← News-Übersicht | Spotmarkthalle

Perplexity veröffentlicht Open-Source-Entscheidungsmodell Decider v1.3 mit Text-Lokalisierung

2026-11-13 · Quelle:MarkTechPost

Perplexity veröffentlicht Open-Source-Entscheidungsmodell Decider v1.3 mit Text-Lokalisierung

Perplexity hat die Open-Source-Entscheidungsmodelle Decider v1.3 und Decider Flash v1.3 vorgestellt: präzise Textsegmente per Zeichen-Offset, einsetzbar für NER und PII-Erkennung, unter Apache-2.0-Lizenz.

Perplexity hat neue Versionen seiner Open-Source-Entscheidungsmodellfamilie veröffentlicht: Decider v1.3 und Decider Flash v1.3. Anders als generative Großmodelle erzeugt Decider keinen Text, sondern beantwortet Ja-Nein-Fragen, Multiple-Choice-Fragen und Bewertungsaufgaben zu Text- oder Bildeingaben und liefert für jede Antwortoption eine Wahrscheinlichkeit; jede Anfrage enthält einen gemeinsamen Statuszustand plus mehrere Fragen – ein Ansatz in der Tradition von TypeSafes Jev. Die neue Version basiert auf Qwen3.8-27B (auf Hugging Face als 26B ausgewiesen), die Flash-Variante auf Qwen3.5-4B (ausgewiesen als 5B).

Das Highlight von v1.3 ist die neue Funktion Locate zur Text-Lokalisierung: Sie extrahiert auf Basis kurzer Labels oder freier Anweisungen exakte Textsegmente samt Start- und End-Zeichenoffsets und zielt auf Named Entity Recognition (NER), PII-Erkennung und extraktives Question Answering – ausschließlich für Texteingaben. Umgesetzt ist das über ein zusätzliches locate-Token pro Feld, einen spannenbasierten Kopf sowie einen LoRA-Adapter; der Backbone und die Entscheidungsköpfe bleiben eingefroren. Die Adapter werden bewusst nicht zusammengeführt, da eine Fusion die Entscheidungsqualität beeinträchtigen würde. In den Benchmarks erreicht Locate im Schnitt 69.0 Punkte (Flash: 63.6) und liegt damit weit über GLiNER large v2.5 mit 33.6 – zugleich ist es die schwächste Disziplin von v1.3.

Bei der Architektur wurde ein generatives LLM in einen Klassifikator verwandelt: Der LM-Kopf wurde auf die Optionstokens reduziert, ein linearer Entscheidungskopf liest die Hidden States an den Markierungspositionen und gibt Wahrscheinlichkeiten aus; alle Attention-Schichten wurden auf bidirektional umgestellt (Ablationen bestätigen den Nutzen). In v1.3 wurde zudem die produktübergreifende Aufmerksamkeit angepasst: Der gemeinsame Status sieht alle Fragen, die Fragen einander jedoch nicht; alle Fragen laufen dennoch in einem einzigen Forward-Pass. Das Training erfolgte in drei Phasen: vollständiges Fine-Tuning auf öffentlichen Daten, LoRA-Spezialisierung und LoRA-Vision-Adaption; die Gewichte wurden über 3 zufällige Seeds gemittelt. Flash wurde per KL-Divergenz aus dem großen Modell destilliert.

Zu den offiziell gemeldeten Benchmarks: 91.6 % mittlere Genauigkeit bei der Query-Klassifikation über 63 Aufgaben; nDCG@10-Durchschnitt von 83.99 bei 72 Retrieval- und Reranking-Aufgaben, vor Qwen3-Reranker-8B und Jev 1.14; 88.16 % multilinguale Genauigkeit über 19 Aufgaben in 8 Sprachen (Flash: 86.50 %, Jev: 85.41 %); 76.99 % bei der Bildklassifikation; eine Übereinstimmung von 93.98 % mit Frontier-LLM-Richtern bei 1 Million realer Anfragen mit über 2,3 Millionen Fragen; bei der Robustheit liegt die Antwortumkehrrate bei nur 0.27 % (Jev 1.14: 2.69 % bis 4.84 %). Flash liegt bei Finanz-, Programmier- und Rechtsaufgaben hinter Jev zurück.

Die Gewichte stehen unter Apache 2.0 auf Hugging Face bereit und sind zudem über die Perplexity Decisions API sowie OpenRouter nutzbar. Für den lokalen Betrieb wird eine CUDA-GPU benötigt: Die BF16-Gewichte von v1.3 umfassen rund 49 GiB, die von Flash etwa 8.5 GiB; die API akzeptiert bis zu rund 256K Token (lokal standardmäßig 32768). Die Preisgestaltung: 0,02 US-Dollar pro Million Eingabe-Token (Flash: 0,01 US-Dollar), Ausgaben sind kostenlos; pro Million Produktionsanfragen fallen rund 26,47 US-Dollar an – weniger als die Hälfte von Jev 1.14 (68,10 US-Dollar). Die offizielle Empfehlung: v1.3 für feingranulare, rubrikbasierte Entscheidungen, Flash für hochparallel betriebenes Routing, Klassifikation und Extraktion. Zu beachten: Alle Ergebnisse sind offiziell selbst gemeldet.


Weitere Meldungen


萬安算交所 AIXX · AIXX · Verifizierte Computing-Börse · Zur Spotmarkthalle