Perplexity hat einen ausführlichen Beitrag zu Decider v1.3, der neuesten Version seiner Entscheidungsmodellfamilie, mit dem Titel „Perplexity Decider v1.3: Training, Evaluierung und Anwendungsfälle“ veröffentlicht. Der Beitrag erschien am Freitag auf der Titelseite von Hacker News und erzielte innerhalb weniger Stunden mehr als 140 Punkte, wobei Entwickler Benchmark-Ergebnisse austauschten und darüber stritten, wo diese Modelle tatsächlich passen. Für weitere Informationen zu dieser und anderen aktuellen KI-Neuigkeiten verfolgen wir jede Modellveröffentlichung, sobald sie erscheint.

Die Aufmerksamkeit liegt weniger auf einem Update als vielmehr auf dem, was der Thread enthüllt: In kaum einem Jahr haben sich Entscheidungsmodelle von einer Kuriosität zu einer überfüllten Kategorie mit eigenen Benchmarks, eigener Preislogik und einem Wettbewerbsfeld entwickelt, zu dem jetzt Perplexity, TypeSafe, Microsoft, Google, Cloudflare und OpenAI gehören.

Was ein Entscheidungsmodell tatsächlich bewirkt

Die klarste Definition stammt von Artificial Analysis, dem unabhängigen Bewertungslabor, dessen Decision Index v2.1 zur Referenz-Rangliste für diese Kategorie geworden ist. In seiner Erklärung nimmt ein Entscheidungsmodell eine Frage mit einem festen Satz von Optionen – zum Beispiel ein Support-Ticket, das fragt, ob es an die Abrechnung oder an den Techniker weitergeleitet werden soll, ob es dringend ist und wie verärgert der Kunde ist – und gibt für jede Option eine Antwort mit einer angehängten Wahrscheinlichkeit zurück, alles in einem einzigen Anruf.

Im Gegensatz dazu generiert ein Allzweck-Sprachmodell eine strukturierte Ausgabe, die dann geparst werden muss, und ein Argumentationsmodell erfordert zusätzliche Rechenarbeit, bevor es antwortet. Entscheidungsmodelle überspringen das. Sie sind darauf trainiert, auszuwählen und nicht zu erklären, was sie schnell und kostengünstig genug macht, um jedes Dokument, jede Anfrage und in großem Umfang zu bearbeiten.

Wie die Kategorie gemessen wird

Der Artificial Analysis Decision Index v2.1, aktualisiert mit einer öffentlichen Methodikseite, kombiniert sechs Bewertungen mit veröffentlichten Gewichtungen: AA-Paperclip mit 30 Prozent, der 1.500 Lebensläufe, Quittungen, Rechnungen und Forschungsarbeiten durch Entscheidungen und Faktenextraktion durchläuft; EvalSafe-ONET-AA bei 15 Prozent, basierend auf dem ONET-Benchmark von TypeSafe zur Beurteilung von Arbeitsplatzdokumenten; When2Call bei 10 Prozent, NVIDIAs Tool-Call-Bewertung; AA-Omniscience-Decision v1.1 bei 15 Prozent für Wissen und Halluzination; HLE-MultiChoice v1.1 mit 15 Prozent, die reinen Text-Multiple-Choice-Fragen aus „Humanity's Last Exam“ mit einer Option zum Ablehnen; und AA-Symmetry v1.1 bei 15 Prozent, das prüft, ob eine Entscheidung gültig ist, wenn ihre Optionen verschoben, umformuliert oder negiert werden.

Der letzte Test ist der Schlüssel. Ein Modell, das seine Antwort umdreht, wenn man die Reihenfolge der Optionen umkehrt, entscheidet nicht wirklich – es ist ein Mustervergleich. Kalibrierung, Invarianz und das Wissen, wann man ablehnen muss, werden als erstklassige Anforderungen und nicht als Bonus behandelt.

Was der Hacker-News-Thread hinzufügt

Perplexity hat Anfang Oktober erstmals ein 27-Milliarden-Parameter umfassendes Mitglied der Familie, pplx-decider-v1-27b, auf Hugging Face offen gewichtet, sodass die Community diese Modelle seit Wochen in der Hand hat. Die Reaktion auf Version 1.3 war gemischt, was eher an einen gesunden Markt als an einen Hype-Zyklus erinnert.

Ein Entwickler berichtete, dass Decider v1.3 bei seinen internen Auswertungen für eine Entitätsextraktions- und Matching-Aufgabe sowohl gegenüber v1.2 als auch gegenüber Jev 1.14 von TypeSafe Vorteile zeigte. Ein anderer sagte, es schneide im lokalen Benchmark gut ab und sei preislich wettbewerbsfähig, und wies darauf hin, dass eine bidirektionale Aufmerksamkeitsarchitektur für die Entscheidungsarbeit geeignet sein könnte. Andere lehnten ab: Ein Kommentator empfand Version 1.3 als einen Rückschritt für seinen Anwendungsfall und sagte, der öffentliche Index stimme zu, und ein anderer stellte die Frage, ob Flash-Varianten das Kernversprechen der Kategorie billiger, genauer Massenentscheidungen verwässern.

Der Thread deckte auch das umgebende Ökosystem auf – die Clef-Entscheidungsmodelle und das Clairic-Extraktionsmodell von Cloudflare, die ScaleDown API, Liquids D1 und das eigene Entscheidungsmodell von OpenAI – wobei mehrere Entwickler anmerkten, dass der Index von Artificial Analysis, der neben der Genauigkeit auch Kosten pro Aufgabe und Kalibrierung umfasst, der einzige herstellerübergreifende Vergleich ist, dem sie vertrauen.

Warum es wichtig ist

Wir haben den Aufstieg dieser Kategorie Schritt für Schritt behandelt: das Jev System-One-Modell von TypeSafe, das auf Qwen basierende Decision-1 von Microsoft und die Decisions API von Google mit seinem Gemini Decision-1-Modell. Perplexity Shipping v1.3 bestätigt das Muster – jede große KI-Plattform möchte jetzt die Ebene besitzen, auf der strukturierte Entscheidungen getroffen werden, weil diese Ebene vor allem liegt: Support-Triage, Dokumentenverarbeitung, Tool-Aufruf, Moderation, Compliance-Prüfungen.

Die Ökonomie ist der Punkt. Ein Argumentationsmodell kann einem Entscheidungsmodell hinsichtlich der Genauigkeit überlegen sein, aber bei hohem Volumen ist es aufgrund seiner Latenz und Kosten das falsche Werkzeug für Millionen täglicher Klassifizierungen. Entscheidungsmodelle tauschen allgemeine Intelligenz gegen kalibrierte, invariante Einzelanruf-Antworten ein, und wie die Hacker-News-Debatte zeigt, bewerten Käufer diesen Handel jetzt mit echten Benchmarks und echten Arbeitslasten.

Decider v1.3 wird auf diesen Scorecards leben oder sterben. Aber die Kategorie selbst ist eindeutig angekommen.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →