AREX Feed Article
Perplexity 的 Decider v1.2 上线 OpenRouter：27B 检查点接替 v1.1，4B Flash 价格减半
OpenRouter 在 10 月 16 日 20:58 UTC（北京时间 17 日凌晨 4 时 58 分）称，Perplexity 的开放权重决策模型 Decider v1.2 与 Decider Flash v1.2 已在其平台上线。帖文给出两项规格：v1.2 是接替 v1.1 的新 27B 检查点；Flash 是 4B，速度更快，价格是前者的一半。
OpenRouter 的 与 模型页显示，前者每百万输入 token 收费 0.02 美元，后者 0.01 美元，输出 token 均免费。两个页面的分享图把发布日期标为 2026 年 10 月 16 日。Perplexity 的 给出相同单价，并写明 v1.2 接替 v1.1 时价格维持在每百万 0.02 美元，v1.1 此前已从 0.04 美元降到这一档。
Perplexity 的说法与此一致。开发者账号在 8 分钟后确认两款模型已可在 OpenRouter 使用。当天 18:42 UTC 的另一条把这一代模型概括为：文本与视觉分数提升，推理最高快 5 倍，因为一次请求里的所有问题在同一遍前向计算中完成；Flash 是 Decision Index 上最好的 4B 模型。
27B 与 4B，共用一套请求格式
Decider 不生成文本回复。它读入 state（文本、JSON 或图像），对同一个 state 上的一个或多个命名问题返回概率：选择题给出每个选项的概率与最可能项，是/否题给出「是」的概率，评分题给出每一档的概率和期望档位。OpenRouter 的模型说明列出的用途是分类、路由、审核和按评分表打分，应用代码直接对返回的数字设阈值，不必解析聊天回复。同一份说明把 v1.2 描述为沿用 v1.1 的 API 契约；其中一项变化是请求怎么被读入。
给出的检查点规格是：v1.2 建在 Qwen3.8-27B 之上，Hugging Face 页面按权重统计为 26.1B 参数；单条序列最长 262,144 个 token，图像按比例缩放到最多约 160 万像素；每个问题最多 255 个选项。模型卡同时注明，训练时使用的序列长度最长约 32k，超过这个长度的行为仅做过抽查。Flash 建在 Qwen3.5-4B 上，权重统计 4.54B，用 27B 决策模型在训练请求上的完整概率分布做蒸馏，学的是教师的概率分布而不只是最终答案；它的请求格式、API 与图像支持与 27B 版相同。
OpenRouter 的两个页面都注明模型只由一家 provider（服务商）托管，请求被直接转发，平台不做路由选择；表格里的 provider 是 Perplexity。
一条序列装下整份请求，问题之间会互相看见
按模型卡的说法，v1.1 每次前向只回答一个问题，在最后一个 token 上读出答案；v1.2 把整份请求读成一条序列，先放 state，再放每一个问题，每个问题各自有一个标记 token，答案在该位置读出。全注意力层是非因果的，每个问题既能看到 state，也能看到同一请求里的其他问题。
在同一份材料上多问几个问题，计算量与只问一个大致相当，不必把 state 重复送几遍；API 仍按输入 token 计费，问题文本本身也占 token。与此同时，问题会互相影响，答案不再是彼此独立的判断。
Perplexity CTO Denis Yarats 在里把这次更新概括为训练算力和数据规模大幅增加、加入 reranking（重排）能力、针对推理重新训练以改善推理成本和性能，并宣布了两个指向最新版本的 slug（模型标识）：pplx-decider-latest 与 pplx-decider-flash-latest。
该合写还是分开：SATA 加 11.3 分，ToolRet 减 4.8 分
模型卡把这种相互影响放进了对照：同一批问题合成一个请求，与每个问题单独发一次相比，差值有正有负。27B 版在 SATA-Bench（多标签选择）上高 11.3 分，在 ACOS（方面级情感）上高 7.8 分，在 PhishNChips 上高 5.1 分；在 BFCL（函数调用）上低 1.1 分，在 BRIGHT（检索）上低 2.9 分，在 ToolRet（工具检索）上低 4.8 分。
Flash 的模型卡给出了同样的对照，但得失更极端：SATA-Bench 高 6.6 分，家电模拟任务高 3.4 分，FinEntity 高 2.9 分；ACOS 低 20.1 分，BFCL 低 15.4 分，ToolRet 低 7.5 分，BRIGHT 低 4.2 分。
模型卡给 27B 版的建议是：把同一对象的相关属性、多标签「全选」、一次路由决策的各个步骤放进同一个请求；把互相独立的候选，例如文档、工具、函数调用，分开计分。拿不准时，一个请求只放一个候选，因为这样最多差约 0.4 分，而合写最多可能差约 3 分。Flash 的默认建议更保守：一个请求只问一个问题。重排任务的数据指向同一处：每个请求放 8 个候选与只放 1 个相比，13 个 BEIR 数据集的宏平均低 0.5 分，但 HotpotQA 高 2.1 分、CQADupStack 高 1.7 分。
从 62.30 到 68.09，未见任务上的概率仍偏自信
按模型卡列出的公开版 Decision Index 0.3 成绩，v1.1 为 62.30，v1.2 在合写请求下为 68.09，逐题发送时为 67.75；视觉决策指数从 73.22 升到 77.43。分项里，知识从 51.8 升到 56.3，语言从 67.5 升到 72.8，检索从 61.2 升到 68.4，工具从 79.1 升到 84.4，艺术从 47.3 升到 56.2。
给出的分数更低：合写 58.88，逐题 60.05，视觉 72.53。Perplexity 开发者账号在另一条里把 Flash 定位在高并发、判据清楚的场景，例如路由、打标、过滤。
v1.2 模型卡还写明：训练数据加入了部分 Decision Index 任务官方提供的训练集划分，并针对测试集做了去污染；Perplexity 的说法是让榜单比较更公平。对这些任务而言，模型在训练时接触过同一任务的官方训练数据，分数不再完全来自训练分布之外的泛化。
概率本身也做了校准。v1.2 保存的温度是 1.382，在 1,497 个开发集问题上，校准后准确率 91.3%，ECE（期望校准误差）0.014，Brier 分数 0.134；不套温度时 ECE 为 0.033。在完全排除于训练之外的决策数据上，概率仍偏自信，ECE 约 0.05，但程度比 v1.1 轻。Flash 在开发集上对应的是 88.8% 准确率、ECE 0.021、Brier 分数 0.163。
Perplexity CEO Aravind Srinivas 在里称 v1.2 在 Hugging Face 的 Decision Index 总榜上排第 2、Flash 在 4B 模型中排第一，并称第 2 名只是暂时的、之后还会快速提升。价格与规格能在 OpenRouter 和 Perplexity 两处对上；性能数字与名次则都来自 Perplexity 一侧的评测与陈述。
开放权重、会移动的 latest，以及访问门槛
权重文件放在 Hugging Face 上。要本地跑 v1.2，模型卡给出的显存需求是约 52 GiB 的 BF16 权重加工作内存，Flash 约 9 GiB。
别名是另一个实际的分岔。Perplexity 的更新日志写明，继续请求 pplx-decider-v1.1-27b 或 pplx-decider-v1-27b 的代码不会报错，但会选到 v1.2；OpenRouter 也提供 这类始终指向最新版的路由。Yarats 的说法是，每个新检查点都不会在既有能力上退步。
两份模型卡的使用说明都写着仓库是私有的，需要用有访问权限的 Hugging Face token 认证。