AI 能一次做出複雜決策?Perplexity 決策模型「Decider v1.3」的祕密

表現人工智慧決策模型的概念圖之插圖,能一目了然地分析與分類各種資料和文件
AI Summary

Perplexity 推出了能一次執行分類、路由、評分與資訊擷取的開權重多模態決策模型「Decider v1.3」與「Decider Flash v1.3」。

試想一下,在一個每天湧入數千筆客戶諮詢、文件與圖片的大型客服中心裡,承辦人員每次都要分類這到底是退款請求、一般諮詢還是緊急客訴,並進行評分,搞得精疲力竭。然而,現在出現了一個能在短短幾秒鐘內,比人類更準確地完成這項複雜且枯燥判斷工作的 AI。這就是 Perplexity(基於 AI 的搜尋與對話平台) 所發布的開權重(Open-weight,任何人皆可檢視內部結構並加以利用的公開權重模型)多模態(Multimodal,能同時理解文字、圖片、聲音等多種形式資料的技術)決策模型「Decider v1.3」與「Decider Flash v1.3」 [Source 2, Source 7]。

在這篇文章中,我們將逐步探討為什麼 Perplexity 推出的這款全新決策 AI 會備受關注,以及它將為我們的日常生活與商業帶來什麼樣的改變。


為什麼這很重要?

企業將 AI 導入商業應用時最頭痛的痛點,就是「判斷與決策」。比方說,這就像在巨大的工廠裡,為了逐一用手工檢驗無數零件是否不良而停工等待。過去,為了回答「這封電子郵件是垃圾郵件嗎?」、「這位客戶提交的文件符合規定嗎?」、「這則商品評論是正面還是負面?」這類問題,必須將各種不同的程式進行複雜的串聯。

然而,Perplexity 的 Decider v1.3 在 63 個查詢分類(Query-classification,將使用者的提問或請求意圖按類型劃分的任務)任務中創下了 91.6% 的平均準確度,證明其效能比自家原有的生產環境分類器高出 6.54 個百分點 [Source 2]。

它不僅僅是讀取文字並回答,還能以單一路徑同時處理分類(Classification)、評分(Scoring)與資訊擷取(Extraction) [Source 4, Source 6],這讓企業能夠以更低的成本建構出快速且準確的自動化系統。


輕鬆理解:Decider v1.3 是如何工作的?

簡單來說,Decider v1.3 可以比擬為「超高速法官」或「大型圖書館的天才圖書管理員」。

這個模型可以同時接收文字、結構化 JSON(用於儲存與交換資料的輕量級文字格式)、甚至是圖片等多種形式的資料 [Source 6]。並且,它會根據是非題、使用者預先設定的自訂選項、或是排序好的評分規條(Rubric,評估標準表)進行徹底審查,最後輸出機率值與打字完成的正解 [Source 6]。

用比喻來看核心功能

  • X 光安檢門:就像機場安檢掃描行李一樣,Decider v1.3 能在龐大資料中毫無誤差地挑出違規事項或特定項目。
  • 全新的「定位 (Locate)」功能:新增了直接在文字中指認特定資訊的能力 [Source 1, Source 7]。這就像是在巨大的百科全書中,精準地用美工刀將寫有特定單字的頁面完美切下來尋找的技術一樣。

這所有過程都在單一模型內部有機地發生,這正是它與現有 AI 最大不同之處 [Source 4, Source 6]。


現狀:目前進展到哪裡?

