Decider Flash V1.2 API
Decider Flash V1.2 เป็นโมเดลตัดสินใจแบบน้ำหนักเปิดจาก Perplexity ที่ตอบคำถามด้วยความน่าจะเป็นแทนข้อความ เหมาะกับงานจำแนกและให้คะแนนปริมาณมาก
Decider Flash V1.2 คือโมเดลตัดสินใจขนาดกะทัดรัดจาก Perplexity สร้างบนโครง Qwen3.5-4B ที่มีพารามิเตอร์ 4 พันล้านตัว เปิดน้ำหนักให้ใช้งานได้ และใช้สัญญา API เดียวกับ Decider V1.2 รุ่นเต็ม ตัวโมเดลถูกกลั่นจากโมเดลตัดสินใจขนาดใหญ่กว่าของ Perplexity และฝึกด้วยเทคนิค model souping ซึ่งเฉลี่ยน้ำหนักจากการฝึกหลายรอบเพื่อเพิ่มความทนทาน จุดเด่นคือการตอบเป็นความน่าจะเป็นแทนข้อความบรรยายหรือคำอธิบาย โดยรองรับคำถามแบบใช่/ไม่ใช่ คำถามแบบเลือก และคำถามแบบให้คะแนนตามเกณฑ์ พร้อมประมวลผลทั้งคำขอในรอบเดียวจึงตอบหลายคำถามเกี่ยวกับข้อมูลเดียวกันได้ในครั้งเดียว
ด้วยหน้าต่างบริบท 262K โทเคน โมเดลนี้จึงรองรับข้อมูลนำเข้าขนาดใหญ่ได้แม้มีพารามิเตอร์เพียง 4 พันล้านตัว และเหมาะกับแอปที่ซอฟต์แวร์นำคำตอบตัวเลขไปเทียบกับเกณฑ์ที่กำหนด รองรับข้อมูลนำเข้าแบบข้อความ JSON รูปภาพ และ PDF พร้อมส่งออกแบบมีโครงสร้าง เหมาะกับงานจำแนกปริมาณมาก การจัดเส้นทางตั๋วสนับสนุน การกรอง การติดป้ายข้อความ การกลั่นกรองเนื้อหา การให้คะแนนความรู้สึก การให้คะแนนตามรูบริก การสกัดข้อมูลแบบมีโครงสร้างจากภาพ การจำแนกด้วยภาพ และการตรวจสอบคุณลักษณะของภาพ
ข้อควรทราบคือโมเดลออกแบบมาสำหรับหนึ่งคำถามต่อหนึ่งคำขอ คำขอที่มีหลายคำถามจะประมวลผลและคิดค่าบริการสถานะซ้ำสำหรับแต่ละคำถาม ไม่มีโหมดให้เหตุผลอย่างชัดเจนเป็นเอกสาร และการฝึกใช้ลำดับสูงสุดประมาณ 32K โทเคน โดยบริบทที่ยาวกว่านั้นตรวจสอบแบบสุ่มเท่านั้น ความแม่นยำบนข้อมูลนำเข้ายาวมากจึงอาจแตกต่างในทางปฏิบัติ Perplexity แนะนำให้ตรวจสอบความแม่นยำกับตัวอย่างที่มีป้ายกำกับของคุณเอง โดยเฉพาะการตัดสินที่มีความละเอียดอ่อน และการทดสอบอิสระของโมเดล Decider ขนาด 27B ที่ใหญ่กว่าแสดงจุดอ่อนในงานตัดสินภาพตามบริบท
อัปเดต:
ID โมเดล
pplx-decider-flash-v1.2- บริบท
- 262.144K
- เอาต์พุตสูงสุด
- 235.929K
- อินพุต
- text / image
- เอาต์พุต
- decisions
จุดเด่น
- ตอบเป็นความน่าจะเป็นแทนข้อความ
- หน้าต่างบริบท 262K โทเคน
- โมเดลน้ำหนักเปิด 4 พันล้านพารามิเตอร์
- รันในเครื่องได้ด้วย VRAM ประมาณ 13 GB
- ใช้สัญญา API เดียวกับ Decider V1.2
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| $0.01 | $0 |
เบนช์มาร์ก
- 85.71%
ความแม่นยำโดยรวมจาก 11 เกณฑ์มาตรฐาน
7,210 ตัวอย่าง วัดผ่าน API ของ Perplexity สำหรับตระกูล Decider V1.2 ที่กว้างกว่า ไม่ใช่รุ่น Flash
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
เริ่มต้นอย่างรวดเร็วสำหรับการตัดสินใจ
ส่งสถานะและคำถามแบบมีชนิดที่แคบเฉพาะไปยัง /api/v1/decisions และอ่านคำตอบหนึ่งรายการต่อคำถาม: noul คืนค่าความน่าจะเป็นตั้งแต่ 0 ถึง 1, choice คืนตัวเลือกที่เลือกพร้อมการกระจาย และ score คืนคะแนนตัวเลขสำหรับเกณฑ์แบบเรียงลำดับ endpoint นี้แยกจากอินเทอร์เฟซ Chat Completions, Messages และ 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"]
}
}
}'คำถามที่พบบ่อย
รู้จัก Decider Flash V1.2?
