Perplexity发布Decider v1.3:决策模型新增Locate能力

Perplexity 发布开放式权重决策模型 Decider/Flash v1.3,新增片段抽取能力。
Perplexity 发布 Decider v1.3 和 Flash v1.3 两款开放式权重决策模型,它们不生成自然语言,而是直接输出概率分布与结构化判定结果,专为检索增强管线中的路由、分类和片段定位等中间环节设计。v1.3 新增 Locate 能力,支持文本片段抽取,并与分类判定共享输入表示,减少流水线中的模型切换。官方在 63 项查询分类任务上报告 91.6% 平均准确率,但缺少各类别细分数据与 Locate 单独评测。开放式权重便于本地部署与微调,适合数据边界敏感的场景,但参数规模、上下文长度和推理成本等关键指标尚未披露。整体而言,这类模型更适合嵌入 RAG 或 Agent 管线,替代部分提示词工程与规则代码。
Perplexity 发布了 Decider v1.3 和 Flash v1.3,两款定位不同于主流对话模型的开放式权重决策模型。它们的核心差异在于输出目标:不生成自然语言,而是直接返回概率分布与结构化判定结果。v1.3 版本新增了 Locate 能力,可用于文本片段抽取(span extraction),在 63 项查询分类任务上报告了 91.6% 的平均准确率。
决策模型与生成模型的分工
把「决策」单独做成一层模型,是 Perplexity 这类检索增强产品演进的必然结果。对话模型擅长组织和表达信息,但在路由、分类、片段定位这类中间环节上,逐字生成文本既慢又引入了不必要的随机性。Decider 和 Flash 输出概率而非文本,本质上是把一个判定问题交给更适合它的模型形态:给定输入,返回类别置信度与目标位置。
这种设计的直接收益是管线可控性。上层应用拿到的是可比较的数值,而不是需要再解析一遍的自然语言回答,错误也更容易定位在某一环节,而不是淹没在一整段生成文本里。开放式权重则让团队可以在自有数据上微调或本地部署,对延迟和数据边界敏感的场景更友好。
Locate:把「找出来」变成模型的原生能力
v1.3 最值得关注的增量是 Locate。文本片段抽取在检索与问答管线中极为常见:从长文档里定位支撑某条结论的原句,或在用户查询中圈出关键实体。过去这类任务常由一个独立的抽取模型承担,或者在生成模型之外再加一层规则后处理。
Locate 把这一步收进决策模型本身,意味着分类判定与片段定位可以共享同一套输入表示。对于需要同时回答「这条查询属于什么意图」和「意图对应的关键片段在哪」的流水线而言,减少一次模型切换就能降低整体延迟和集成复杂度。至于抽取质量,官方目前只给出了分类任务上的整体准确率,Locate 单独的评测数据尚未披露,实际效果仍需在具体语料上验证。
文本片段抽取(span extraction) 是信息抽取中的基础任务:给定一段文本和一个问题或意图,模型需要返回原文中一个连续的字符区间(即 span)作为答案,而不是重新生成一段话。典型应用包括阅读理解中的答案定位、实体识别和检索系统中的证据句抽取。与生成式回答相比,span extraction 的优势在于答案严格来自原文,可追溯、不易幻觉,且输出空间更小、推理更快。传统做法通常采用基于 BERT 等编码器的抽取式模型,在输入上预测起始和结束位置的概率分布。Locate 将这一能力内置于决策模型中,意味着分类与抽取可以共享同一套编码表示,减少流水线中的模型切换。
91.6% 准确率意味着什么
91.6% 的平均准确率对应 63 项查询分类任务。这个数字的信息量取决于任务集合的构成:平均准确率能反映整体水平,但掩盖了任务之间的方差。如果任务难度分布不均,少数高难度类别上的短板可能被均值稀释。
更务实的读法是把它当作一个基线参照。决策模型的价值不只在单点准确率,还在于概率输出带来的可调节性:置信度低的样本可以转交人工或更强模型复核,从而在系统层面换取更高的有效准确率。这类「带置信度的分类器」在路由场景中的工程价值,往往比绝对精度数字更关键。
平均准确率 是对多个任务准确率取算术平均,它与「微平均」或「宏平均」不同:若各任务样本量差异很大,简单平均可能高估或低估整体表现。在 63 项任务上报告单一均值,读者无法判断是每项任务都接近 91.6%,还是部分任务接近满分而部分任务显著偏低。评估分类模型时,通常还需要看混淆矩阵、各类别的精确率/召回率/F1,以及置信度校准情况——即模型给出的概率是否真实反映其正确率。对于决策模型而言,校准质量直接决定了「低置信度转人工」策略的有效性,因此比单一准确率更具工程参考价值。
开放式权重带来的部署选择
开放式权重是这两款模型的另一条主线。它让模型可以被下载、审查和改造,适合需要数据不出域或对推理成本有严格约束的团队。与封闭 API 相比,代价是团队要自行承担部署、版本管理和评测工作。
Decider 与 Flash 的双型号组合也暗示了分层思路:一个承担更重的判定任务,一个面向轻量场景。不过官方素材未披露参数规模、上下文长度与推理成本等关键指标,选型时还需要结合自身负载实测。
开放式权重(open-weight) 指模型参数可公开下载,但训练数据、训练代码或完整训练流程未必开放,因此不等同于完全的开源模型。使用者可以在本地或私有云部署、审查权重、进行微调或量化压缩,从而满足数据不出域、低延迟和成本可控的需求。代价是需要自行承担推理基础设施、版本升级、安全评估和持续评测。与之相对的封闭 API 模式则由服务商负责运维,但数据需出境或出域,且行为可能随服务商更新而漂移。选型时需权衡合规要求、团队运维能力与总拥有成本。
适用场景与观察方向
短期内,这类模型更适合嵌入检索、路由、内容审核与结构化信息抽取等中间层,而不是直接面向终端用户。对于已经在搭建 RAG 或 Agent 管线的团队,决策模型层可以替换掉一部分提示词工程与规则代码。
后续值得观察两点:Locate 在长文档与多语言语料上的稳定性,以及 63 项任务集合中各类别的细分表现。如果官方补齐这些评测,Decider 的定位会从「有趣的模型形态」变成可被严肃纳入架构选型的组件。
相关推荐

Gemini 4 Neon评测:跑分比肩Carbon,API定价与额度解析
Google Gemini 4 Neon正式上线,跑分紧咬Carbon,API定价3/15为Hydrogen两倍。本文汇总B站UP主实测:Neon可平替90% Carbon场景,AntiGravity中额度消耗仅为Carbon三分之一,并解析订阅渠道限制与2API封号风险。

Gemini 4 Helium或将至?Google订阅限制松绑信号
Google团队成员预告发布将继续,社区推测Gemini 4 Helium(Flash Lite)或成下一款模型;订阅封禁争议获回应,产品负责人以「Soon」暗示可能开放限制。本文梳理Gemini动向、OpenAI Coding Agent与风险管理、豆包实时音视频API及算力商业动态。

AI辅助React开发实战:视频应用优化与错误处理
14年经验开发者演示如何用AI辅助优化React视频应用:通过ImageKit将视频从80MB压缩至5MB(约94%),并实现可靠的错误处理与重试机制。包含与AI协作的规划、代码理解和验证方法。