Modèle décisionnel open source 27B de Perplexity, le score complet de l'évaluation officielle dépasse légèrement Jev

Dongcha Beating AI News, Perplexity lance l'API Decisions et le modèle de décision multimodal open source pplx-decider-v1-27b. Il ne génère pas de texte ordinaire, mais renvoie directement la distribution de probabilité dans la réponse donnée par le développeur, qui peut être utilisée pour la classification, le routage des demandes et la sélection de la prochaine action de l'agent. Le prix de l'API est de 0,04 $ pour 1 million de jetons d'entrée et les sorties sont gratuites.

Parmi les 11 éléments et un total de 7 210 exemples d'avis publiés par Perplexity, le taux d'exactitude global de pplx-decider-v1-27b est de 85,71 %, ce qui est supérieur aux 84,51 % de Jev et aux 74,76 % de Qwen3.8-27B. Mais cela ne mène pas à tous les niveaux. Jev a obtenu des résultats plus élevés dans 6 des 11 tests, Perplexity étant en tête de FinancialPhraseBank, RAGTruth, TabFact et Circa. Ces scores proviennent des propres auto-évaluations de Perplexity et non d'examens tiers indépendants.

Ce type de modèle est spécialisé dans la gestion des « petits jugements » à haute fréquence dans Agent. Par exemple, à qui doit attribuer le ticket de service client, si l’outil doit être appelé et quel processus suivre ensuite. Le LLM traditionnel génère généralement un morceau de texte puis analyse la réponse, tandis que le modèle de décision renvoie directement des options et des probabilités prédéfinies. AWS, Cloudflare, etc. ont récemment lancé des modèles similaires.