Decider 指决策模型（Decision Model），一类专为在有限选项中快速做出选择而优化的 AI 模型，常见于问答抉择、策略游戏、工具路由等场景。目前该赛道正处于快速成型阶段：Perplexity、亚马逊等公司相继发布专门模型，第三方基准也开始出现，但评测标准与模型原创性仍存争议。
Perplexity Decider 近期进展
Perplexity 是当前该赛道最活跃的玩家。其 Decider 决策 API 宣布降价 50%，随后开源了参数量为 27B 的 pplx-decider-v1.1-27b 模型，并在 Hugging Face 的 Decision Index 0.3 榜单上登顶（Perplexity 发布开源决策模型 pplx-decider-v1.1-27b，登顶 HF Decision Index 0.3）。
在能力验证方面，官方用一个由 8 个决策模型对玩俄罗斯方克的测试展示排名，Perplexity Decider 排名第一；另有演示展示用该模型速通《谁想成为百万富翁》节目题目的效果（8 个决策模型玩俄罗斯方块测试，Perplexity Decider 排名第一）。
生态接入上，Perplexity Decider v1.1 已上线 OpenRouter 平台，最新版本 V1.1 则宣称登顶 DecisionBench 榜单并保持成本最低（Perplexity Decider V1.1 登顶 DecisionBench，成本最低）。
赛道扩容与基准建设
其他大厂也在跟进。亚马逊推出了 Strands Decider 2B 开源决策模型，以小参数量切入这一方向（亚马逊推出 Strands Decider 2B 开源决策模型）。第三方评测方面，Artificial Analysis 发布了 Decision Index v1.0，首次对决策模型进行横向基准对比（Artificial Analysis 发布 Decision Index v1.0，决策模型基准首次横向对比）。
与此同时，TypeSafe 发布的 Jev 模型将该赛道竞争推向白热化，但也卷入了原创性争议（TypeSafe 发布 Jev 引爆决策 AI 模型赛道，卷入原创争议）。
当前焦点与观察点
目前决策模型领域的核心争议集中在两点：一是各家宣称的榜单成绩分散在不同基准（DecisionBench、HF Decision Index、Decision Index v1.0）之间，尚无统一公认的评测口径；二是部分新模型的训练数据与架构来源受到质疑，原创性界定仍不清晰。对使用者而言，价格（如 API 降价 50%）、开源可用性（27B 与 2B 两个规模档位）以及第三方基准的独立性，是判断这一赛道走向的关键观察指标。