Perplexity опубликовала подробный пост о Decider v1.3, новейшей версии семейства моделей принятия решений, под названием «Perplexity Decider v1.3: обучение, оценка и варианты использования». Сообщение появилось на первой странице Hacker News в пятницу и за несколько часов набрало более 140 баллов, а разработчики обменивались результатами тестов и спорили о том, где на самом деле подходят эти модели. Чтобы узнать больше об этой и других последних новостях в области искусственного интеллекта, мы следим за выпуском каждой модели по мере ее выхода.
Внимание сосредоточено не на одном обновлении, а больше на том, что раскрывается в теме: всего за год модели принятия решений превратились из любопытства в переполненную категорию со своими собственными тестами, собственной логикой ценообразования и конкурентным полем, которое теперь включает Perplexity, TypeSafe, Microsoft, Google, Cloudflare и OpenAI.
Что на самом деле делает модель принятия решений
Самое четкое определение дает Artificial Analysis, независимая оценочная лаборатория, чей Decision Index v2.1 стал эталонной таблицей лидеров в этой категории. В своем объяснителе модель принятия решения берет вопрос с фиксированным набором вариантов — например, заявку в службу поддержки, в которой спрашивается, следует ли обращаться к биллинговому или техническому отделу, срочно ли это и насколько расстроен клиент — и возвращает ответ для каждого варианта с добавленной вероятностью, и все это за один звонок.
Языковая модель общего назначения, напротив, генерирует структурированный вывод, который затем необходимо проанализировать, а модель рассуждения требует дополнительных вычислительных усилий, прежде чем дать ответ. Модели принятия решений этого не учитывают. Их учат выбирать, а не объяснять, что делает их достаточно быстрыми и дешевыми, чтобы обрабатывать каждый документ, каждый запрос в больших объемах.
Как измеряется категория
Индекс решений искусственного анализа версии 2.1, обновленный с помощью общедоступной методологической страницы, объединяет шесть оценок с опубликованными весами: AA-Paperclip с 30 процентами, который обрабатывает 1500 резюме, квитанций, счетов-фактур и исследовательских работ посредством принятия решений и извлечения фактов; EvalSafe-ONET-AA — 15 процентов, на основе эталонного теста ONET компании TypeSafe, оценивающего рабочие документы; When2Call — 10 процентов, оценка вызова инструментов NVIDIA; AA-Omniscience-Decision v1.1 — 15 процентов за знания и галлюцинации; HLE-MultiChoice v1.1 — 15 процентов, текстовые вопросы с несколькими вариантами ответов из «Последнего экзамена человечества» с возможностью отклонения; и AA-Symmetry v1.1 на уровне 15 процентов, который проверяет, сохраняется ли решение, когда его варианты перемещаются, переформулируются или отклоняются.
Последний тест и говорит о многом. Модель, которая меняет свой ответ, когда вы меняете порядок вариантов, на самом деле не является принятием решения — это сопоставление с образцом. Калибровка, неизменность и знание того, когда следует отказаться, рассматриваются как первоклассные требования, а не бонусы.
Что добавляет тема новостей о хакерах
Perplexity впервые открыла взвешивание члена семейства с 27 миллиардами параметров, pplx-decider-v1-27b, на Hugging Face в начале октября, поэтому сообщество использовало эти модели в течение нескольких недель. Реакция на версию 1.3 была неоднозначной, что выглядело как здоровый рынок, а не как цикл ажиотажа.
Один разработчик сообщил, что Decider v1.3 продемонстрировал преимущества по сравнению с версией 1.2 и Jev 1.14 от TypeSafe при внутренних оценках задач извлечения и сопоставления объектов. Другой сказал, что он хорошо работает по местным критериям и имеет конкурентоспособную цену, отметив, что архитектура двунаправленного внимания может подойти для работы по принятию решений. Другие возразили: один комментатор нашел версию 1.3 шагом назад для своего варианта использования и сказал, что общедоступный индекс с этим согласен, а другой задался вопросом, не ослабляют ли варианты флэш-памяти основное обещание категории — дешевые и точные массовые решения.
В теме также обсуждалась окружающая экосистема — модели решений Cloudflare Clef и модель извлечения Clairic, ScaleDown API, Liquid D1 и собственная модель решений OpenAI — при этом несколько разработчиков отметили, что индекс искусственного анализа, который включает стоимость за задачу и калибровку наряду с точностью, является единственным сравнением между поставщиками, которому они доверяют.
Почему это важно
Мы рассмотрели развитие этой категории шаг за шагом: модель Jev system-one от TypeSafe, Decision-1 от Microsoft, построенная на Qwen, и Decisions API от Google с моделью Gemini Decision-1. Поставка Perplexity v1.3 подтверждает эту закономерность: каждая крупная платформа искусственного интеллекта теперь хочет владеть уровнем, на котором осуществляется структурированный выбор, потому что этот уровень находится впереди всего: сортировки поддержки, обработки документов, вызова инструментов, модерации, проверок соответствия.
Экономика – это главное. Модель рассуждения может превзойти модель принятия решений по точности, но при большом объеме ее задержка и стоимость делают ее неподходящим инструментом для миллионов ежедневных классификаций. Модели принятия решений обменивают общий интеллект на калиброванные, инвариантные, одноразовые ответы, и, как показывают дебаты в Hacker News, покупатели теперь оценивают эту сделку с помощью реальных эталонов и реальных рабочих нагрузок.
Решение v1.3 выживет или умрет в этих системах показателей. Но сама категория явно появилась.
---
Будьте впереди ИИПолучайте последние новости, анализ и открытия в области искусственного интеллекта — все в одном месте.
Подробнее новости AI →
