AI가 복잡한 결정을 한 번에 내린다고? 퍼플렉시티 '디시더 v1.3'의 비밀

다양한 데이터와 문서를 한눈에 분석하고 분류하는 인공지능 결정 모델의 개념도를 표현한 일러스트
AI Summary

퍼플렉시티가 분류, 라우팅, 스코어링, 정보 추출을 한 번에 수행하는 오픈웨이트 멀티모달 결정 모델 '디시더 v1.3'과 '디시더 플래시 v1.3'을 공개했습니다.

상상해보세요. 수천 건의 고객 문의와 서류, 이미지가 쏟아지는 대규모 고객센터에서 담당 직원이 매번 이게 환불 요청인지, 단순 문의인지, 긴급 불만인지 분류하고 점수를 매기느라 녹초가 됩니다. 그런데 이 복잡하고 지루한 판단 작업을 단 몇 초 만에, 인간보다 더 정확하게 해치우는 AI가 등장했습니다. 퍼플렉시티(Perplexity, AI 기반 검색 및 대화형 플랫폼)가 공개한 오픈웨이트(Open-weight, 누구나 내부 구조를 살펴보고 활용할 수 있는 공개 가중치 모델) 멀티모달(Multimodal, 텍스트뿐만 아니라 이미지, 소리 등 다양한 형태의 데이터를 동시에 이해하는 기술) 결정 모델 ‘디시더 v1.3(Decider v1.3)’과 ‘디시더 플래시 v1.3(Decider Flash v1.3)’ 이야기입니다 [Source 2, Source 7].

이번 글에서는 퍼플렉시티가 내놓은 이 새로운 의사결정 AI가 왜 주목받고 있는지, 우리 일상과 비즈니스에 어떤 변화를 가져올지 차근차근 살펴보겠습니다.


이게 왜 중요한가요?

기업들이 AI를 비즈니스에 도입할 때 가장 골치 아픈 지점은 ‘판단과 결정’입니다. 비유하면, 거대한 공장에서 수많은 부품의 불량 여부를 일일이 수작업으로 검수하느라 멈춰 서 있는 것과 같습니다. “이 이메일이 스팸인가요?”, “이 고객이 제출한 서류가 규정을 충족했나요?”, “이 상품 리뷰는 긍정적인가요, 부정적인가요?” 같은 질문에 답하기 위해 기존에는 각각 다른 프로그램을 복잡하게 엮어야 했습니다.

하지만 퍼플렉시티의 디시더 v1.3은 63개의 쿼리 분류(Query-classification, 사용자의 질문이나 요청 의도를 유형별로 나누는 작업) 태스크에서 평균 정확도 91.6%를 기록하며, 기존 자사 프로덕션 분류기보다 6.54%포인트 높은 성능을 증명했습니다 [Source 2].

단순히 글을 읽고 대답하는 것을 넘어, 분류(Classification), 스코어링(Scoring, 점수 산정), 정보 추출(Extraction)을 단 한 번의 패스로 처리할 수 있기 때문에 [Source 4, Source 6] 기업들은 훨씬 적은 비용으로 빠르고 정확한 자동화 시스템을 구축할 수 있게 됩니다.


쉽게 이해하기: 디시더 v1.3은 어떻게 일하나요?

쉽게 말해서, 디시더 v1.3은 마치 ‘초고속 판사’ 또는 ‘대형 도서관의 천재 사서’에 비유할 수 있습니다.

이 모델은 텍스트, 구조화된 JSON(데이터를 저장하고 교환하기 위한 경량의 텍스트 형식), 심지어 이미지까지 다양한 형태의 자료를 한꺼번에 받아들입니다 [Source 6]. 그리고 예/아니오 질문, 사용자가 미리 정한 맞춤 선택지, 순서가 있는 루브릭(Rubric, 평가 기준표)에 따라 철저하게 심사한 뒤 확률값과 함께 타이핑된 정답을 내놓습니다 [Source 6].

비유로 보는 핵심 기능

  • X-ray 보안 검색대: 공항 검색대가 짐을 스캔하듯, 디시더 v1.3은 방대한 데이터 속에서 규정 위반이나 특정 항목을 오차 없이 골라냅니다.
  • 새로운 ‘로케이트(Locate)’ 기능: 텍스트 속에서 특정한 정보를 직접 콕 집어내는 능력이 추가되었습니다 [Source 1, Source 7]. 마치 거대한 백과사전에서 특정 단어가 적힌 페甚至是 정확하게 칼로 도려내듯 찾아내는 기술입니다.

이 모든 과정이 하나의 모델 안에서 유기적으로 일어난다는 점이 기존 AI와 가장 큰 차이점입니다 [Source 4, Source 6].


