Felo API PlatformFelo API Platform
返回模型列表

Decider V1.3 (free) API

Perplexity Decider V1.3 是面向分類、評分與路由的多模態決策模型,輸出結構化機率分布。

Perplexity Decider V1.3 支援文字輸入、視覺輸入與機率分布輸出,可透過自然語言提示執行二元分類、多類別分類及依評分規準評估。模型具備雙向注意力,能在單次前向傳遞中處理多個問題,並可使用 Locate 從輸入中擷取逐字片段。

它適合客服工單路由、內容審核、惡意內容與釣魚偵測、提示注入偵測、大型內容集合的篩選與標記、搜尋結果評分與重新排序,以及依規準評估輸入。模型可用於監控代理安全流程,但回傳的是機率分布,而非自由格式文字回答。

模型提供27B 與4B參數規模,兩種規模皆採 Apache2.0 授權;4B Flash版本是較輕量的部署選項。27B 本地部署約需28 至29 GB 的 VRAM,並可透過 Decisions API、Hugging Face 與 OpenRouter 使用。

更新時間:

模型 ID

pplx-decider-v1.3:free
上下文
262.144K
最大輸出
235.929K
輸入
text / image
輸出
decisions

核心要點

  • 多模態決策分類
  • 結構化機率輸出
  • 支援二元與多類別評分
  • 雙向注意力處理多問題
  • Locate逐字片段擷取
  • 提供27B 與4B 規模

供應商

1 個供應商

比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。

供應商 · 計費明細
可用率
$0$0

基準測試

  • Classification tasks

    涵蓋63 項任務的準確率。

    91.6%
  • Frontier LLM judges

    在一百萬筆真實 Decisions API 請求上的一致率。

    93.98%
  • Mean nDCG@10

    涵蓋72 項檢索任務的平均 nDCG@10。

    83.99
  • Multilingual classification benchmark

    八種語言的平均任務準確率。

    88.16%
  • Extraction tasks

    擷取任務的平均分數。

    69.0
  • Label sensitivity tests

    在372 個問題及每個模型4,788 次請求中,問題發生變化的比例。

    0.27%

分數來自模型廠商公布的資料,未經獨立驗證。

決策快速開始

把狀態與明確的型別化問題送到 /api/v1/decisions,每個問題讀回一個答案:noul 回傳 0 到 1 的機率,choice 回傳選中的選項及其分布,score 回傳有序標準的數值評分。這個入口與 Chat Completions、Messages、Responses 三套介面彼此獨立。

curl https://openapi.felo.ai/api/v1/decisions \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pplx-decider-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"]
      }
    }
  }'

常見問題

什麼是 Decider V1.3 (free)?

Perplexity Decider V1.3 支援文字輸入、視覺輸入與機率分布輸出,可透過自然語言提示執行二元分類、多類別分類及依評分規準評估。模型具備雙向注意力,能在單次前向傳遞中處理多個問題,並可使用 Locate 從輸入中擷取逐字片段。 它適合客服工單路由、內容審核、惡意內容與釣魚偵測、提示注入偵測、大型內容集合的篩選與標記、搜尋結果評分與重新排序,以及依規準評估輸入。模型可用於監控代理安全流程,但回傳的是機率分布,而非自由格式文字回答。 模型提供27B 與4B參數規模,兩種規模皆採 Apache2.0 授權;4B Flash版本是較輕量的部署選項。27B 本地部署約需28 至29 GB 的 VRAM,並可透過 Decisions API、Hugging Face 與 OpenRouter 使用。

如何計算呼叫費用?

費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。

支援哪些輸入與輸出?

支援文字輸入與視覺輸入,輸出為結構化機率分布,而非自由格式文字。

模型的上下文與輸出長度是多少?

上下文長度為262,144 tokens。資料未提供輸出長度上限。

適合處理哪些任務?

適合分類、評分、路由、審核、排序、評估與檢索評分,也能透過 Locate 擷取輸入中的逐字片段。

它有哪些模型規模?

提供27B 與4B參數規模;4B Flash 是較輕量的部署選項,並由較大模型蒸餾而成。

與同系列模型有何差別?

Decider V1.3 是目前資料列出的版本;同系列另有 Decider v1、Decider v1.1 與 Decider v1.2,但資料未提供它們之間的具體差異。

相關模型