनमें से किसी भी मॉडल को अपने सर्वर पर चलाने के लिए CUDA GPU और वेट से अधिक कार्यशील मेमोरी की आवश्यकता होती है, इसलिए Flash को चलाने में कम हार्डवेयर लगता है।

Locate को चलाने की सीमाएँ

Locate केवल पाठ पर काम करता है और हर अनुरोध में अधिकतम 128 Locate सवालों की अनुमति है। जिन अनुरोधों में Locate और निर्णय वाले सवाल, दोनों हों, उनमें हर प्रकार के लिए अलग-अलग फ़ॉरवर्ड पास चलाने पड़ते हैं। इससे केवल एक प्रकार के सवाल वाले अनुरोधों की तुलना में विलंब बढ़ता है।

Locate अडैप्टरों को मिलाने के बजाय Perplexity उन्हें अलग रखता है, क्योंकि उन्हें मिलाने से सामान्य निर्णय वाले अनुरोधों के नतीजे खराब हुए थे; ये अडैप्टर केवल Locate अनुरोधों पर सक्रिय होते हैं। इस डिज़ाइन से मौजूदा निर्णय-व्यवहार जस का तस रहता है, लेकिन मिश्रित कार्यभार में गणना पूरी तरह साझा नहीं की जा सकती।

मूल्यांकन और उत्पादन में उपयोग

Perplexity के आंतरिक मूल्यांकन-संग्रह में 200 से अधिक कार्य हैं और इन्हें बिना किसी कार्य-विशिष्ट फ़ाइन-ट्यूनिंग के, ज़ीरो-शॉट तरीके से चलाया जाता है। परिचित मूल्यांकन-संग्रहों से परे सामान्यीकरण की जाँच के लिए, कंपनी सार्वजनिक लीडरबोर्ड के साथ निजी उत्पादन-कार्य और सार्वजनिक, गैर-बेंचमार्क डेटासेट से अलग रखे गए मूल्यांकन भी शामिल करती है।

72 पुनर्प्राप्ति कार्यों में, कंपनी के अनुसार ज़ीरो-शॉट पॉइंटवाइज़ पुनःक्रमण का औसत nDCG@10 स्कोर 83.99 रहा। इस तरीके में हर क्वेरी-दस्तावेज़ जोड़ी को अलग-अलग अंक दिए जाते हैं। यह स्कोर Qwen3-Reranker-8B से 1.81 अंक अधिक है।

उत्पादन में प्रदर्शन की जाँच के लिए, Perplexity ने API की उपलब्धता के पहले 18 दिनों के दौरान आए 10 लाख डुप्लिकेट हटाए गए अनुरोधों का नमूना लिया और उसमें से व्यक्तिगत जानकारी छिपा दी। इस नमूने में कुल 2,318,887 अलग-अलग सवाल शामिल थे; शोध के लिए हर सवाल को उपयोगकर्ताओं की स्पष्ट अनुमति से शामिल किया गया था। चूँकि उत्पादन अनुरोधों के लिए सही उत्तरों के लेबल उपलब्ध नहीं हैं, इसलिए संदर्भ उत्तर देने के लिए अग्रणी LLM जजों का इस्तेमाल किया गया।

Perplexity के अनुसार, v1.3 के जवाब इन जजों के जवाबों से 93.98% मेल खाते हैं, जबकि v1.2 के लिए यह आँकड़ा 93.68% था। यह अंतर मामूली है। यह माप मॉडल से बनाए गए संदर्भ उत्तरों के साथ मेल दर्शाता है, न कि सही उत्तरों के लेबल के आधार पर सटीकता।

इसी अनुरोध-नमूने के लिए Perplexity ने Decider v1.3 की लागत $26.47 और Flash की लागत $13.24 बताई है। Decider स्थानीय रूप से चलाया गया था। तुलना में स्थानीय हार्डवेयर की लागत का हिसाब नहीं दिया गया है और न ही समान परिस्थितियों में विलंब के नतीजे बताए गए हैं। इसलिए ये आँकड़े केवल इस कार्यभार की लागत दर्शाते हैं, किसी सार्वभौमिक लागत या गति लाभ को नहीं।

Perplexity एजेंटों के सुरक्षा लॉग की ऑफ़लाइन समीक्षा के लिए भी Decider का उपयोग करता है, ताकि छूटी हुई समस्याओं और ग़लत चेतावनियों का पता लगाया जा सके। कंपनी की एक दिन की रिपोर्ट के अनुसार, इसने 7,000 एजेंट सत्रों में 1 अरब टोकन संसाधित किए और ऐसी खामियाँ पहचानीं जिनसे नियमों में 14 सुधार प्रस्तावित हुए। इनमें से छह को मंज़ूरी मिली और दो दिनों के भीतर लागू कर दिया गया। सुधारों के साथ एक सप्ताह के लॉग दोबारा चलाने पर, सबसे व्यस्त नियम के सक्रिय होने की मात्रा 52% घट गई। वहीं, नियमों का दायरा बढ़ाने से जाँच योग्य लगभग 40% अधिक वैध कार्रवाइयों का पता चला।

एक दूसरी आंतरिक प्रणाली सुदृढीकरण-अधिगम की विफलताओं और एजेंट की व्याख्याओं से जुड़ी संभावनाएँ संग्रहीत करती है, जिससे Decider से नई क्वेरी किए बिना सीमाएँ बदली जा सकती हैं। यह केवल निगरानी और निदान करती है; न तो इनामों में बदलाव करती है, न ही रन रोकती है। Decider एक ही चरण में पाठकों, डोमेन, हानिकारक या अवैध सामग्री और व्यक्तिगत जानकारी का आकलन करते हुए कम गुणवत्ता वाले क्रॉल किए गए पृष्ठों को भी छाँटता है।

Perplexity का सुझाव है कि निर्णय-सीमाओं को प्रतिनिधि लेबलयुक्त उदाहरणों के आधार पर समायोजित किया जाए, क्योंकि लेबल की आवृत्तियाँ और मिथ्या सकारात्मक तथा मिथ्या नकारात्मक परिणामों की लागत, अनुप्रयोग के अनुसार अलग-अलग होती हैं। कंपनी पूर्ण मॉडल को उन सूक्ष्म निर्णयों के लिए उपयुक्त बताती है जिनमें गलतियों की भारी कीमत चुकानी पड़ सकती है, जबकि Flash को विलंबता और लागत की सीमाओं के तहत बड़े पैमाने पर किए जाने वाले काम के लिए रखती है।

इसलिए Decider की व्यापक उपयोगिता के साथ उसे तैनात करने की एक चुनौती भी आती है: वही संभावनाएँ, जो उसे अलग-अलग कार्यों में फिर से उपयोग करने योग्य बनाती हैं, अब भी अनुप्रयोग-विशिष्ट सीमाएँ तय करना आवश्यक बनाती हैं; वहीं Locate की अतिरिक्त निष्कर्षण क्षमता मिश्रित अनुरोधों में और गणना जोड़ती है।