현재 상황: 어디까지 와 있나?

퍼플렉시티 데시더 v1.3은 이전 버전인 v1, v1.1, v1.2, 그리고 Flash v1.2의 훌륭한 계보를 이어받아 탄생한 최신 모델입니다 [Source 2]. 현재 파악된 기술적 특징과 스펙은 다음과 같습니다.

  1. 강력한 멀티모달 처리: 텍스트뿐만 아니라 이미지와 구조화된 데이터까지 동시에 평가할 수 있습니다 [Source 6].
  2. 방대한 컨텍스트 윈도우: 256K(약 25만 6천 개)라는 엄청난 컨텍스트 윈도우(Context window, AI가 한 번에 기억하고 처리할 수 있는 정보의 양)를 제공하여, 책 한 권 분량의 데이터를 통째로 넣고 분석할 수 있습니다 [Source 6].
  3. 입력 데이터의 무손실 보존: 학습 과정에서 최대 30,720토큰(Token, AI가 문장을 읽고 처리하는 기본 단위) 길이의 시퀀스를 사용했으며, 입력 데이터를 절대 중간에 자르지(Truncation) 않는 원칙을 고수합니다 [Source 9].
  4. 유연한 질문 제한: 질문의 개수에 고정된 제한이 없어, 허용된 길이 한도 내에서 한 번에 수많은 질문을 던질 수 있습니다 [Source 9].

개발자와 기업들은 오픈라우터(OpenRouter)나 브이셀(Vercel) AI 게이트웨이 등을 통해 이 모델을 손쉽게 테스트하고 API 형태로 가져다 쓸 수 있습니다 [Source 6, Source 8].


앞으로 어떻게 될까?

퍼플렉시티가 오픈웨이트 모델로 디시더 v1.3과 디시더 플래시 v1.3을 전격 개방함에 따라 [Source 2, Source 7], 앞으로 수많은 기업과 개발자들이 각자의 서비스에 이 ‘지능형 판단 엔진’을 이식할 것으로 보입니다.

고객센터의 자동 분류 시스템, 대규모 계약서 및 법률 문서 검토, 실시간 콘텐츠 모더레이션 등 ‘정확한 판단’이 비즈니스의 성패를 가르는 영역에서 디시더 v1.3은 핵심 인프라로 자리 잡을 전망입니다. AI가 단순히 말을 잘하는 것을 넘어, 진짜 ‘일잘러 참모’로 거듭나는 시계바늘이 빠르게 움직이고 있습니다.


AI의 시선

MindTickleBytes의 AI 기자 시선: AI의 발전은 단순히 글을 잘 쓰는 것을 넘어, ‘올바른 판단’을 내리는 정밀함으로 진화하고 있습니다. 디시더 v1.3은 AI가 단순한 수다쟁이가 아니라, 비즈니스의 가장 까다로운 결정권자 곁에서 일하는 신뢰할 수 있는 참모가 될 수 있음을 증명합니다.


참고자료

  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
이 글을 얼마나 이해했나요?
Q1. 퍼플렉시티가 이번에 공개한 결정 모델 v1.3 시리즈의 특징으로 올바른 것은?
  • 텍스트만 처리할 수 있다
  • 분류, 스코어링, 정보 추출을 한 번에 수행한다
  • 입력 데이터를 중간에 반드시 잘라낸다(Truncation)
디시더 v1.3은 텍스트, 구조화된 JSON, 이미지를 바탕으로 분류, 라우팅, 스코어링, 정보 추출을 단 한 번의 패스로 처리할 수 있는 멀티모달 결정 모델입니다.
Q2. 디시더 v1.3이 63개의 쿼리 분류 태스크에서 기록한 평균 정확도는 얼마인가요?
  • 81.2%
  • 91.6%
  • 99.4%
더 큰 모델 기준 63개의 쿼리 분류 태스크에서 91.6%의 평균 정확도를 기록하여 자사 프로덕션 분류기보다 뛰어난 성능을 입증했습니다.
Q3. 새롭게 추가된 디시더 v1.3의 핵심 기능 중 하나로, 텍스트에서 특정한 정보를 직접 콕 집어내는 능력은 무엇인가요?
  • 로케이트(Locate)
  • 트랜스레이트(Translate)
  • 컴파일(Compile)
디시더 v1.3은 새롭게 도입된 '로케이트(Locate)' 기능을 통해 텍스트 속에서 특정한 정보를 직접 추출하는 능력을 갖추었습니다.
AI가 복잡한 결정을 한 번에 내린다고? 퍼플렉시...
0:00