Perplexity开放pplx-decider权重与Decisions API：文字和图片可一起判断，输出为概率
Perplexity于2026年10月1日公开pplx-decider-v1-27b模型权重，并提供配套Decisions API。它把文本、JSON或图片作为待判断内容，返回是非概率、选项分布或等级评分，适合分类、分流与按规则评分等需要明确输出的环节。
接入重点从解析答案转向定义问题
官方文档列出三种问题类型：noul回答是非，choice从给定选项中选择，score按照有序等级计算期望分数。同一请求可以放入多道问题，共用一份输入。模型不会写解释性回复，因此业务程序需要事先说明选项含义，再决定如何使用这些数值。
API当前标价为每百万输入token 0.04美元，输出免费；每个组织每秒最多10次请求。它也接受图片，但图片需要以支持的图像数据格式传入，接口不会自行下载普通网页图片地址。图片与问题本身都占用输入额度。
AI模型生成的多模态分类概念插图，并非Perplexity产品界面、模型结构或实际概率结果。
权重开放带来第二种部署选择
官方模型卡显示，这是一款基于Qwen3.8-27B微调的模型，以Apache-2.0许可发布。示例本地运行环境要求Python 3.12及以上，以及能容纳约49GiB权重和额外工作内存的CUDA GPU。这里说的是权重空间，不能把49GiB直接当成整个服务的完整内存预算。
模型卡给出11项基准的总体成绩85.71%，并注明通过Perplexity API测得。不同子项各有高低，因此总体数字适合了解官方评估概况，不能代替特定语言、图片类型和业务分类表的测试。
概率输出还需要一条可解释的业务路径
以下为本文分析。假设一个商品反馈流程同时判断是否故障、应转哪个团队、严重程度多高，三项结果可以来自一次读取，但不应合并成一个含义模糊的“通过分”。分流错误和漏掉严重故障的代价不同，后续动作也应分别设计。
尤其要留意评分的解释。等级平均值落在两档之间，可能来自意见集中在相邻档，也可能来自分布两端都很高。只保存一个平均分，会丢失这种区别。保留完整分布、输入版本和人工复核结果，才有机会知道问题出在分类标准还是模型判断。
实际选型可以先比较相同样本在托管API与本地环境中的吞吐、费用和错误类型。低输入单价减少的是模型调用账单；整理分类标准、处理不确定项及维护本地服务，仍是另一部分成本。对于已经明确规则的批量任务，这种专门输出概率的接口提供了值得评估的新选项。
资料核对日期：2026年10月2日。价格与限制按官方当日文档记录；本文未复现官方基准，也未实际调用计费接口。
