一、决策模型”5强”格局成形
2026年10月16-17日,Perplexity发布两款开源多模态决策模型:
- pplx-decider-v1.2(27B)——基于Qwen3.8-27B微调
- pplx-decider-flash-v1.2(4B)——基于Qwen3.5-4B
这标志着决策模型在10天内迎来第5个重要玩家:
| 玩家 | 模型 | 日期 | 定位 |
|---|---|---|---|
| Liquid AI | Open d1 | 10/7 | 开源边缘、零输出Token |
| Cloudflare | Clef-omni | 10/9 | 多模态(音视频) |
| Microsoft | Decision-1 | 10/10 | 商业云端、35倍速度 |
| vLLM | Decision 3.0 | 10/13 | 6变体本地多规模 |
| Perplexity | Decider v1.2 | 10/16 | 开源+1美分定价+多问题共享 |
“决策模型”正式成为独立赛道。
二、Decider的”3种回答”机制
Decider不写回复、不生成代码——只回答被问好的判断题,并给出概率。
使用流程:
- 提供一份材料(state)——文本、结构化记录,或图片
- 提供一道或多道定型问题
- 获得概率,应用自己做决定
3种题型:
| 题型 | 输出 |
|---|---|
| 是非题 | 0到1之间的”是“的概率 |
| 选择题 | 在给定选项里逐个给概率并选出最可能的一个 |
| 评分题 | 按你定义的有序量表逐级给概率 |
典型应用:
- 工单转给哪个团队
- 商品照片是否显示破损
- 拿不准的判断转人工复核
三、v1.2的核心突破:多问题共享输入
v1.2的最大变化:
把一份材料 + 多个问题放进同一次请求,每个问题有自己的读出标记,相关问题共享上下文,算力大致相当于只问一个问题。
效果:推理最高提速5倍。
对比上一代:逐题推理——同一份材料问3个问题 = 3倍成本。
其他技术改进:
- 新attention schema——更好的batching
- inference-aware retraining——专门针对推理成本优化训练
- 新增reranking能力
- 大幅增加训练算力和数据集规模
四、价格:1美分的激进定价
API定价:
| 模型 | 输入/百万token | 输出 | 上下文 |
|---|---|---|---|
| Decider v1.2(27B) | $0.02 | 免费 | — |
| Decider Flash v1.2(4B) | $0.01 | 免费 | — |
输出免费——因为它本来就不生成输出(只给概率)。
对比决策模型价格:
| 模型 | 输入/百万token | 对比 |
|---|---|---|
| Perplexity Flash 4B | $0.01 | — |
| Perplexity v1.2 27B | $0.02 | — |
| Microsoft-Decision-1 | $0.042 | Perplexity 便宜2-4倍 |
| Cloudflare Clef-flash | $0.038 | Perplexity 便宜2-4倍 |
| Google Gemini 4 Argon | $2.00(首推) | Perplexity 便宜100-200倍 |
Perplexity的1美分是决策模型赛道最激进的定价。
五、Benchmark:27B总榜第2 + 4B同规模第1
| 指标 | v1.1 | v1.2 | 提升 |
|---|---|---|---|
| Decision Index 0.3总分 | 62.30 | 68.09 | +5.79 |
| 视觉决策分项 | 73.22 | 77.43 | +4.21 |
| 推理速度 | 逐题 | 一次通过 | 最高5倍 |
HF Decision Index排名:
- 27B v1.2:总榜第2
- 4B Flash:同规模第1
六、⚠️ 关键警告:Perplexity自己的提醒
Perplexity在模型卡中主动提示了三个限制——这在AI行业非常罕见:
1. “自己出题自己考”
官方明确:
“这套基准由Perplexity自己维护和运行,且这一版的训练数据已经纳入了其中若干基准的官方训练集,分数上涨有多少来自’更会判断‘、多少来自’更熟悉考题‘,要等第三方复测才能拆开。”
这与昨日Gemini 4 Argon的harness争议(97.5% vs 49.8%)形成完美对仗——
| 案例 | 问题 |
|---|---|
| Gemini 4 Argon | 测试环境(vendor features)导致47.7pp差距 |
| Perplexity Decider | 训练数据可能包含基准训练集 |
两者都是“AI评估可信度”的系统性问题。
2. 4B合并多问题会损失准确率
官方建议:4B版本默认逐题处理。
3. 互不相关的对象应分开打分
官方明确:给互不相关的候选对象打分时应分开请求,放在一起会互相影响。
这是多问题共享功能的关键使用边界。
七、端侧运行:16GB内存的M4 Mac
Perplexity CEO Aravind Srinivas亲自发帖:
Flash版本可以端侧跑在一台16GB内存的M4 Mac上。
4B模型在16GB的Mac上本地运行——这是决策模型的“端侧化”关键一步。
对比Liquid AI d1的3B边缘部署:
- Liquid AI d1:3B/600M,专门硬件边缘
- Perplexity Flash 4B:普通MacBook就能跑
八、接入渠道
| 渠道 | 详情 |
|---|---|
| Perplexity API | Decisions API |
| Vercel AI Gateway | 一个API密钥+用量成本监控+支出预算 |
| OpenRouter | 直接调用 |
| Hugging Face | 开源权重(Apache 2.0) |
| TypeSafe兼容API | — |
Vercel的三个亮点:
- BYOK(自带供应商凭证)也不加价、不收平台费
- 决策请求计入支出预算,可监控
- 一个API密钥调用+监控
另外新增2个模型slug:pplx-decider-latest / pplx-decider-flash-latest——指向最新checkpoint,防止regression(Perplexity承诺”确保每个新checkpoint不在原有能力上退步”)。
九、5个值得记住的关键事实
- 发布时间:2026-10-16
- 两款模型:27B($0.02/M)+ 4B($0.01/M),输出免费
- 核心突破:多问题共享输入,推理最高提速5倍
- Benchmark:68.09(+5.79),HF总榜第2,4B同规模第1
- 端侧:Flash 4B 可跑16GB内存的M4 Mac
十、5个常见疑问
Q1:多问题共享输入是”作弊”吗?
