Decider Flash V1.2 API
Perplexity: Decider Flash V1.2 to otwarty model decyzyjny o 4 mld parametrów, zbudowany na bazie Qwen3.5-4B, który zwraca prawdopodobieństwa zamiast tekstu i obsługuje kontekst 262K tokenów.
Perplexity: Decider Flash V1.2 to mniejszy i tańszy wariant modelu decyzyjnego Perplexity, przeznaczony do odpowiadania na pytania za pomocą prawdopodobieństw, a nie generowanego tekstu. Model odpowiada na pytania typu tak/nie, pytania wielokrotnego wyboru oraz pytania oceniające według rubryk, zwracając prawdopodobieństwo dla każdej opcji lub poziomu oraz oczekiwany wynik. Został zbudowany na bazie Qwen3.5-4B z 4 mld parametrów i jest dystylowany z większych modeli decyzyjnych Perplexity. Dzieli ten sam kontrakt API co pełny model Decider V1.2, co ułatwia zamianę w istniejących integracjach.
Model jest szczególnie przydatny w zadaniach wymagających klasyfikacji na dużą skalę, takich jak kierowanie zgłoszeń do odpowiednich zespołów, filtrowanie, etykietowanie wiadomości, moderacja treści i ocena sentymentu. Sprawdza się również przy ocenianiu według rubryk, ekstrakcji danych strukturalnych z obrazów, klasyfikacji opartej na obrazach i weryfikacji atrybutów wizualnych. Dzięki oknu kontekstu 262K tokenów może przetwarzać obszerne materiały wejściowe, a całe zapytanie jest przetwarzane w jednym przebiegu, co pozwala odpowiadać na wiele pytań dotyczących tego samego wejścia.
Model można uruchomić lokalnie na zgodnym sprzęcie przy około 13 GB VRAM w kwantyzacji 4-bitowej lub na urządzeniu przez aplikację Decider for Mac, która wymaga 5.8 GB pamięci masowej i 16 GB pamięci RAM. Jest dostępny przez API Perplexity, bramę Opper lub lokalnie. Ponieważ jest przeznaczony do jednego pytania na zapytanie, przy wielu pytaniach stan jest przetwarzany i rozliczany ponownie dla każdego z nich. Trening obejmował sekwencje do około 32K tokenów, a dłuższe konteksty były wyrywkowo sprawdzane, więc dokładność na bardzo długich wejściach może się różnić. Perplexity zaleca walidację dokładności na własnych oznaczonych przykładach, zwłaszcza przy niuansowanych ocenach.
Zaktualizowano:
MODEL ID
pplx-decider-flash-v1.2- Kontekst
- 262.144K
- Maks. wyjście
- 235.929K
- Wejście
- text / image
- Wyjście
- decisions
Najważniejsze informacje
- Zwraca prawdopodobieństwa zamiast tekstu
- Kontekst 262K tokenów
- 4 mld parametrów na bazie Qwen3.5-4B
- Otwarty model z możliwością uruchomienia lokalnego
- Wsparcie dla tekstu, JSON, obrazów i PDF
- Tańsza alternatywa w rodzinie modeli decyzyjnych
Dostawcy
Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.
| $0.01 | $0 |
Benchmarki
- 85.71%
Ogólna dokładność na 11 testach porównawczych
7 210 próbek; zmierzono przez API Perplexity dla szerszej rodziny Decider V1.2, a nie dla wariantu Flash
Wyniki zgodnie z publikacją dostawcy modelu.
Szybki start decyzji
Wysyłaj stan i wąskie, typowane pytania do /api/v1/decisions i odczytuj jedną odpowiedź na pytanie: noul zwraca prawdopodobieństwo od 0 do 1, choice — wybraną opcję wraz z rozkładem, a score — wynik liczbowy dla uporządkowanych kryteriów. Ten endpoint jest oddzielony od interfejsów Chat Completions, Messages i 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"]
}
}
}'Często zadawane pytania
Co to jest Decider Flash V1.2?
