Perplexity Merilis Model Decider V1.3 dengan Ekstraksi Rentang Teks

Perplexity merilis Decider v1.3 dan Decider Flash v1.3 pada 12 November 2026, dengan menambahkan ekstraksi rentang teks secara verbatim dan bobot Apache-2.0 yang dapat diunduh. Perusahaan melaporkan akurasi rata-rata 91,6% untuk model yang lebih besar pada 63 tugas klasifikasi kueri, dengan referensi yang dilabeli ulang secara independen oleh LLM terdepan; hasil ini 6,54 poin persentase lebih tinggi daripada pengklasifikasi yang digunakan dalam produksinya.

Fitur Locate mengembalikan teks yang persis cocok beserta posisi karakter awal dan akhirnya untuk pengenalan entitas bernama, pendeteksian informasi pribadi, dan tanya jawab ekstraktif; jika tidak ditemukan kecocokan, hasilnya berupa daftar kosong. Kedua model juga tersedia melalui OpenRouter dan API Keputusan milik Perplexity.

Decider mengembalikan probabilitas untuk pertanyaan ya/tidak, pilihan khusus, atau skor berurutan, alih-alih menghasilkan prosa. Aplikasi dapat mengajukan beberapa pertanyaan tentang teks, JSON, atau gambar yang sama, lalu menggunakan angka yang dihasilkan untuk klasifikasi, perutean permintaan, moderasi, penyaringan, evaluasi keluaran, dan pemeringkatan ulang. Tugas-tugas ini sering kali memerlukan ambang keputusan, bukan pembuatan teks bebas.

Perubahan Arsitektur dan Pelatihan

Decider mengadaptasi model dasar generatif dengan mengganti keluaran token berikutnya menjadi kepala keputusan yang dibaca pada token penanda. Kepala tersebut hanya menggunakan baris model dasar yang terkait dengan token pilihan jawaban. Pada v1.3, Perplexity membuat lapisan perhatian penuh bekerja dua arah dan memisahkan pertanyaan agar tidak saling memberi perhatian secara langsung, sekaligus memungkinkan state masukan bersama memberi perhatian pada pertanyaan-pertanyaan tersebut. Perubahan ini menggantikan susunan pada v1.2, yang memungkinkan jawaban berubah bergantung pada pertanyaan lain yang diajukan, dan dirancang agar jawaban lebih stabil.

Pelatihan mengubah ratusan himpunan data publik ke dalam format bersama yang terdiri atas state, pertanyaan, pilihan, dan target. Penyetelan halus generalis tidak menyertakan bagian pelatihan tolok ukur, dan Perplexity menyatakan bahwa mereka juga menghapus sampel yang mungkin tumpang tindih dengan evaluasinya. Spesialisasi domain dan visi pada tahap berikutnya menggunakan LoRA, metode yang membekukan bobot pralatih sambil melatih matriks dekomposisi peringkat yang disisipkan. Perplexity menggunakan penggabungan adapter berbobot untuk mengendalikan pergeseran, serta merata-ratakan bobot dari tiga proses pelatihan untuk tahap teks.

Selanjutnya, Flash didistilasi dari model yang lebih besar dengan menggunakan divergensi KL untuk mengurangi perbedaan antara probabilitas keluarannya dan probabilitas model guru, alih-alih hanya belajar dari label acuan. Kartu model Decider v1.3 mencantumkan model dasar Qwen3.8-27B dan bobot BF16 sekitar 49 GiB; kartu Decider Flash v1.3 mencantumkan Qwen3.5-4B dan sekitar 8,5 GiB. Untuk menjalankan sendiri salah satu model, diperlukan GPU CUDA dan memori kerja tambahan di luar kebutuhan untuk memuat bobot, sehingga Flash memiliki kebutuhan perangkat keras yang lebih rendah.

Batas Penyajian Locate

Locate hanya mendukung teks dan dibatasi hingga 128 pertanyaan Locate per permintaan. Permintaan yang menggabungkan Locate dengan pertanyaan keputusan memerlukan proses forward terpisah untuk setiap jenis, sehingga menambah latensi dibandingkan permintaan yang hanya memuat satu jenis.

