Perplexity ha publicado una publicación detallada sobre Decider v1.3, la versión más nueva de su familia de modelos de decisión, titulada "Perplexity Decider v1.3: capacitación, evaluación y casos de uso". La publicación llegó a la portada de Hacker News el viernes y obtuvo más de 140 puntos en cuestión de horas, con los desarrolladores intercambiando resultados de referencia y discutiendo sobre dónde encajan realmente estos modelos. Para obtener más información sobre esta y otras últimas noticias sobre IA, seguimos el lanzamiento de cada modelo a medida que llega.
La atención se centra menos en una actualización y más en lo que revela el hilo: en apenas un año, los modelos de decisión han pasado de ser una curiosidad a una categoría abarrotada con sus propios puntos de referencia, su propia lógica de precios y un campo competitivo que ahora incluye Perplexity, TypeSafe, Microsoft, Google, Cloudflare y OpenAI.
Qué hace realmente un modelo de decisión
La definición más clara proviene de Artificial Analysis, el laboratorio de evaluación independiente cuyo Decision Index v2.1 se ha convertido en la tabla de clasificación de referencia de la categoría. En su explicación, un modelo de decisión toma una pregunta con un conjunto fijo de opciones (por ejemplo, un ticket de soporte que pregunta si debe dirigirse a facturación o técnico, si es urgente y qué tan molesto está el cliente) y devuelve una respuesta para cada opción con una probabilidad adjunta, todo en una sola llamada.
Por el contrario, un modelo de lenguaje de propósito general genera una salida estructurada que luego debe analizarse, y un modelo de razonamiento invierte más tiempo en pensamiento computacional antes de responder. Los modelos de decisión se saltan eso. Están capacitados para elegir, no para explicar, lo que los hace lo suficientemente rápidos y económicos para ejecutar cada documento, cada solicitud, en un gran volumen.
Cómo se mide la categoría
Artificial Analysis Decision Index v2.1, actualizado con una página de metodología pública, combina seis evaluaciones con ponderaciones publicadas: AA-Paperclip al 30 por ciento, que procesa 1,500 currículums, recibos, facturas y trabajos de investigación a través de decisiones y extracción de hechos; EvalSafe-ONET-AA al 15 por ciento, según el punto de referencia ONET de juicios sobre documentos del lugar de trabajo de TypeSafe; When2Call al 10 por ciento, la evaluación de llamadas de herramientas de NVIDIA; AA-Omniscience-Decision v1.1 al 15 por ciento para conocimiento y alucinaciones; HLE-MultiChoice v1.1 al 15 por ciento, las preguntas de opción múltiple de solo texto del último examen de la humanidad con una opción para rechazar; y AA-Symmetry v1.1 al 15 por ciento, que verifica que una decisión se mantenga cuando sus opciones se modifican, reformulan o niegan.
Esa última prueba es la clave. Un modelo que invierte su respuesta cuando se invierte el orden de las opciones no es en realidad una decisión: es una coincidencia de patrones. La calibración, la invariancia y saber cuándo rechazar se tratan como requisitos de primera clase, no como bonificaciones.
Lo que agrega el hilo de noticias sobre hackers
Perplejity abrió por primera vez un miembro de la familia con 27 mil millones de parámetros, pplx-decider-v1-27b, en Hugging Face a principios de octubre, por lo que la comunidad ha tenido en sus manos estos modelos durante semanas. La reacción a la versión 1.3 fue mixta, de una manera que parece un mercado saludable en lugar de un ciclo de exageración.
Un desarrollador informó que Decider v1.3 mostró mejoras con respecto a v1.2 y Jev 1.14 de TypeSafe en sus evaluaciones internas para una tarea de extracción y comparación de entidades. Otro dijo que funciona bien en su punto de referencia local y tiene un precio competitivo, y señaló que una arquitectura de atención bidireccional puede ser adecuada para el trabajo de toma de decisiones. Otros respondieron: un comentarista encontró que la versión 1.3 era un paso atrás para su caso de uso y dijo que el índice público estaba de acuerdo, y otro cuestionó si las variantes flash diluyen la promesa central de la categoría de decisiones masivas baratas y precisas.
El hilo también sacó a la luz el ecosistema circundante (los modelos de decisión Clef de Cloudflare y el modelo de extracción Clairic, la API ScaleDown, D1 de Liquid y el propio modelo de decisión de OpenAI) y varios desarrolladores señalaron que el índice de Análisis Artificial, que incluye el costo por tarea y la calibración junto con la precisión, es la única comparación entre proveedores en la que confían.
Por qué es importante
Hemos cubierto el ascenso de esta categoría paso a paso: el modelo Jev system-one de TypeSafe, Decision-1 de Microsoft basado en Qwen y Decisions API de Google con su modelo Gemini Decision-1. El envío de Perplexity v1.3 confirma el patrón: todas las principales plataformas de IA ahora quieren poseer la capa donde se toman las decisiones estructuradas, porque esa capa se encuentra delante de todo: clasificación de soporte, procesamiento de documentos, llamada de herramientas, moderación, controles de cumplimiento.
La economía es el punto. Un modelo de razonamiento puede superar a un modelo de decisión en cuanto a precisión, pero en grandes volúmenes su latencia y costo lo convierten en la herramienta equivocada para millones de clasificaciones diarias. Los modelos de decisión intercambian inteligencia general por respuestas calibradas, invariantes y de una sola llamada, y como muestra el debate de Hacker News, los compradores ahora están calificando ese comercio con puntos de referencia reales y cargas de trabajo reales.
Decider v1.3 vivirá o morirá en esos cuadros de mando. Pero la categoría en sí claramente ha llegado.
---
Manténgase a la vanguardia de la IAObtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
