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.

Un programa de IA que lee texto o imágenes y te da respuestas cortas de sí o no, o una calificación, en vez de escribirte un texto largo.
- Manda el texto o la imagen junto con tus preguntas.
- El modelo le pone puntaje a cada respuesta posible.
- Te regresa rápido los números de probabilidad.
Qué hace distintos a estos modelos
A diferencia de los modelos de chat que generan respuestas largas párrafo por párrafo, los modelos de decisión devuelven números simples que tu código puede usar directo 2. Envías contenido junto con una lista de preguntas y recibes una probabilidad para cada posible respuesta 1. Es como preguntar a una máquina de corregir exámenes en lugar de contratar a alguien para escribir un ensayo .
Perplexity dice que las nuevas versiones son más rápidas y confiables porque usan atención bidireccional en sus capas centrales, lo que significa que cada token puede leer toda la entrada a la vez en lugar de solo lo que vino antes 1. También entrenaron con datos mejor curados con una receta refinada .
Una nueva función llamada locate va más allá del sí o no o las opciones múltiples. Encuentra tramos exactos de texto dentro de cualquier cosa que alimentes al modelo y devuelve sus posiciones de inicio y fin 1. Por ejemplo, puedes pedirle al modelo que extraiga la ciudad donde un aviso de empleo indica que se trabaja . Como todas las preguntas comparten el mismo estado de entrada, puedes ejecutar locate junto con clasificación y puntuación en una sola llamada .
Cómo fue construido
El equipo empezó desde modelos de lenguaje generativo sólidos y cambió cómo funciona la capa final 1. En vez de intentar adivinar la siguiente palabra en un vocabulario enorme, la capa de salida solo puntúa las opciones de respuesta que realmente quieres — A, B, C o etiquetas similares — así el modelo aprende a convertir su entendimiento interno en distribuciones de probabilidad claras .
Los datos de entrenamiento vienen de cientos de bases públicas que cubren sentimiento, verificación de hechos, detección de intención, moderación, emparejamiento de entidades y calificaciones 1. Cada ejemplo se reformatea al mismo formato: un fragmento compartido de contexto junto con una o varias preguntas etiquetadas, luego se ajusta contra etiquetas ideales o distribuciones de probabilidad cuando las respuestas exactas son desconocidas .
Cuándo usarlo
Estos modelos encajan en trabajos que antes pedían a sistemas de chat que escupieran una etiqueta que había que analizar fuera de prosa 12. Usos típicos incluyen juzgar si un resumen de IA se mantiene fiel a un documento fuente, enrutar solicitudes difíciles a modelos grandes y las sencillas a modelos pequeños, detectar ataques de phishing o inyección de prompts, etiquetar y organizar bibliotecas grandes de contenido, y rerankear resultados de búsqueda por relevancia . Como varias preguntas comparten cómputo en una sola pasada, evitan el costo de generar respuesta tras respuesta token por token .
Precio y acceso
Ambos modelos están detrás de la API de Decisiones de Perplexity y en Hugging Face bajo la licencia Apache, con OpenRouter también disponible 1. El pplx-decider-v1.3 completo cuesta $0.02 por millón de tokens de entrada; el más pequeño pplx-decider-flash-v1.3 reduce eso a la mitad, a $0.01 2. Los tokens de salida son gratis y el acoplamiento web añade $1 por mil búsquedas . Hay SDKs de Python y TypeScript disponibles desde la versión 0.44.0 y 0.39.0 respectivamente . Las versiones anteriores v1.2 y Flash v1.2 también permanecen disponibles .
Esta noticia informa sobre una tendencia con fines informativos. No es consejo ni aliento para hacer nada de ello.
Qué tan bueno es
Perplexity dice que Decider v1.3 es más rápido y confiable que las versiones anteriores porque usa atención bidireccional y datos de entrenamiento mejor curados 1. Se basa en cientos de bases públicas que cubren sentimiento, verificación de hechos, detección de intención, moderación, emparejamiento de entidades y calificaciones . La versión Flash funciona casi igual pero cuesta la mitad — un centavo por millón de tokens de entrada comparado con dos centavos del modelo completo 2. No se dan puntuaciones de benchmarks enfrentados contra rivales en las fuentes.
Los datos clave
- Dos modelos lanzados: Decider v1.3 y el más pequeño y rápido Decider Flash v1.3
- Usa atención bidireccional y datos de entrenamiento curados para mejor precisión
- Nueva función locate que extrae tramos exactos de texto con posiciones de inicio/fin
- Modelo completo cuesta $0.02/M tokens de entrada; versión Flash es $0.01/M
- Disponible en Hugging Face (licencia Apache), OpenRouter y API de Decisiones de Perplexity
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
Empresas y reglasPerplexity Decider v1.3 permite a la IA tomar decisiones más rápido con una nueva herramienta para extraer textoHerald of AI
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.
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.
Nuevos modelosPerplexity lanza dos modelos de embeddings multimodales para dispositivos finales y en la nubeHerald of AI
Perplexity lanza dos modelos de embeddings multimodales para dispositivos finales y en la nube
El modelo de 9B obtiene un 92,4% en QA agéntico de PDFs, mientras que la variante de 0,6B funciona en portátiles para consultas rápidas y económicas.