Perplexity a publié un article détaillé sur Decider v1.3, la dernière version de sa famille de modèles de décision, intitulé « Perplexity Decider v1.3 : Formation, évaluation et cas d'utilisation ». Le message a fait la une de Hacker News vendredi et a attiré plus de 140 points en quelques heures, les développeurs échangeant des résultats de référence et se disputant sur la place réelle de ces modèles. Pour en savoir plus à ce sujet et sur d'autres dernières nouvelles sur l'IA, nous suivons chaque version de modèle à mesure qu'elle arrive.
L'attention se porte moins sur une mise à jour que sur ce que révèle le fil de discussion : en à peine un an, les modèles de décision sont passés d'une curiosité à une catégorie encombrée avec leurs propres références, leur propre logique de tarification et un domaine concurrentiel qui comprend désormais Perplexity, TypeSafe, Microsoft, Google, Cloudflare et OpenAI.
Ce que fait réellement un modèle de décision
La définition la plus claire vient d'Artificial Analysis, le laboratoire d'évaluation indépendant dont le Decision Index v2.1 est devenu le classement de référence de la catégorie. Dans son explicatif, un modèle de décision prend une question avec un ensemble fixe d'options (par exemple, un ticket d'assistance demandant s'il faut l'acheminer vers la facturation ou vers le service technique, si c'est urgent et à quel point le client est contrarié) et renvoie une réponse pour chaque option avec une probabilité attachée, le tout en un seul appel.
En revanche, un modèle de langage à usage général génère une sortie structurée qui doit ensuite être analysée, et un modèle de raisonnement nécessite une réflexion informatique supplémentaire avant de répondre. Les modèles de décision ignorent cela. Ils sont formés à choisir, pas à expliquer, ce qui les rend suffisamment rapides et bon marché pour traiter chaque document, chaque demande, à un volume élevé.
Comment la catégorie est mesurée
L'indice de décision d'analyse artificielle v2.1, mis à jour avec une page de méthodologie publique, combine six évaluations avec des pondérations publiées : AA-Paperclip à 30 %, qui gère 1 500 curriculum vitae, reçus, factures et documents de recherche par le biais de décisions et d'extraction de faits ; EvalSafe-ONET-AA à 15 pour cent, sur la base du test de jugement ONET de TypeSafe sur les documents du lieu de travail ; When2Call à 10 pour cent, l'évaluation des appels d'outils de NVIDIA ; AA-Omniscience-Decision v1.1 à 15 pour cent pour les connaissances et les hallucinations ; HLE-MultiChoice v1.1 à 15 pour cent, les questions à choix multiples en texte uniquement du dernier examen de l'humanité avec une option de refus ; et AA-Symmetry v1.1 à 15 pour cent, qui vérifie qu'une décision est valable lorsque ses options sont déplacées, reformulées ou annulées.
Ce dernier test est le révélateur. Un modèle qui inverse sa réponse lorsque vous inversez l’ordre des options ne décide pas réellement : il s’agit d’une correspondance de modèles. L’étalonnage, l’invariance et le fait de savoir quand refuser sont traités comme des exigences de premier ordre et non comme des bonus.
Ce que le fil Hacker News ajoute
Perplexity a pondéré pour la première fois un membre de la famille de 27 milliards de paramètres, pplx-decider-v1-27b, sur Hugging Face début octobre, la communauté a donc mis la main sur ces modèles depuis des semaines. La réaction à la version 1.3 a été mitigée, ce qui ressemble à un marché sain plutôt qu'à un cycle de battage médiatique.
Un développeur a signalé que Decider v1.3 montrait des gains par rapport à la v1.2 et à Jev 1.14 de TypeSafe lors de leurs évaluations internes pour une tâche d'extraction et de correspondance d'entités. Un autre a déclaré qu'il fonctionnait bien par rapport à son benchmark local et que son prix était compétitif, notant qu'une architecture d'attention bidirectionnelle peut convenir au travail de décision. D'autres ont repoussé : un commentateur a trouvé que la v1.3 était un pas en arrière pour son cas d'utilisation et a déclaré que l'index public était d'accord, et un autre s'est demandé si les variantes flash diluaient la promesse fondamentale de la catégorie de décisions groupées précises et bon marché.
Le fil de discussion a également fait ressortir l'écosystème environnant – les modèles de décision Clef et Clairic de Cloudflare, l'API ScaleDown, le modèle de décision D1 de Liquid et OpenAI – avec plusieurs développeurs notant que l'indice d'Analyse Artificielle, qui inclut le coût par tâche et l'étalonnage ainsi que la précision, est la seule comparaison entre fournisseurs en laquelle ils ont confiance.
Pourquoi c'est important
Nous avons couvert l'évolution de cette catégorie étape par étape : le modèle Jev system-one de TypeSafe, Decision-1 de Microsoft construit sur Qwen et l'API Decisions de Google avec son modèle Gemini Decision-1. La version 1.3 de Perplexity confirme le modèle : toutes les grandes plates-formes d'IA souhaitent désormais posséder la couche où les choix structurés sont effectués, car cette couche se trouve devant tout : triage des supports, traitement des documents, appel d'outils, modération, contrôles de conformité.
L’économie est le point important. Un modèle de raisonnement peut surpasser un modèle de décision en termes de précision, mais à volume élevé, sa latence et son coût en font un mauvais outil pour des millions de classifications quotidiennes. Les modèles de décision échangent des informations générales contre des réponses calibrées, invariantes et à appel unique, et comme le montre le débat de Hacker News, les acheteurs évaluent désormais ces échanges avec de véritables références et de véritables charges de travail.
Decider v1.3 vivra ou mourra sur ces tableaux de bord. Mais la catégorie elle-même est clairement arrivée.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