不算。这是推理优化:
- 之前:同一材料问3个问题 = 3次推理
- 现在:1次推理 + 3个读出标记
但4B版本官方建议逐题处理——准确率会损失。
Q2:$0.01/百万token怎么可能赚钱?
因为它不生成输出:
- 传统LLM:输入贵+输出贵(输出token多)
- 决策模型:输入便宜+输出免费
Perplexity赚的是“路由+API”的钱,不是token的钱。
Q3:为什么Perplexity要做决策模型?
战略定位:
- Perplexity = AI搜索/答案引擎
- 决策模型 = AI Agent的”判断层”
- 两者组合 = “Perplexity的Agent栈”
这与Microsoft Decision-1、Cloudflare Clef-omni是同一个战略判断:30-40%的LLM调用不需要生成。
Q4:用自己的基准测自己的模型,可信吗?
官方主动承认这个问题——这是加分项。
但依然需要第三方复测:
- Perplexity自己跑基准
- 训练数据可能包含基准官方训练集
- Community无法独立验证until有第三方
Q5:对中国AI公司有什么影响?
三大影响:
- DeepSeek/智谱/阶跃需要跟进决策模型赛道
- 基于Qwen的模型(Perplexity两款都基于Qwen)——阿里生态被西方公司采用
- 1美分定价会压低全行业决策模型价格
十一、为什么这条值得收藏
Decider v1.2是2026 Q4决策模型赛道的”分水岭”。三个层面意义:
1. “决策模型5强”完成行业验证
10天内5个玩家:
- Liquid AI:开源、边缘、零输出Token
- Cloudflare:多模态(音视频)
- Microsoft:商业云端、35倍速度
- vLLM:6变体本地多规模
- Perplexity:开源+1美分+多问题共享+端侧Mac
这不是“一个公司的发布”,而是一个品类的形成。
2. “多问题共享输入”是实用性突破
5倍推理提速 + 1美分定价 = 决策模型从”能用”到”好用”。
具体场景:
- 客服一次请求完成”是否投诉+转哪个团队+紧急度评分”
- 成本从3次推理降到1次
3. “自己出题自己考”是行业系统性问题
Perplexity主动披露训练数据可能含基准训练集——
结合昨日Gemini 4 Argon的harness争议,两个独立案例指向同一结论:
AI评估的”可比性”正在崩塌——
- 基准可以被harness影响47.7pp
- 基准可以被训练数据影响
这比”某个模型更强”重要得多。
对于AI从业者:
- 立即试用Decider Flash 4B(16GB Mac就能跑,$0.01/M)
- 用“一次多问”模式做客服路由/内容审核
- 关注4B时逐题处理(官方建议)
对于企业AI采购:
- 1美分/M比Gemini Argon首推价便宜100倍
- Apache 2.0可自托管
- 多问题共享能省5倍成本
对于投资观察者:
- Perplexity从”AI搜索“扩展到”AI判断层“
- 决策模型赛道5家竞争,价格战开启
- Perplexity的商业模式从API token转向路由+平台
当Liquid AI、Cloudflare、Microsoft、vLLM、Perplexity在10天内密集发布决策模型,当价格被压到1美分/百万token,当4B模型能跑在16GB Mac上——2026 Q4,决策模型从“技术概念”变成“生产基础设施”。
📚 信息来源
- toolnavs 10/18:Perplexity 发布 Decider v1.2:27B 模型不写答案,只报判断概率(独家中文详细)
- BlockBeats 10/17 10:54:Perplexity开源两款决策模型:百万输入Token最低1美分,推理最高提速5倍(独家)
- AiBoss88 10/16:Perplexity Decider V1.2 两款决策模型上线 Vercel AI Gateway(独家Vercel细节)
- HuggingNews 10/16:Perplexity’s New Decision Models Take No 2 Spot on HF Index(独家榜单数据)
- Digg 10/16:Perplexity introduces pplx-decider-v1.2 and pplx-decider-flash-v1.2(官方X帖全文)
- Perplexity Developers官方X 10/16
本文为编辑独立撰写的AI产品动态分析。Decider v1.2数据来自Perplexity官方X帖+ Hugging Face模型卡+ Vercel更新日志+ 5家媒体交叉验证。Decision Index 0.3为Perplexity自维护自运行基准,且官方主动承认训练数据可能包含部分基准官方训练集,第三方复测待跟进。$0.01/$0.02 per 1M输入token、输出免费为官方定价。5倍推理提速为官方声称(多问题共享一次通过)。16GB M4 Mac端侧运行为CEO Aravind Srinivas X帖声称。本文不构成任何投资或商业建议。