Perplexity 开源决策模型 Decider v1.3 和 Decider Flash v1.3
Perplexity 把自家生产环境在用的决策模型直接开源了，locate 能按描述返回带字符偏移的文本片段，做实体抽取、PII 识别这类活比通用大模型更省更准，做数据流水线的可以直接拉权重试试。
Perplexity 开源了最新版决策模型 Decider v1.3 和 Decider Flash v1.3，权重已在 Hugging Face 上开放，并通过 OpenRouter 免费提供一周，同时上线 Decisions API。
v1.3 的核心新能力是 locate：用户描述要找的内容，模型返回匹配文本及字符偏移量，适合批量决策与证据、实体提取场景。在 17 个域外 NER、PII 和抽取式问答任务上，Decider 模型显著超过最强的通用提取模型。
在 Perplexity 自己的 63 个生产级分类任务上，v1.3 比现有线上分类器准确率高 6.54 个百分点。这类轻量专用模型走的是'小模型干专项活'路线，对需要高吞吐、低成本的文本抽取和分类流水线的开发者有直接参考价值。
We're open-sourcing our latest versions of Decision Models: Decider v1.3 and Decider Flash v1.3, and making them free on @OpenRouter for a week. The new capability in v1.3 models is "locate". This lets you describe what to find, and the model returns the matching text with character offsets. This is useful for batch-mode decision + evidence/entity extraction. On 17 out-of-domain NER, PII and extractive QA tasks, Decider models significantly outperform the best general extraction model. And, on 63 of our own production classification tasks, v1.3 is 6.54 points more accurate than the classifiers we run today. Weights are open on Hugging Face: perplexity.ai/hub/blog/perpl… Perplexity Developers @perplexitydevs We're rolling out pplx-decider-v1.3 and pplx-decider-flash-v1.3, the latest version of our open-weight decision models. v1.3 adds locate, a new feature that extracts spans based on type or instructions. Now available in our Decisions API, @huggingface , and @OpenRouter . perplexity.ai/hub/blog/perpl…
本条情报归属 AITOP「模型」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Perplexity、Decider、开源模型、NER，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Aravind Srinivas」（@AravSrinivas），经 AITOP 多维评分管线结构化提炼。
