Perplexity 的 Decider v1.3 不写答案，只给概率

做 AI 搜索的 Perplexity 发了两个开放权重模型，Decider v1.3 和 Flash v1.3。它们不生成一段话，输出的是概率。你可以把它们理解成给查询打标签、做判断的模型，适合分类、路由、抽取这类任务。

v1.3 的更新点是 Locate。它从文本里找出答案所在的片段，返回位置，不写解释。报道里给出的数字是：在 63 个查询分类任务上，平均准确率 91.6%。这个指标说明它在这些任务上稳定，但别直接外推到开放域问答。分类任务和生成任务是两回事。

开放权重意味着模型参数可以下载，团队能在自己的环境里部署、微调、评估。对做 AI 应用的人来说，这类模型的价值在成本和可控性：调用大模型做简单判断，贵且慢。用一个小判断模型先分流，后面再交给生成模型，工程上更常见。

不过，概率输出也带来解释成本。分类阈值怎么定，置信度怎么校准，错误怎么回退，都是落地时要处理的事。Perplexity 这次把 Locate 加进来，显然想把判断和定位放进同一层。效果如何，还得看实际任务上的表现。来源：MarkTechPost，作者 Asif Razzaq。原文链接。