AREXOpen in interactive Feed

AREX Feed Article

OpenRouter 开播 Perplexity CTO Denis Yarats AMA,新决策模型 Decider V1.3 挂出免费档

November 18, 2026

北京时间 11 月 18 日凌晨 2 点 05 分(UTC 时间 11 月 17 日 18:05),OpenRouter 官方 X 帖文宣布:与 Perplexity CTO Denis Yarats 的 AMA(Ask Me Anything,即网友提问、嘉宾作答的直播问答)已经开播。帖文列出的嘉宾是 Yarats 和 Perplexity 决策模型研究负责人 Antoine Chaffin,主持对话的是 @shashankgoyal95。帖文同时给出一条具体信息:Perplexity 的新决策模型 Decider V1.3「现已在 OpenRouter 免费」。

这个「免费」可以在页面上核对:截至发稿,OpenRouter 模型页已将 Decider V1.3 列在免费档下,页面卡片标注 262K 上下文窗口。直播通过 X 广播进行,入口链接随两条帖文发出。

相隔 98 秒的两条帖文

UTC 时间 11 月 17 日 18:03:23,OpenRouter 先发出一条预告帖,全文只有一句「与 Perplexity CTO Denis Yarats 的 AMA」,外加一个广播链接;98 秒后,第二条帖文补齐名单与议题,宣布开播:

直播开始了!欢迎参加我们与 Perplexity CTO @denisyarats、决策模型研究负责人 @antoine_chaffin 的 AMA。@shashankgoyal95 将与两位聊 Decider V1.3(Perplexity 的新决策模型,现已在 OpenRouter 免费)、搜索与 AI 的去向,以及更多话题。

帖文给出的三个身份,都能在各自的 X 账号上对上:Yarats 的简介自述为「Perplexity 联合创始人兼 CTO」(cofounder & cto @perplexity_ai);Chaffin 的简介写着「解决搜索,解决一切 @perplexity_ai」(Solve search, solve everything),「决策模型研究负责人」一职出自 OpenRouter 帖文的称谓;Goyal 的简介自述为 OpenRouter AI 生态负责人(Head of AI Ecosystem)。截至发稿(开播帖发布约六小时后),开播帖获得 5,944 次浏览、45 次点赞、11 次转发和 5 条回复;早两分钟的预告帖则有 4,422 次浏览、21 次点赞。

免费档在页面上的样子,以及它没说的部分

打开模型页,能看到这次「免费」的具体形态:模型由 Perplexity 一家托管,OpenRouter 直接转发每个请求、不做多供应商路由;输入与输出计价均为 Free;P50(中位数)延迟 0.42 秒;近三天供应商在线率 100%、推理可用率 99.98%。页面还注明,该模型暂不支持欧盟(EU)区域内路由。

放进产品线里对比:同批发布的 Decider Flash V1.3 同样挂在免费端点,而上一代 Decider V1.2 是付费档,标价为每百万 token(词元)输入 0.02 美元、输出 0 美元。Perplexity 官方博客则写明,v1.3 与 Flash v1.3 在 Hugging Face 以 Apache 许可开源,同时通过 OpenRouter 和 Perplexity Decisions API 提供——模型本身已经开源,OpenRouter 的 Free 是平台侧的当前标价。免费档对 OpenRouter 也不是特例:其 X 账号简介自称聚合 400 多个模型,其中 50 多个免费。至于这次免费是否限时、是否限量,帖文与页面都没有说明。

