Perplexity 发决策模型 pplx-decider-v1-27b：11 项基准总分 85.71%，微超 Jev

Perplexity 官方在 Hugging Face 放出决策模型 pplx-decider-v1-27b：底座是 Qwen3.8-27B，微调后一次前向就返回选项与校准概率，支持文本与图像输入（可直接传一张截图问「这封邮件算不算紧急」），权重按 Apache-2.0 公开，推理示例走 uv/uvx、约需 49 GiB 显存。它的 API 形态已写进 Perplexity 官方文档：在 state 评估接口里把 model 设为 decider-27b，就能一次提交多个具名问题（noul / choice / score 三种混用），按名字返回答案、模型名与 token 用量——决策能力被当成一个独立的 API 端点，而不是藏在对话接口里。

模型卡给出 11 项基准的逐项表，并注明「结果通过 Perplexity API 测得」：总分 85.71%，高于 Jev 的 84.51% 与底座 Qwen3.8-27B 的 74.76%。分项上 RAGTruth 88.80（Jev 77.27、底座 61.53）、TabFact 90.60、Circa 89.20、FinancialPhraseBank 84.18、WinoGrande 83.30 领先；但 JevBench public hard 只有 70.30，低于 Jev 的 73.27，JudgeBench 78.29 也略低于 Jev 的 78.57——即「总分反超、在最像真实决策的硬题上仍落后」。

它改变的是决策模型的供给结构：48 小时内继 Cloudflare Clef 与 AWS Strands Decider 之后，第三家把决策模型当成独立产品线放出，前两家是云厂商、这家是搜索与智能体平台；更重要的是第一次给出「通用底座 + 后训练」与既有专用决策模型 Jev 的公开逐项对照，且权重公开、表格可被第三方重跑。全部数字为厂商自测口径，无第三方复现，硬题上的落后也由该表自己写明。

原文链接：Perplexity 官方模型卡