Perplexity Decider v1.3 permite a la IA tomar decisiones más rápido con una nueva herramienta para extraer texto
El nuevo modelo ayuda a las aplicaciones a ordenar, clasificar y encontrar texto específico de modo mucho más económico que preguntarle a una IA generativa de gran tamaño.

Un programa de texto que ordena documentos en categorías y extrae trozos concretos en vez de dar respuestas larguísimas.
- Mándale un documento con varias preguntas
- Califica todas las etiquetas posibles al mismo tiempo
- Recibe las categorías correctas más los fragmentos exactos del texto
Qué cambió en v1.3
El nuevo Decider v1.3 es la versión más grande de las dos; una versión más pequeña llamada "Flash" funciona con mucho menos hardware 1. Ambos modelos son de código abierto bajo una licencia Apache, lo que significa que cualquiera puede descargarlos y ejecutarlos en sus propias máquinas desde Hugging Face o usarlos a través de APIs en línea alojadas por Perplexity o OpenRouter .
La mayor novedad es una función llamada "Locate", que extrae fragmentos exactos de texto de documentos junto con sus posiciones en caracteres 2. Por ejemplo, si le pides al modelo que encuentre todos los nombres de ciudades en una oferta de empleo, Locate devuelve cada ciudad junto con exactamente dónde aparece en el texto 1. Esto ayuda en tareas como detectar datos personales en documentos, responder preguntas de comprensión lectora o extraer información estructurada sin generar resúmenes sueltos .
Cómo funcionan los modelos de decisión
Un modelo de decisión es diferente de un chatbot: en lugar de escribir palabras, asigna probabilidades a un conjunto de etiquetas predefinidas, como sí/no o opciones de opción múltiple 2. Le das una entrada —un párrafo, una imagen o incluso cientos de miles de tokens— junto con varias preguntas sobre ella, y responde todas de una sola pasada mientras comparte cálculo entre cada pregunta .
Perplexity adaptó un modelo de lenguaje generativo estándar podando su capa de salida hasta reducirse a tokens de etiqueta, congelando la mayor parte del núcleo y añadiendo pequeños adaptadores de ajuste fino 1. El modelo completo se basa en Qwen3.8-27B, usa atención bidireccional para que el texto anterior y posterior se influyan mutuamente por igual, y fue entrenado en tres etapas en conjuntos de datos públicos, incluido un adaptador de visión . La variante Flash se destila del modelo más grande igualando sus salidas de probabilidad 2.
Costo de ordenar y clasificar texto
Precios de API de Perplexity
Números y costos
En pruebas internas reportadas por Perplexity, el modelo completo de 27 mil millones de parámetros obtuvo un 91,6 % de precisión media en 63 tareas de clasificación de consultas, superando a Jev 1.14 de TypeSafe 1. También encabezó las clasificaciones de recuperación, la clasificación multilingüe y la evaluación de imágenes, aunque Locate promedió 69,0 —por debajo de las otras categorías . Flash quedó por detrás de Jev en tareas de finanzas, programación y derecho .
Para uso real, Perplexity reportó un 93,98 % de coincidencia con jueces de LLM de última generación en un millón de solicitudes de producción, frente al 93,35 % de Jev 1.14 1. Los cambios de respuesta causados por reordenar preguntas bajaron al 0,27 % versus hasta un 4,84 % para Jev .
Los precios a través de la API son $0,02 por millón de tokens de entrada para v1.3 y $0,01 para Flash, con salida gratuita 1. Ejecutarlo localmente requiere aproximadamente 49 GiB de memoria GPU para el modelo completo o 8,5 GiB para Flash, usando precisión BF16 sin variantes cuantizadas disponibles actualmente . Las ventanas de contexto alcanzan menos de 256K tokens a través de la API y por defecto 32.768 localmente .
Esta noticia informa sobre una tendencia únicamente con fines informativos. No constituye asesoramiento ni incentivo para hacer nada de ello.
Qué tan bueno es
En 63 tareas de clasificación de consultas autodeclaradas, Perplexity Decider v1.3 alcanzó una precisión media del 91,6 %, ubicándose unos seis puntos y medio por encima de los clasificadores en producción y por delante de Jev 1.14 de TypeSafe en siete dominios, incluyendo finanzas, donde lideró con hasta 12,9 puntos 1. También encabezó las clasificaciones de recuperación con un nDCG@10 de 83,99 y obtuvo un 88,16 % en tareas multilingües en ocho idiomas . En pruebas del mundo real que cubrieron un millón de solicitudes de producción, el modelo coincidió con jueces de LLM de punta un 93,98 % de las veces, y su tasa de cambio de respuesta bajó a solo 0,27 % frente a hasta un 4,84 % para Jev, según Perplexity .
Percentage of correct classifications across 19 tasks in 8 languages. Más alto es mejor. Datos: Perplexity. Gráfico de Herald of AI.
Los datos clave
- Decider v1.3 (27B) y Flash v1.3 (4B) son modelos de decisión de pesos abiertos disponibles en Hugging Face bajo Apache 2.0
- La nueva función Locate extrae tramos exactos de texto con desplazamientos de caracteres para NER, detección de PII y QA extractiva
- Los modelos de decisión devuelven probabilidades sobre etiquetas en lugar de texto generado, respondiendo varias preguntas en una sola pasada
- El precio de la API es $0,02/M tokens para v1.3 y $0,01/M para Flash; el despliegue local necesita ~49 GiB o ~8,5 GiB de VRAM BF16
- Las pruebas autoinformadas muestran 91,6 % de precisión en 63 tareas de clasificación y 0,27 % de tasa de cambio de respuesta
Fuentes
Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes
Sigue leyendo
Nuevos modelosPerplexity lanza Decider v1.3, un modelo que clasifica texto e imágenes más rápido y barato que los chatbotsHerald of AI
Perplexity lanza Decider v1.3, un modelo que clasifica texto e imágenes más rápido y barato que los chatbots
Permite que las aplicaciones juzguen al instante si el contenido es seguro, decidan qué tarea necesita un modelo mayor o encuentren información específica, sin escribir respuestas largas.
Chatbots de IA, incluidos ChatGPT y Gemini, siguen redirigiendo a los compradores a sitios de estafa
Las personas que preguntan a asistentes de IA dónde comprar pueden ser enviadas a tiendas falsas que les roban el dinero.
Empresas y reglasLas acciones de Anthropic comienzan a cotizar cerca de los 2 billones de dólares tras un debut bursátil sin precedentesHerald of AIAnk Kumar, CC BY-SA 4.0, via Wikimedia Commons
Las acciones de Anthropic comienzan a cotizar cerca de los 2 billones de dólares tras un debut bursátil sin precedentes
El IPO de la empresa de inteligencia artificial se alza como el mayor de la historia, con los primeros operadores ya presenciando bruscos vaivenes alrededor de los 100 dólares.