مدل جدید Perplexity با اسم pplx-decider-v1-27b، شروع رقابت این شرکت با مدل های تصمیم گیر دیگه مثل Laya و Jev هست.
از نظر فنی، این مدل یک Fine-tuned Qwen3.8-27B هستش و حدود 26B Parameters داره. Perplexity لایه Language Generation رو با یک Decision Readout جایگزین کرده که تا 255 گزینه رو می‌تونه بررسی کنه. خروجی هم شامل Probability Distribution هست، یعنی سیستم می‌فهمه یک تصمیم با چه میزان Confidence گرفته شده. برای Calibration هم یک Temperature جداگانه روی مدل تنظیم شده.
جالب‌تر اینکه Perplexity مدل رو با 11 Benchmark مقایسه کرده و امتیاز کلی 85.71٪ برای
pplx-decider در مقابل 74.76٪ برای Qwen3.8-27B پایه گزارش کرده. در همون جدول، امتیاز Jev برابر 84.51٪ بوده؛ البته این اعداد توسط خود Perplexity و در شرایطی که لزوماً کاملاً یکسان نیستند به‌دست اومدن، پس نباید صرفاً از این جدول نتیجه گرفت که یکی قطعاً بهتره.نکته مهم اینه که Perplexity برخلاف Jev، Weights رو Open-source کرده؛ بنابراین می‌شه مدل رو Self-host کرد. البته با حدود 26B پارامتر و نیاز اعلام‌شده به تقریباً 49GB GPU Memory، این مدل در دسته مدل‌های Local سبک مثل Laya قرار نمی‌گیره و برای اجرای Local به سخت‌افزار نسبتاً قدرتمندی نیاز داره.
به‌نظر میاد Decision Modelها دارن کم‌کم به یک بخش مستقل از AI Stack تبدیل می‌شن و از این به بعد این فرمونو پیش خواهیم رفت:
Rules → Decision Models → LLMs
@silicon_brain | از هوش مصنوعی عقب نمانید