Decider Flash V1.2 API
Decider Flash V1.2 is een open-weight beslissingsmodel van Perplexity dat waarschijnlijkheden retourneert in plaats van tekst, gebaseerd op de Qwen3.5-4B-backbone met 4 miljard parameters.
Decider Flash V1.2 is een open-weight model van Perplexity dat is ontworpen om vragen over inhoud te beantwoorden met waarschijnlijkheden in plaats van gegenereerde tekst. Het model is gebaseerd op de Qwen3.5-4B-backbone met 4 miljard parameters en is gedistilleerd uit de grotere beslissingsmodellen van Perplexity. Het deelt hetzelfde API-contract als het volledige Decider V1.2-model en is getraind met model souping, waarbij gewichten over trainingsruns worden gemiddeld om de robuustheid te verbeteren. Het model verwerkt een hele aanvraag in één pass, zodat meerdere vragen over dezelfde input samen kunnen worden beantwoord.
Het model ondersteunt tekst-, JSON-, afbeeldings- en PDF-input en structured output. Met een contextvenster van 262K tokens is het geschikt voor toepassingen waarbij software een numeriek antwoord tegen een drempelwaarde vergelijkt. Het model kan lokaal op compatibele hardware draaien met ongeveer 13 GB VRAM bij 4-bit kwantisatie, of on-device via de Decider for Mac-app, die 5,8 GB opslag en 16 GB geheugen vereist. Het is gepositioneerd als het kostenefficiënte alternatief binnen de beslissingsmodellen van Perplexity.
Decider Flash V1.2 is bedoeld voor taken zoals high-volume classificatie, het routeren van supporttickets naar de juiste teams, filtering, het labelen van berichten, contentmoderatie, sentimentanalyse, rubric-grading, gestructureerde data-extractie uit afbeeldingen, vision-gebaseerde classificatie en het verifiëren van visuele attributen. Het model is ontworpen voor één vraag per aanvraag; bij meerdere vragen wordt de status voor elke vraag opnieuw verwerkt en gefactureerd. Er is geen expliciete reasoning-modus gedocumenteerd. De training gebruikte sequenties tot ongeveer 32K tokens, waarbij langere contexten steekproefsgewijs zijn gecontroleerd in plaats van breed gevalideerd, dus de nauwkeurigheid op zeer lange inputs kan in de praktijk variëren. Perplexity raadt aan de nauwkeurigheid te valideren op eigen gelabelde voorbeelden, vooral voor genuanceerde beoordelingen.
Bijgewerkt:
MODEL-ID
pplx-decider-flash-v1.2- Context
- 262.144K
- Max. uitvoer
- 235.929K
- Invoer
- text / image
- Uitvoer
- decisions
Hoogtepunten
- Open-weight beslissingsmodel met 4 miljard parameters
- Retourneert waarschijnlijkheden in plaats van tekst
- 262K tokens contextvenster
- Ondersteunt tekst-, JSON-, afbeeldings- en PDF-input
- Kan lokaal draaien met ongeveer 13 GB VRAM
- Kostenefficiënt alternatief binnen Perplexity's aanbod
Aanbieders
Vergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.
| $0.01 | $0 |
Benchmarks
- 85.71%
Algehele nauwkeurigheid over 11 benchmarks
7.210 samples; gemeten via de Perplexity API voor de bredere Decider V1.2-familie, niet voor de Flash-variant
Scores zoals gepubliceerd door de modelaanbieder.
Snelstart voor beslissingen
Stuur status en nauw afgebakende getypeerde vragen naar /api/v1/decisions en ontvang één antwoord per vraag: noul retourneert een kans van 0 tot 1, choice de gekozen optie met de bijbehorende verdeling en score een numerieke score voor geordende criteria. Dit endpoint staat los van de oppervlakken Chat Completions, Messages en 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-v1.2",
"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"]
}
}
}'Veelgestelde vragen
Wat is Decider Flash V1.2?
Decider Flash V1.2 is een open-weight model van Perplexity dat is ontworpen om vragen over inhoud te beantwoorden met waarschijnlijkheden in plaats van gegenereerde tekst. Het model is gebaseerd op de Qwen3.5-4B-backbone met 4 miljard parameters en is gedistilleerd uit de grotere beslissingsmodellen van Perplexity. Het deelt hetzelfde API-contract als het volledige Decider V1.2-model en is getraind met model souping, waarbij gewichten over trainingsruns worden gemiddeld om de robuustheid te verbeteren. Het model verwerkt een hele aanvraag in één pass, zodat meerdere vragen over dezelfde input samen kunnen worden beantwoord. Het model ondersteunt tekst-, JSON-, afbeeldings- en PDF-input en structured output. Met een contextvenster van 262K tokens is het geschikt voor toepassingen waarbij software een numeriek antwoord tegen een drempelwaarde vergelijkt. Het model kan lokaal op compatibele hardware draaien met ongeveer 13 GB VRAM bij 4-bit kwantisatie, of on-device via de Decider for Mac-app, die 5,8 GB opslag en 16 GB geheugen vereist. Het is gepositioneerd als het kostenefficiënte alternatief binnen de beslissingsmodellen van Perplexity. Decider Flash V1.2 is bedoeld voor taken zoals high-volume classificatie, het routeren van supporttickets naar de juiste teams, filtering, het labelen van berichten, contentmoderatie, sentimentanalyse, rubric-grading, gestructureerde data-extractie uit afbeeldingen, vision-gebaseerde classificatie en het verifiëren van visuele attributen. Het model is ontworpen voor één vraag per aanvraag; bij meerdere vragen wordt de status voor elke vraag opnieuw verwerkt en gefactureerd. Er is geen expliciete reasoning-modus gedocumenteerd. De training gebruikte sequenties tot ongeveer 32K tokens, waarbij langere contexten steekproefsgewijs zijn gecontroleerd in plaats van breed gevalideerd, dus de nauwkeurigheid op zeer lange inputs kan in de praktijk variëren. Perplexity raadt aan de nauwkeurigheid te valideren op eigen gelabelde voorbeelden, vooral voor genuanceerde beoordelingen.
Hoe wordt het gebruik gefactureerd?
Je factuur hangt af van de aanbieder die je gebruikt, de prijzen en je verbruik. Langere invoer of andere voorwaarden kunnen andere prijzen hebben.
Welke inputmodaliteiten ondersteunt Decider Flash V1.2?
Het model ondersteunt tekst-, JSON-, afbeeldings- en PDF-input en structured output.
Hoe lang is het contextvenster van dit model?
Decider Flash V1.2 heeft een contextvenster van 262K tokens.
Waarvoor is Decider Flash V1.2 geschikt?
Het model is bedoeld voor taken zoals high-volume classificatie, het routeren van supporttickets, filtering, het labelen van berichten, contentmoderatie, sentimentanalyse, rubric-grading, gestructureerde data-extractie uit afbeeldingen, vision-gebaseerde classificatie en het verifiëren van visuele attributen.
Hoe verhoudt Decider Flash V1.2 zich tot het volledige Decider V1.2-model?
Decider Flash V1.2 is een kleiner en goedkoper model dat is gedistilleerd uit de grotere beslissingsmodellen van Perplexity. Het deelt hetzelfde API-contract als het volledige Decider V1.2-model.
Kan Decider Flash V1.2 lokaal draaien?
Ja, het model kan lokaal op compatibele hardware draaien met ongeveer 13 GB VRAM bij 4-bit kwantisatie, of on-device via de Decider for Mac-app, die 5,8 GB opslag en 16 GB geheugen vereist.