Perplexity lancia Decider v1.3, un modello che classifica testo e immagini più veloce ed economico dei chatbot
Consente alle app di giudicare istantaneamente se un contenuto è sicuro, decidere quale compito richiede un'AI più grande o trovare informazioni specifiche — senza scrivere risposte lunghe.

Un programma di intelligenza artificiale che legge testi o immagini e ti restituisce subito risposte del tipo sì/no oppure dei voti, invece di scriverti tutto un paragrafo.
- Invia testo o immagine con le tue domande.
- Il modello valuta tutte le possibili risposte.
- Ricevi velocemente i valori di probabilità.
Cosa differenzia questi modelli
A differenza dei modelli conversazionali che generano risposte lunghe un paragrafo alla volta, i modelli decisionali restituiscono semplici numeri che il tuo codice può usare direttamente 2. Invii contenuto insieme a un elenco di domande e ricevi in cambio una probabilità per ciascuna risposta possibile 1. È come chiedere a una correggitrice automatica invece di assumere qualcuno per scrivere un saggio .
Perplexity afferma che le nuove versioni sono più veloci e affidabili perché usano l'attenzione bidirezionale attraverso i loro strati principali, il che significa che ogni token può leggere l'intero input tutto in una volta invece di vedere solo ciò che lo ha preceduto 1. Hanno anche addestrato sui dati meglio selezionati con una ricetta raffinata .
Una nuova funzione chiamata locate va oltre il sì/no o le scelte multiple. Trova tratti esatti di testo dentro qualsiasi cosa tu fornisca al modello e restituisce le posizioni di inizio e fine 1. Ad esempio, puoi chiedere al modello di estrarre la città dove un annuncio di lavoro indica che si svolge il lavoro . Poiché ogni domanda condivide lo stesso stato dell'input, puoi eseguire locate insieme a classificazione e punteggio in una singola chiamata .
Come è stato costruito
Il team è partito da forti modelli linguistici generativi e ha modificato il funzionamento dello strato finale 1. Invece di cercare di indovinare la parola successiva in un vocabolario enorme, lo strato di uscita valuta solo le opzioni di risposta che ti interessano davvero — A, B, C o etichette simili — così il modello impara a trasformare la sua comprensione interna in distribuzioni di probabilità chiare .
I dati di addestramento provengono da centinaia di dataset pubblici che coprono sentiment, fact-checking, rilevamento dell'intento, moderazione, corrispondenza di entità e votazioni 1. Ogni esempio viene rimodellato nello stesso formato: un pezzo condiviso di contesto più una o più domande etichettate, poi perfezionato rispetto alle etichette ideali o alle distribuzioni di probabilità quando le risposte esatte non sono note .
Quando le persone dovrebbero usarlo
Questi modelli si adattano ai lavori che in precedenza richiedevano ai sistemi conversazionali di produrre un'etichetta che doveva essere estratta dalla prosa 12. Gli usi tipici includono valutare se un riassunto AI rispetta a un documento sorgente, instradare richieste difficili verso modelli più grandi e quelle facili verso quelli più piccoli, bloccare attacchi di phishing o injection di prompt, taggare e organizzare ampie librerie di contenuti e rerankare i risultati di ricerca per pertinenza . Poiché diverse domande condividono il calcolo in un unico passaggio, evitano il costo di generare risposta dopo risposta token per token .
Prezzo e accesso
Entrambi i modelli sono ospitati dietro il Decisions API di Perplexity e su Hugging Face sotto licenza Apache, con OpenRouter che li offre anch'esso 1. Il modello completo pplx-decider-v1.3 costa 0,02 $ per milione di token di input; quello più piccolo pplx-decider-flash-v1.3 dimezza il prezzo a 0,01 $ 2. I token di output sono gratuiti e il web grounding aggiunge 1 $ per mille ricerche . Sono disponibili SDK in Python e TypeScript rispettivamente dalla versione 0.44.0 e 0.39.0 . Le versioni precedenti v1.2 e Flash v1.2 restano comunque disponibili .
Questa storia riporta su un andamento solo a fini informativi. Non costituisce consiglio né invito a fare alcuna di queste cose.
Quanto è bravo
Perplexity afferma che Decider v1.3 è più veloce e affidabile delle versioni precedenti perché usa l'attenzione bidirezionale e dati di allenamento meglio selezionati 1. Si basa su centinaia di dataset pubblici che coprono sentiment, fact-checking, rilevamento dell'intento, moderazione, corrispondenza di entità e votazioni . La versione Flash funziona pressoché altrettanto bene ma costa la metà — un centesimo per milione di token di input contro due centesimi del modello completo 2. Nelle fonti non vengono forniti punteggi di benchmark testa a testa contro concorrenti.
I fatti principali
- Due modelli rilasciati: Decider v1.3 e il più piccolo e veloce Decider Flash v1.3
- Usa attenzione bidirezionale e dati di allenamento curati per una migliore accuratezza
- La nuova funzione locate estrae tratti esatti di testo con posizioni di inizio/fine
- Il modello completo costa 0,02 $/M token di input; la versione Flash è 0,01 $/M
- Disponibile su Hugging Face (licenza Apache), OpenRouter e Decisions API di Perplexity
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
Aziende e regolePerplexity Decider v1.3 permette all'AI di prendere decisioni più velocemente con un nuovo strumento per estrarre testoHerald of AI
Perplexity Decider v1.3 permette all'AI di prendere decisioni più velocemente con un nuovo strumento per estrarre testo
Il nuovo modello aiuta le app a ordinare, classificare e trovare testo specifico molto meno di quanto richiederebbe un'AI generativa.
I chatbot di intelligenza artificiale, tra cui ChatGPT e Gemini, continuano a indirizzare gli acquirenti verso siti truffaldini
Chi chiede agli assistenti di AI dove fare acquisti può finire su negozi fasulli che rubano i loro soldi.
Nuovi modelliPerplexity lancia due modelli di embedding multimodali per edge e cloudHerald of AI
Perplexity lancia due modelli di embedding multimodali per edge e cloud
Il modello da 9B ottiene il 92,4% sul benchmark agentic PDF QA, mentre la variante da 0,6B gira sui portatili per query rapide ed economiche.