不生成文本、只回答概率的模型

Decider 与聊天模型不同。按 Perplexity 博客的定义,决策模型是一个通用分类器:调用方传入一份共享上下文(state)和若干问题,模型对每个问题返回一组概率,而不是生成一段话。问题有三种题型——是/否判断、最多 255 个选项的多选、以及有序评分档,应用代码直接对返回的数字设阈值,不必解析聊天回复。OpenRouter 模型页把它归入「分类、路由、审核与量表评分」一类;博客列出的用途包括评判模型输出的忠实度与安全性、按难度把请求分给大模型或小模型、检测钓鱼与提示注入、给内容打标,以及给搜索结果的相关性打分。

v1.3 这一版的主要改动包括:把骨干网络的因果注意力层改为双向,并在问题之间改用「隔离问题」(isolated questions)的注意力模式以求结果稳定;新增 locate 抽取功能,模型直接从原文中挑出匹配片段,返回起止字符位置与置信度;训练主干为 Qwen3.8-27B,再蒸馏出 Flash 版所用的 Qwen3.5-4B。博客写明,Perplexity Decider 的设计灵感来自 TypeSafe AI 的 System One 模型 Jev。由于多个问题共享同一份 state,一次请求可以组合 locate、分类与评分三类问题,对同一份输入同时完成「判断」与「抽取」。

Perplexity 自报的成绩单与自家用法

下面这组数字全部出自 Perplexity 的官方博客,是其对自家模型的评测口径。在 Perplexity 内部,每个用户查询先经过一个 embedding(向量化)模型,再进入多个分类头,其中一个头决定这条查询要不要触发 web 搜索。博客称,在 63 项由前沿大模型(LLM)独立重标注的分类任务上,Decider v1.3 达到 91.6% 的平均准确率,比现有生产分类器高出 6.54 个百分点;检索重排方面,72 项任务的平均 nDCG@10(排序质量指标)为 83.99,比 Qwen3-Reranker-8B 高 1.81、比 Jev 1.14 高 2.24;在覆盖德语、中文、日语等 8 种语言、19 项任务、46,484 个样本的多语分类基准上,平均任务准确率 88.16%,高于 Jev 1.14 的 85.41%;locate 抽取在 17 项域外任务上平均得分 69.0,明显高于 Liquid d1 的 43.3、Cloudflare Clairic 的 41.5 和 GLiNER large v2.5 的 33.6;5 项图像分类任务的平均准确率为 76.99%。

还有一组数字来自生产流量。博客称,团队抽样了 Decision API 上线头 18 天里的 100 万条去重、脱敏请求,共 2,318,887 个问题,其中信息抽取类问题最多,达 425,402 个;与前沿 LLM 裁判答案的一致率为 93.98%,高于 Decider v1.2 的 93.68% 和 Jev 1.14 的 93.35%。博客同时承认,公开榜单可以被反复提交、对着榜单调参,因此团队另建了一套 200 多项任务的内部评测,全部零样本运行。

发布五天后,Yarats 与 Chaffin 进了 OpenRouter 直播间

时间线很紧凑:11 月 12 日,Perplexity 发布 v1.3 与 Flash v1.3;五天后,Yarats 与 Chaffin 登上 OpenRouter 的直播间。帖文预告的议题里,除了 Decider V1.3,还有「搜索与 AI 的去向」——后者正是 Perplexity 在博客中自称的核心业务。至于两位嘉宾实际说了什么,帖文给不出答案;要核验,只能回到那条广播本身。

参考链接

  • OpenRouter 官方 X 帖文:AMA 开播(We are live!)
  • OpenRouter 官方 X 帖文:AMA 预告
  • X 广播入口链接(随帖文发出)
  • OpenRouter 模型页:Perplexity Decider V1.3 (free)
  • OpenRouter 模型页:Perplexity Decider Flash V1.3 (free)
  • Perplexity 官方博客:Perplexity Decider v1.3——Training, eval, and use cases
  • Denis Yarats 的 X 账号
  • Antoine Chaffin 的 X 账号
  • Shashank Goyal 的 X 账号
  • OpenRouter 的 X 账号

More from this developing story

  • OpenRouter 开播 Perplexity CTO Denis Yarats AMA,新决策模型 Decider V1.3 挂出免费档Nov 18, 2026
  • OpenRouter 宣布 Perplexity Decider-v1.3 免费再续 3 周,免费窗口首次明确Nov 20, 2026