在人工智能快速发展的浪潮中，Perplexity 作为搜索与推理领域的先行者，近期再次展示了其在开源模型领域的深厚积累。该公司正式推出了 Decider v1.3 和 Flash v1.3 两个重磅模型。这并非传统的生成式大语言模型（LLM），而是专注于决策推理的开源权重模型。与以往模型输出文本不同，Decider 系列的核心优势在于能够输出概率分布，从而为复杂的逻辑判断提供更加客观、可量化的支持。
从文本生成到概率决策：Decider v1.3 的范式转变
传统的生成式 AI 往往侧重于“创造”或“生成”内容，例如撰写文章或回答开放式问题。然而，在许多关键应用场景中，AI 的任务并非创造文本，而是进行“判断”或“决策”。Decider 模型的出现，标志着 AI 能力向更精细的决策推理迈出了关键一步。v1.3 版本不仅延续了这一技术路线，更在性能和功能上实现了显著飞跃。
此次发布的 v1.3 版本引入了一个极具创新性的功能——Locate。在处理复杂的查询或需要引用证据的任务时，Locate 能够帮助模型精准地定位到支持其决策依据的文本片段。这一功能极大地增强了模型输出的可解释性，让用户不仅知道“是什么”，还能清楚地知道“为什么”。这对于构建高信任度的 AI 应用系统至关重要。
91.6% 的平均准确率：硬核性能验证
为了验证模型的实际效能，Perplexity 团队将 Decider v1.3 置于 63 个不同的查询分类任务中进行测试。结果显示，该模型在平均准确率上达到了惊人的 91.6%。这一数据不仅在同类开源决策模型中名列前茅，甚至在某些特定任务上接近了商业闭源模型的顶尖水平。如此高的准确率意味着，AI 系统在面对模糊、复杂或充满干扰的信息时，依然能够保持高度的判断力，为用户筛选出最相关、最准确的信息。
Locate 功能：解决“幻觉”问题的关键一环
大语言模型在回答问题时偶尔会出现“幻觉”，即一本正经地胡说八道。Decider v1.3 的 Locate 功能正是为了应对这一挑战而生。通过提取特定的文本跨度，模型能够将决策过程锚定在真实存在的数据上。例如，在医疗诊断辅助或法律文书审核等高风险领域，Locate 功能允许用户查看模型是基于哪一段具体的历史记录或法规条文做出的判断。这种基于证据的决策机制，是推动 AI 技术从实验室走向落地应用的重要基石。
Flash v1.3 的协同效应
值得一提的是，此次发布的 Decider v1.3 并非孤军奋战，它与 Flash v1.3 共同构成了一个强大的技术组合。Flash 模型通常负责快速检索和初步筛选，而 Decider 则负责深度的逻辑推理和最终决策。两者配合，可以实现“快准狠”的信息处理流程，既保证了响应速度，又确保了决策质量。
开源生态的深远影响
Perplexity 选择将这两个模型作为开源权重发布，无疑将对整个 AI 产业产生深远影响。开源决策模型为研究人员和开发者提供了一个透明、可复现的实验平台，促进了学术界与工业界的交流。开发者可以基于 Decider v1.3 开发出更安全、更可靠的 AI 助手、智能客服或自动化决策系统。随着更多开发者加入，围绕这一模型的优化和微调将催生出更多意想不到的应用场景。
结语
Decider v1.3 的发布不仅是 Perplexity 技术实力的体现，更是 AI 发展方向的一个缩影——即从单纯的文本生成向更智能、更可控的决策推理进化。随着 Locate 功能的加入和 91.6% 准确率的验证，我们有理由相信，开源决策模型将在未来的 AI 应用中占据越来越重要的地位，为构建可信、可靠的下一代人工智能系统提供坚实支撑。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/11/13/perplexity-decider-v1-3-open-weight-decision-models-locate/
