Decider Flash V1.3 (free) API
面向快速结构化决策的4B参数模型,可输出概率并支持分类、排序与信息抽取。
Perplexity Decider Flash V1.34B 是 Decider v1.3 的蒸馏小型版本,面向需要快速、结构化决策的工作流。模型支持文本、JSON 和图像输入,上下文长度为262K;针对判断题返回概率,而不是生成长篇 prose。它支持是或否问题、最多255个选项的选择题,以及最多10级有序量表的评分题,并分别返回概率、最可能选项或预期分数。
该模型适合内容审核、钓鱼与提示注入检测、大规模内容过滤和标注、搜索结果相关性评分与重排,也适用于命名实体识别、个人信息识别、抽取式问答、代理安全规则和网页质量筛选。locate 功能可依据指令从输入中提取片段;模型还支持通过自然语言提示开展新任务,无需微调。其4B参数规模适合在兼容的本地设备上部署,并提供 Apache许可下的开放权重版本。
使用时应在小型标注开发集上调节决策阈值,因为合适阈值取决于标签频率和错误成本。locate 使用的适配器尚未与主模型合并;完全可缓存模式还需要少量微调才能启用。
更新时间:
模型 ID
pplx-decider-flash-v1.3:free- 上下文
- 262.144K
- 最大输出
- 235.929K
- 输入
- text / image
- 输出
- decisions
核心要点
- 返回决策概率
- 支持最多255个选项
- 支持最多10级评分
- 上下文长度262K
- 4B参数规模
- 开放权重 Apache许可
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。
| 可用率 | |||
|---|---|---|---|
| $0 | $0 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
基准测试
- 86.50%
多语言分类基准
八种语言上的平均任务准确率。
- 88.16%
多语言分类基准
Decider v1.3 在八种语言上的平均任务准确率。
- 85.41%
多语言分类基准
Jev1.14 在八种语言上的平均任务准确率。
- 63.6
抽取任务
平均得分。
- 69.0
抽取任务
Decider v1.3 的平均得分。
- 43.3
抽取任务
Liquid d1 的平均得分。
- 41.5
抽取任务
Cloudflare's Clairic 的平均得分。
- 33.6
抽取任务
GLiNER large v2.5 的平均得分。
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-v1.3: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"]
}
}
}'常见问题
什么是 Decider Flash V1.3 (free)?
Perplexity Decider Flash V1.34B 是 Decider v1.3 的蒸馏小型版本,面向需要快速、结构化决策的工作流。模型支持文本、JSON 和图像输入,上下文长度为262K;针对判断题返回概率,而不是生成长篇 prose。它支持是或否问题、最多255个选项的选择题,以及最多10级有序量表的评分题,并分别返回概率、最可能选项或预期分数。 该模型适合内容审核、钓鱼与提示注入检测、大规模内容过滤和标注、搜索结果相关性评分与重排,也适用于命名实体识别、个人信息识别、抽取式问答、代理安全规则和网页质量筛选。locate 功能可依据指令从输入中提取片段;模型还支持通过自然语言提示开展新任务,无需微调。其4B参数规模适合在兼容的本地设备上部署,并提供 Apache许可下的开放权重版本。 使用时应在小型标注开发集上调节决策阈值,因为合适阈值取决于标签频率和错误成本。locate 使用的适配器尚未与主模型合并;完全可缓存模式还需要少量微调才能启用。
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。
它支持哪些输入?
支持文本、JSON 和图像输入。
上下文长度和输出长度是多少?
上下文长度为262K。资料未提供输出长度上限。
它适合处理哪些任务?
适合概率化决策、分类、内容审核、搜索结果相关性评分与重排,以及命名实体和个人信息抽取。
它如何回答选择题?
对于最多255个选项的选择题,模型返回各选项概率以及最可能的选项;是或否问题则返回“是”的概率。
它与同系列模型有什么差别?
它是 Decider v1.3 的蒸馏小型版本,参数规模为4B,定位是更适合快速、结构化决策的低延迟选项。
相关模型
Decider V1.3 (free)
Perplexity决策pplx-decider-v1.3:freePerplexity Decider V1.3 是面向分类、路由、评估与检索评分的多模态决策模型。
上下文
262.144K
输出
决策
输入 tokens
$0 / 1M tokens
输出 tokens
$0 / 1M tokens
Decider Flash V1.2
Perplexity决策pplx-decider-flash-v1.2Perplexity 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。
上下文
262.144K
输出
决策
输入 tokens
$0.01 / 1M tokens
输出 tokens
$0 / 1M tokens