Perplexityは11月12日、文章を書かずに確率だけを返すモデルDecider v1.3を公開した。重みはApache 2.0で配られ、1回の計算で同じ文書への複数の問いに答える。地味な道具だが、問い合わせの振り分けや監視の現場では効く。
Perplexity Decider v1.3は、文章を書かないモデル
decision modelsという言葉を聞き慣れない人向けに言えば、分類器にLLMの服を着せたものだ。返ってくるのは文章ではなく、選択肢ごとの確率である。はい・いいえ、多肢選択、0から100の点数。順伝播は入力から出力まで一度計算するだけのことで、その1回で同じ文書に対するすべての問いを処理する。
チャットボットの代わりではない。書く仕事はしない。
decision modelsは、問いが重なる仕事に向く
では、どんな仕事が向くのか? サポート窓口を思い浮かべると分かりやすい。届いた文が「請求の話か」「急ぎか」「人に回すべきか」を、別々のAPIを3回呼ばずに一度で判定できる。ルーティング、モデレーション、検索結果の並べ替え、評価役。日本語の問い合わせでも、ラベルを自分で定義すれば同じように使える。
Decider v1.3で変わった、質問同士が干渉しなくなる
設計の変更は1点に集約される。状態はすべての質問を見るが、各質問は状態と自分だけを見るので、同じ文書に10個の問いを並べても、隣の問いの答えに引っ張られない。質問同士が互いを眺めなくなった。Perplexityによれば、この変更でラベルや形式を揺らしても答えが反転する率は0.27%まで下がった。
中身はQwen3.8-27Bから適応した27Bで、Flashはそこから蒸留した4B(Qwen3.5-4B)。投稿の表記は27Bと4Bだが、Hugging Faceの表示は26Bと5Bで、ここは数字が食い違っている。
open-weight classifierとしての配布と値段
重みはHugging FaceでApache 2.0、呼び出しはDecisions APIとOpenRouterから。APIの価格は入力100万トークンで2セント、出力は無料。円に直せば100万トークンでおよそ3円だ。Perplexityは本番100万リクエストあたり26.47ドルという数字も出している。
自前で動かすならGPUが要る。BF16で約49GiB、Flashは8.5GiB。量子化版は公開されておらず、GGUFもない。APIは256K未満、ローカルの既定は32,768トークンだ。
Decider v1.3のLocateは、名前と個人情報の位置を返す
v1.3にはLocateが付いた。固有表現、個人情報、引用の範囲を文字位置で返す仕組みで、特殊トークンとspan head、LoRAアダプタで作る。1回のリクエストで128問まで置ける。アダプタを統合しないのは、統合すると通常の判断リクエストで劣化したからだという。
ベンチマークは、すべてPerplexity自身の数字
63の分類タスクで平均91.6%。同社の本番分類器より6.54ポイント高い。TypeSafeのJev 1.14とは7つの領域分類すべてで上回り、金融では最大12.9ポイントの差を付けた。検索と並べ替えの72タスクではnDCG@10で83.99。Locateは69.0で、同社の表でも最も低い。
ここまでの数字は、すべて提供元の測定である。第三者の追試はまだ出ていない。Flashは金融、プログラミング、法務でJevに負けており、その事実も同じ表に書かれている。
Perplexity Deciderを社内でどう使っているか
同社自身の用途は、公開された重みより参考になる。セキュリティルールの発掘、強化学習のロールアウト監視、ページ品質のふるい分けに使う。ある日は7,000のエージェントセッションで10億トークンを読み、14件のルール修正候補を出し、6件を2日以内に反映した。
同じ週にはGoogleのGemini Decision 1も別に出ている。呼び方が定着するかは別として、分類と抽出を安く回す道具は、日本語の業務システムにも入る余地がある。
試すならAPIの従量課金から始めるのが早い。自前で置くなら、49GiBを載せられるGPUを先に確保したい。