Perplexity Decider v1.3 是承襲前一代版本 v1、v1.1、v1.2 以及 Flash v1.2 優良血統而誕生的最新模型 [Source 2]。目前已知的技術特徵與規格如下:

  1. 強大的多模態處理:不僅是文字,連圖片與結構化資料都能同時進行評估 [Source 6]。
  2. 龐大的上下文視窗:提供高達 256K(約 25 萬 6 千個)的巨大上下文視窗(Context window,AI 一次能記憶與處理的資訊量),能夠整本書塞進去進行分析 [Source 6]。
  3. 輸入資料的無損保留:在訓練過程中使用了最長 30,720 個 Token(權杖,AI 讀取與處理句子的基本單位)長度的序列,並堅持絕不中途裁切(Truncation)輸入資料的原則 [Source 9]。
  4. 靈活的提問限制:提問數量沒有固定限制,在允許的長度極限內,可以一次拋出無數個問題 [Source 9]。

開發者與企業可以透過 OpenRouter 或 Vercel AI Gateway 等管道,輕鬆測試此模型並以 API 形式呼叫使用 [Source 6, Source 8]。


未來發展如何?

隨著 Perplexity 以開權重模型形式全面開源 Decider v1.3 與 Decider Flash v1.3 [Source 2, Source 7],預計未來會有無數企業與開發者將這個「智慧型判斷引擎」移植到各自的服務中。

在客服中心自動分類系統、大規模合約與法律文件審查、即時內容審核等「正確判斷」決定商業成敗的領域中,Decider v1.3 預計將穩坐核心基礎設施的地位。AI 不僅止於口條流利,正以極快的速度蛻變為真正的「高效工作幕僚」。


AI 的視角

MindTickleBytes AI 記者視角:AI 的發展已不只是寫文章寫得好,更正朝著做出「正確判斷」的精密性演進。Decider v1.3 證明了 AI 不再只是個愛聊天的機器,而是能成為陪伴企業最嚴苛決策者身邊、值得信賴的得力助手。


參考資料

  1. Perplexity Decider v1.3: Training, eval, and use cases
  2. Perplexity Ships Decider v1.3 Classifier, 91.6% on 63 Tasks
  3. [Perplexity’s Decider v1.3 lets one model · 21 HN comments Zeli](https://zeli.app/story/50488464)
  4. Decider v1.3: Release, Decision Index Score, Performance …
  5. [Decider V1.3 API, Pricing & Playground Vercel AI Gateway](https://vercel.com/ai-gateway/models/pplx-decider-v1.3)
  6. Perplexity Open-Sources Decider v1.3 and Decider Flash v1.3 …
  7. [DeciderV1.3(free) - API Pricing & Providers OpenRouter](https://openrouter.ai/perplexity/pplx-decider-v1.3:free)
  8. perplexity-ai/pplx-decider-v1.3 · Hugging Face
  9. [Perplexity Decider v1.2 27B Benchmarks & Pricing BenchLM.ai](https://benchlm.ai/models/pplx-decider-v1.2)
  10. How To Use Decision Models for Evals – Hamel’s Blog
  11. [Perplexity Decider V1.2 API Pricing & Benchmarks LMSpeed](https://lmspeed.net/model/pplx-decider-v1.2)
AD
測試你的理解
Q1. Perplexity 這次發布的決策模型 v1.3 系列之特徵,何者正確?
  • 只能處理文字
  • 一次執行分類、評分與資訊擷取
  • 必然會在途中裁切輸入資料 (Truncation)
Decider v1.3 是一個多模態決策模型,能根據文字、結構化 JSON 與圖片,以單一路徑處理分類、路由、評分與資訊擷取。
Q2. Decider v1.3 在 63 個查詢分類任務中記錄的平均準確度為何?
  • 81.2%
  • 91.6%
  • 99.4%
以較大模型為基準,在 63 個查詢分類任務中記錄了 91.6% 的平均準確度,證明了其效能超越自家生產環境的分類器。
Q3. 作為 Decider v1.3 新增的核心功能之一,直接在文字中指認出特定資訊的能力是什麼?
  • 定位 (Locate)
  • 翻譯 (Translate)
  • 編譯 (Compile)
Decider v1.3 透過新導入的「定位 (Locate)」功能,具備了直接從文字中擷取特定資訊的能力。