Decider Flash V1.2 คือโมเดลตัดสินใจขนาดกะทัดรัดจาก Perplexity สร้างบนโครง Qwen3.5-4B ที่มีพารามิเตอร์ 4 พันล้านตัว เปิดน้ำหนักให้ใช้งานได้ และใช้สัญญา API เดียวกับ Decider V1.2 รุ่นเต็ม ตัวโมเดลถูกกลั่นจากโมเดลตัดสินใจขนาดใหญ่กว่าของ Perplexity และฝึกด้วยเทคนิค model souping ซึ่งเฉลี่ยน้ำหนักจากการฝึกหลายรอบเพื่อเพิ่มความทนทาน จุดเด่นคือการตอบเป็นความน่าจะเป็นแทนข้อความบรรยายหรือคำอธิบาย โดยรองรับคำถามแบบใช่/ไม่ใช่ คำถามแบบเลือก และคำถามแบบให้คะแนนตามเกณฑ์ พร้อมประมวลผลทั้งคำขอในรอบเดียวจึงตอบหลายคำถามเกี่ยวกับข้อมูลเดียวกันได้ในครั้งเดียว ด้วยหน้าต่างบริบท 262K โทเคน โมเดลนี้จึงรองรับข้อมูลนำเข้าขนาดใหญ่ได้แม้มีพารามิเตอร์เพียง 4 พันล้านตัว และเหมาะกับแอปที่ซอฟต์แวร์นำคำตอบตัวเลขไปเทียบกับเกณฑ์ที่กำหนด รองรับข้อมูลนำเข้าแบบข้อความ JSON รูปภาพ และ PDF พร้อมส่งออกแบบมีโครงสร้าง เหมาะกับงานจำแนกปริมาณมาก การจัดเส้นทางตั๋วสนับสนุน การกรอง การติดป้ายข้อความ การกลั่นกรองเนื้อหา การให้คะแนนความรู้สึก การให้คะแนนตามรูบริก การสกัดข้อมูลแบบมีโครงสร้างจากภาพ การจำแนกด้วยภาพ และการตรวจสอบคุณลักษณะของภาพ ข้อควรทราบคือโมเดลออกแบบมาสำหรับหนึ่งคำถามต่อหนึ่งคำขอ คำขอที่มีหลายคำถามจะประมวลผลและคิดค่าบริการสถานะซ้ำสำหรับแต่ละคำถาม ไม่มีโหมดให้เหตุผลอย่างชัดเจนเป็นเอกสาร และการฝึกใช้ลำดับสูงสุดประมาณ 32K โทเคน โดยบริบทที่ยาวกว่านั้นตรวจสอบแบบสุ่มเท่านั้น ความแม่นยำบนข้อมูลนำเข้ายาวมากจึงอาจแตกต่างในทางปฏิบัติ Perplexity แนะนำให้ตรวจสอบความแม่นยำกับตัวอย่างที่มีป้ายกำกับของคุณเอง โดยเฉพาะการตัดสินที่มีความละเอียดอ่อน และการทดสอบอิสระของโมเดล Decider ขนาด 27B ที่ใหญ่กว่าแสดงจุดอ่อนในงานตัดสินภาพตามบริบท
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Decider Flash V1.2 รองรับข้อมูลนำเข้าแบบใดบ้าง
รองรับข้อมูลนำเข้าแบบข้อความ JSON รูปภาพ และ PDF พร้อมทั้งสามารถส่งออกผลลัพธ์แบบมีโครงสร้างได้
โมเดลนี้มีขนาดหน้าต่างบริบทเท่าใด
มีหน้าต่างบริบท 262K โทเคน ซึ่งถือว่าใหญ่เมื่อเทียบกับโมเดลที่มีพารามิเตอร์ 4 พันล้านตัว
โมเดลนี้ตอบคำถามในรูปแบบใด
ตอบด้วยความน่าจะเป็นแทนข้อความบรรยายหรือคำอธิบาย รองรับคำถามแบบใช่/ไม่ใช่ คำถามแบบเลือกที่มีความน่าจะเป็นต่อตัวเลือก และคำถามแบบให้คะแนนตามเกณฑ์ที่มีความน่าจะเป็นต่อระดับพร้อมคะแนนคาดหมาย
สามารถรันโมเดลนี้ในเครื่องได้หรือไม่
ได้ เพราะเป็นโมเดลน้ำหนักเปิด สามารถรันบนฮาร์ดแวร์ที่รองรับด้วย VRAM ประมาณ 13 GB ที่ปริมาณบิต 4 บิต หรือผ่านแอป Decider for Mac ที่ต้องใช้พื้นที่เก็บข้อมูล 5.8 GB และหน่วยความจำ 16 GB
Decider Flash V1.2 ต่างจาก Decider V1.2 อย่างไร
Decider Flash V1.2 เป็นรุ่นน้องที่เล็กกว่าและต้นทุนต่ำกว่า ใช้โครง Qwen3.5-4B ขนาด 4 พันล้านพารามิเตอร์ และใช้สัญญา API เดียวกันกับ Decider V1.2 รุ่นเต็มซึ่งมีพารามิเตอร์ 27 พันล้านตัวบนโครง Qwen3.8-27B