Decider Flash V1.2 API
Perplexity 推出的轻量级决策模型，以概率而非文字作答，适合高吞吐分类与判定任务。
Decider Flash V1.2 是 Perplexity 决策模型系列中的轻量成员，基于 Qwen3.5-4B 主干构建，参数量为 40 亿，并且是开放权重模型。它与完整的 Decider V1.2 共享同一套 API 约定，但体积更小、成本更低，定位为该系列中的高性价比选择。模型不生成散文式解释，而是针对是/否问题、选项题和评分量表题返回概率，便于软件直接拿数值与阈值比较。
它支持文本、JSON、图像和 PDF 输入，并提供结构化输出，上下文窗口达 262K tokens。整个请求在单次处理中完成，因此可以对同一份输入一次性提出多个问题。典型用途包括高吞吐分类、将支持工单路由到合适的团队、过滤与标注消息、内容审核、情感评分、评分量表打分，以及从图像中提取结构化数据和核验视觉属性。
需要注意的是，该模型的设计是一请求一问；多问题请求会为每个问题重复处理和计费状态。它没有文档记载的显式推理模式，训练时使用的序列长度约为 32K tokens，更长的上下文只做了抽查而非广泛验证，因此在超长输入上的实际准确率可能有波动。Perplexity 建议用户用自己的标注样本验证准确率，尤其是细微判断类任务。
更新时间:
模型 ID
pplx-decider-flash-v1.2- 上下文
- 262.144K
- 最大输出
- 235.929K
- 输入
- text / image
- 输出
- decisions
核心要点
- 以概率作答，不生成文字
- 40 亿参数，开放权重
- 262K tokens 上下文窗口
- 支持文本、图像、PDF 与结构化输出
- 4-bit 量化约需 13 GB 显存
- 可通过 API、Opper 网关或本地运行
供应商
比较不同供应商的调用价格，点击供应商可查看完整费用和适用条件。
| $0.01 | $0 |
基准测试
- 85.71%
11 项基准整体准确率
共 7,210 个样本；通过 Perplexity API 测得，针对更广泛的 Decider V1.2 系列，而非 Flash 版本
分数来自模型厂商公布的数据，未独立验证。
决策快速开始
把状态和明确的类型化问题发给 /api/v1/decisions，每个问题读回一个答案：noul 返回 0 到 1 的概率，choice 返回选中的选项及其分布，score 返回有序标准的数值评分。这个入口与 Chat Completions、Messages、Responses 三套接口相互独立。
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"]
}
}
}'常见问题
什么是 Decider Flash V1.2?
Decider Flash V1.2 是 Perplexity 决策模型系列中的轻量成员，基于 Qwen3.5-4B 主干构建，参数量为 40 亿，并且是开放权重模型。它与完整的 Decider V1.2 共享同一套 API 约定，但体积更小、成本更低，定位为该系列中的高性价比选择。模型不生成散文式解释，而是针对是/否问题、选项题和评分量表题返回概率，便于软件直接拿数值与阈值比较。 它支持文本、JSON、图像和 PDF 输入，并提供结构化输出，上下文窗口达 262K tokens。整个请求在单次处理中完成，因此可以对同一份输入一次性提出多个问题。典型用途包括高吞吐分类、将支持工单路由到合适的团队、过滤与标注消息、内容审核、情感评分、评分量表打分，以及从图像中提取结构化数据和核验视觉属性。 需要注意的是，该模型的设计是一请求一问；多问题请求会为每个问题重复处理和计费状态。它没有文档记载的显式推理模式，训练时使用的序列长度约为 32K tokens，更长的上下文只做了抽查而非广泛验证，因此在超长输入上的实际准确率可能有波动。Perplexity 建议用户用自己的标注样本验证准确率，尤其是细微判断类任务。
如何计算调用费用？
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。
支持哪些输入类型？
支持文本、JSON、图像和 PDF 输入，并提供结构化输出。
上下文窗口有多大？
上下文为 262K tokens。
它输出文字解释吗？
不输出。它针对是/否问题、选项题和评分量表题返回概率，而非生成的散文或解释。
一次请求可以问多个问题吗？
设计上是一请求一问；多问题请求会为每个问题重复处理和计费状态。
与完整的 Decider V1.2 有什么区别？
Flash 版本更小、成本更低，与完整版共享同一 API 约定；完整版 pplx-decider-v1.2 为 27B 参数模型，基于 Qwen3.8-27B 主干，视觉支持最高 1.6 兆像素。