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
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。
| 可用率 | |||
|---|---|---|---|
| $0 | $0 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
基準測試
- 91.6%
Classification tasks
涵蓋63 項任務的準確率。
- 93.98%
Frontier LLM judges
在一百萬筆真實 Decisions API 請求上的一致率。
- 83.99
Mean nDCG@10
涵蓋72 項檢索任務的平均 nDCG@10。
- 88.16%
Multilingual classification benchmark
八種語言的平均任務準確率。
- 69.0
Extraction tasks
擷取任務的平均分數。
- 0.27%
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。
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
Decider Flash V1.3 (free)
Perplexity決策pplx-decider-flash-v1.3:free以機率輸出結構化決策結果,適合快速分類、擷取、排序與內容安全判斷。
上下文
262.144K
輸出
決策
輸入 tokens
$0 / 1M tokens
輸出 tokens
$0 / 1M tokens
Decider Flash V1.2
Perplexity決策pplx-decider-flash-v1.2Perplexity 推出的輕量決策模型,以機率回答是非、選項與評分問題,適合高頻分類與篩選。
上下文
262.144K
輸出
決策
輸入 tokens
$0.01 / 1M tokens
輸出 tokens
$0 / 1M tokens