Decider Flash V1.3 (free) API
Model ringan untuk keputusan terstruktur, klasifikasi, ekstraksi, dan pemeringkatan dengan probabilitas yang dapat digunakan dalam berbagai alur kerja.
Perplexity Decider Flash V1.3 (free) adalah model distilled berukuran4B parameter yang dirancang untuk keputusan terstruktur berlatensi rendah dan efisien. Alih-alih menghasilkan prosa, model mengembalikan probabilitas untuk pertanyaan keputusan bertipe teks, JSON, dan images. Pertanyaan ya atau tidak menghasilkan probabilitas jawaban ya; pertanyaan pilihan mendukung hingga255 opsi; sedangkan pertanyaan skor mendukung skala berurutan hingga10 tingkat, dengan probabilitas dan skor yang diharapkan.
Model ini sesuai untuk moderasi konten, deteksi phishing dan prompt injection, penyaringan serta penandaan koleksi besar, penilaian relevansi hasil pencarian, dan pemeringkatan ulang. Model juga mendukung named entity recognition, identifikasi informasi pribadi, extractive question answering, aturan keamanan agen, pemantauan RL rollout, penyaringan kualitas halaman, serta tugas browser-agent. Fitur locate mengekstrak rentang teks berdasarkan instruksi. Tersedia dengan bobot terbuka di bawah lisensi Apache, dapat menerima tugas baru melalui prompt bahasa alami tanpa fine-tuning, dan memiliki konteks262K.
Model menggunakan bidirectional attention dan menawarkan mode yang sepenuhnya dapat di-cache, tetapi mode tersebut memerlukan fine-tuning kecil. Adaptor untuk locate tetap terpisah dari model utama. Ambang keputusan sebaiknya disetel menggunakan development set berlabel kecil karena frekuensi label dan biaya kesalahan memengaruhi ambang yang sesuai. Model tersedia di Hugging Face, OpenRouter, dan Perplexity Decisions API.
Diperbarui:
ID MODEL
pplx-decider-flash-v1.3:free- Konteks
- 262.144K
- Output maks
- 235.929K
- Masukan
- text / image
- Keluaran
- decisions
Sorotan
- Keputusan berbasis probabilitas
- Konteks262K
- Mendukung hingga255 opsi
- Skala skor hingga10 tingkat
- Mode sepenuhnya dapat di-cache
- Bobot terbuka Apache
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | |||
|---|---|---|---|
| $0 | $0 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Tolok ukur
- 86.50%
multilingual classification benchmark
Akurasi rata-rata tugas dalam delapan bahasa.
- 88.16%
multilingual classification benchmark
Akurasi rata-rata Decider v1.3 dalam delapan bahasa.
- 85.41%
multilingual classification benchmark
Akurasi rata-rata Jev1.14 dalam delapan bahasa.
- 63.6
extraction tasks
Skor rata-rata.
- 69.0
extraction tasks
Skor rata-rata Decider v1.3.
- 43.3
extraction tasks
Skor rata-rata Liquid d1.
- 41.5
extraction tasks
Skor rata-rata Clairic dari Cloudflare.
- 33.6
extraction tasks
Skor rata-rata GLiNER large v2.5.
Skor sesuai publikasi penyedia model.
Mulai cepat keputusan
Kirim status dan pertanyaan bertipe yang sempit ke /api/v1/decisions dan baca satu jawaban per pertanyaan: noul mengembalikan probabilitas dari 0 hingga 1, choice mengembalikan opsi yang dipilih beserta distribusinya, dan score mengembalikan skor numerik untuk kriteria terurut. Endpoint ini terpisah dari antarmuka Chat Completions, Messages dan Responses.
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "pplx-decider-flash-v1.3:free",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "Does this message convey urgency?",
"criteria": {"true": "Time-sensitive", "false": "No urgency"}
},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"]
}
}
}'Pertanyaan umum
Mengenal Decider Flash V1.3 (free)?
Perplexity Decider Flash V1.3 (free) adalah model distilled berukuran4B parameter yang dirancang untuk keputusan terstruktur berlatensi rendah dan efisien. Alih-alih menghasilkan prosa, model mengembalikan probabilitas untuk pertanyaan keputusan bertipe teks, JSON, dan images. Pertanyaan ya atau tidak menghasilkan probabilitas jawaban ya; pertanyaan pilihan mendukung hingga255 opsi; sedangkan pertanyaan skor mendukung skala berurutan hingga10 tingkat, dengan probabilitas dan skor yang diharapkan. Model ini sesuai untuk moderasi konten, deteksi phishing dan prompt injection, penyaringan serta penandaan koleksi besar, penilaian relevansi hasil pencarian, dan pemeringkatan ulang. Model juga mendukung named entity recognition, identifikasi informasi pribadi, extractive question answering, aturan keamanan agen, pemantauan RL rollout, penyaringan kualitas halaman, serta tugas browser-agent. Fitur locate mengekstrak rentang teks berdasarkan instruksi. Tersedia dengan bobot terbuka di bawah lisensi Apache, dapat menerima tugas baru melalui prompt bahasa alami tanpa fine-tuning, dan memiliki konteks262K. Model menggunakan bidirectional attention dan menawarkan mode yang sepenuhnya dapat di-cache, tetapi mode tersebut memerlukan fine-tuning kecil. Adaptor untuk locate tetap terpisah dari model utama. Ambang keputusan sebaiknya disetel menggunakan development set berlabel kecil karena frekuensi label dan biaya kesalahan memengaruhi ambang yang sesuai. Model tersedia di Hugging Face, OpenRouter, dan Perplexity Decisions API.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Input dan output apa yang didukung?
Model mendukung input text, JSON, dan images. Outputnya berupa probabilitas untuk keputusan terstruktur, termasuk probabilitas jawaban ya, probabilitas pilihan, atau probabilitas tingkat skor.
Berapa ukuran konteks dan outputnya?
Ukuran konteksnya262K. Batas output tidak dicantumkan dalam fakta yang tersedia.
Tugas apa yang paling sesuai?
Model sesuai untuk moderasi konten, klasifikasi, ekstraksi, pemeringkatan relevansi, pengenalan entitas, identifikasi informasi pribadi, dan tugas keamanan agen.
Apa perbedaan model ini dari model generatif besar?
Model ini ditempatkan di antara LLM generatif besar dan classifier khusus, dengan fokus pada keputusan cepat dan terstruktur yang menyertakan probabilitas.
Bagaimana perbedaannya dari Decider v1.3?
Model ini adalah versi distilled yang lebih kecil dari Decider v1.3, berukuran4B parameter dan ditujukan untuk deployment yang lebih efisien.
Model terkait
Decider V1.3 (free)
PerplexityKeputusanpplx-decider-v1.3:freeModel keputusan multimodal untuk klasifikasi, pemeringkatan, evaluasi, dan penilaian berbasis probabilitas melalui prompt bahasa alami.
Konteks
262.144K
Output
Keputusan
Token masukan
$0 / 1M token
Token keluaran
$0 / 1M token
Decider Flash V1.2
PerplexityKeputusanpplx-decider-flash-v1.2Model keputusan ringan dari Perplexity yang menjawab pertanyaan dengan probabilitas, dibangun di atas Qwen3.5-4B dengan konteks 262K token.
Konteks
262.144K
Output
Keputusan
Token masukan
$0.01 / 1M token
Token keluaran
$0 / 1M token