Perplexity tidak menggabungkan adapter Locate karena penggabungan tersebut menyebabkan penurunan kinerja pada permintaan keputusan biasa; adapter hanya diaktifkan untuk permintaan Locate. Rancangan ini mempertahankan perilaku keputusan yang sudah ada, tetapi beban kerja campuran tidak dapat sepenuhnya menggunakan komputasi yang sama.

Evaluasi dan Penggunaan dalam Produksi

Rangkaian evaluasi internal Perplexity mencakup lebih dari 200 tugas dan dijalankan dengan pendekatan zero-shot, tanpa penyetelan halus khusus tugas. Rangkaian ini melengkapi papan peringkat publik dengan tugas produksi privat dan evaluasi tertahan dari himpunan data publik non-tolok ukur untuk menguji generalisasi di luar rangkaian evaluasi yang sudah dikenal.

Pada 72 tugas temu kembali, perusahaan melaporkan nDCG@10 rata-rata sebesar 83,99 untuk pemeringkatan ulang pointwise zero-shot, yang menilai setiap pasangan kueri-dokumen secara terpisah. Hasil tersebut 1,81 poin lebih tinggi daripada Qwen3-Reranker-8B.

Untuk pemeriksaan produksi, Perplexity mengambil sampel satu juta permintaan API yang telah dideduplikasi dan informasi pribadinya disamarkan, dari 18 hari pertama ketersediaan API. Sampel tersebut mencakup 2.318.887 pertanyaan individual, yang seluruhnya disertakan dengan izin eksplisit pengguna untuk keperluan penelitian. Juri LLM terdepan memberikan jawaban acuan karena permintaan produksi tidak memiliki label kebenaran dasar.

Perplexity melaporkan kesesuaian sebesar 93,98% dengan penilaian juri tersebut untuk v1.3, dibandingkan dengan 93,68% untuk v1.2. Perbedaannya kecil, dan metrik ini menunjukkan kesesuaian dengan referensi yang dihasilkan model, bukan akurasi terhadap label kebenaran dasar.

Untuk sampel permintaan yang sama, Perplexity melaporkan biaya sebesar $26,47 untuk Decider v1.3 dan $13,24 untuk Flash. Decider dijalankan secara lokal; perbandingan tersebut tidak merinci perhitungan biaya perangkat keras lokal atau menyajikan hasil latensi yang sebanding, sehingga angka-angka itu menggambarkan beban kerja ini, bukan keunggulan biaya atau kecepatan yang berlaku secara universal.

Perplexity juga menggunakan Decider secara luring untuk meninjau log keamanan agen guna menemukan masalah yang terlewat dan alarm palsu. Dalam satu hari yang dilaporkan, sistem ini memproses 1 miliar token di 7.000 sesi agen dan mengidentifikasi kelemahan yang menghasilkan 14 usulan perbaikan aturan; enam di antaranya disetujui dan diterapkan dalam dua hari. Pemutaran ulang log selama seminggu dengan perbaikan tersebut mengurangi volume aturan tersibuk sebesar 52%, sementara aturan yang diperluas menangkap sekitar 40% lebih banyak tindakan sah untuk diselidiki.

Sistem internal kedua menyimpan probabilitas tentang kegagalan pembelajaran penguatan dan interpretasi agen, sehingga ambang batas dapat diubah tanpa kueri Decider baru. Sistem ini hanya mengamati dan mendiagnosis, tidak pernah mengubah imbalan atau menghentikan proses yang sedang berjalan. Decider juga menyaring halaman hasil perayapan yang berkualitas rendah sambil menilai audiens, domain, konten berbahaya atau ilegal, serta informasi pribadi dalam satu tahap yang sama.

Perplexity menyarankan kalibrasi ambang keputusan menggunakan contoh berlabel yang representatif karena frekuensi label serta konsekuensi positif palsu dan negatif palsu berbeda-beda menurut penerapannya. Perplexity menujukan model lengkap untuk penilaian bernuansa yang kesalahannya berbiaya tinggi, sedangkan Flash ditujukan untuk pekerjaan bervolume tinggi yang dibatasi oleh latensi dan biaya.

Karena itu, cakupan Decider yang luas disertai beban penerapan: probabilitas yang membuatnya dapat digunakan kembali untuk berbagai tugas tetap memerlukan ambang batas khusus untuk setiap penerapan, sementara kemampuan ekstraksi tambahan pada Locate menambah komputasi untuk permintaan campuran.