Perplexity: Decider Flash V1.2 to mniejszy i tańszy wariant modelu decyzyjnego Perplexity, przeznaczony do odpowiadania na pytania za pomocą prawdopodobieństw, a nie generowanego tekstu. Model odpowiada na pytania typu tak/nie, pytania wielokrotnego wyboru oraz pytania oceniające według rubryk, zwracając prawdopodobieństwo dla każdej opcji lub poziomu oraz oczekiwany wynik. Został zbudowany na bazie Qwen3.5-4B z 4 mld parametrów i jest dystylowany z większych modeli decyzyjnych Perplexity. Dzieli ten sam kontrakt API co pełny model Decider V1.2, co ułatwia zamianę w istniejących integracjach. Model jest szczególnie przydatny w zadaniach wymagających klasyfikacji na dużą skalę, takich jak kierowanie zgłoszeń do odpowiednich zespołów, filtrowanie, etykietowanie wiadomości, moderacja treści i ocena sentymentu. Sprawdza się również przy ocenianiu według rubryk, ekstrakcji danych strukturalnych z obrazów, klasyfikacji opartej na obrazach i weryfikacji atrybutów wizualnych. Dzięki oknu kontekstu 262K tokenów może przetwarzać obszerne materiały wejściowe, a całe zapytanie jest przetwarzane w jednym przebiegu, co pozwala odpowiadać na wiele pytań dotyczących tego samego wejścia. Model można uruchomić lokalnie na zgodnym sprzęcie przy około 13 GB VRAM w kwantyzacji 4-bitowej lub na urządzeniu przez aplikację Decider for Mac, która wymaga 5.8 GB pamięci masowej i 16 GB pamięci RAM. Jest dostępny przez API Perplexity, bramę Opper lub lokalnie. Ponieważ jest przeznaczony do jednego pytania na zapytanie, przy wielu pytaniach stan jest przetwarzany i rozliczany ponownie dla każdego z nich. Trening obejmował sekwencje do około 32K tokenów, a dłuższe konteksty były wyrywkowo sprawdzane, więc dokładność na bardzo długich wejściach może się różnić. Perplexity zaleca walidację dokładności na własnych oznaczonych przykładach, zwłaszcza przy niuansowanych ocenach.
Jak rozliczane jest użycie?
Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.
Jakie rodzaje danych wejściowych obsługuje model?
Model przyjmuje tekst, JSON, obrazy i pliki PDF, a także obsługuje wyjście strukturalne.
Jaki jest limit kontekstu?
Model obsługuje kontekst do 262K tokenów.
Do jakich zadań najlepiej nadaje się ten model?
Sprawdza się w klasyfikacji na dużą skalę, kierowaniu zgłoszeń, filtrowaniu, etykietowaniu, moderacji treści, ocenie sentymentu, ocenianiu według rubryk oraz ekstrakcji danych z obrazów.
Czym różni się od pełnego modelu Decider V1.2?
Decider Flash V1.2 jest mniejszy i tańszy, zbudowany na bazie Qwen3.5-4B z 4 mld parametrów, podczas gdy pełny model pplx-decider-v1.2 ma 27 mld parametrów i bazę Qwen3.8-27B. Oba dzielą ten sam kontrakt API.
Czy model można uruchomić lokalnie?
Tak, można go uruchomić lokalnie na zgodnym sprzęcie przy około 13 GB VRAM w kwantyzacji 4-bitowej lub przez aplikację Decider for Mac wymagającą 5.8 GB pamięci masowej i 16 GB pamięci.
Jakie są ograniczenia modelu?
Model jest zaprojektowany do jednego pytania na zapytanie; przy wielu pytaniach stan jest przetwarzany i rozliczany ponownie dla każdego z nich. Nie ma udokumentowanego trybu jawnego rozumowania, a dłuższe konteksty były tylko wyrywkowo sprawdzane.