Perplexity 开源 decider v1.2 并披露成绩与回归

Perplexity 公布 decider v1.2 的成绩：27B 公开分 67.7、同技能分 64.0、Full 65.5，排 Decision Index 第 3，中位延迟 144ms。新域分低于上代 D3，作者承认训练更久导致骨干能力流失，计划未来版本修复；公开/私有分差略大于上代。视觉成绩未公开，但作者称尽管几乎没有 in-domain 视觉训练数据，视觉提升很大。

Perplexity decider 4B 由 27B 大模型的蒸馏信号训练，登上 4B 档榜首，与 27B 共享 attention schema、训练配方等全部设计决策，唯一区别是学习来源。该家族以 27B/4B 双尺寸开源，推理最快提速 5 倍；27B 的 decider v1.2 在 Decision Index 排第 3，新域分数反低于上代，官方用 model souping 缓解回归。

Perplexity 承认 decider v1.2 存在少量回归，并用 model souping 缓解。回归并非来自 Decision Index 数据，而是更通用、更长时间训练使模型偏离原骨干能力及视觉能力大幅提升的副作用。为公平对比，DI 官方训练 split 仅在唯一一个训练阶段占 16.6%。

Perplexity 团队成员 antoinechaffin 称 decider v1.2 在数百项评测中出现少量不严重回归，已用 model souping 缓解并溯源出两个成因，同时邀请用户报告坏例。因发现 DI 榜对手在用基准训练集刷分，该版本为公平对比选择跟进，但仅使用官方训练 split、严格去重、绝不碰测试数据，训练中占比 16.6%。

Perplexity 披露 Decision Index 上部分模型使用了 DI 基准训练集，decider v1.2 为公平对比也纳入这些官方训练 split，仅用官方 split、严格去重、占比 16.6%。

Perplexity 公布 decider 的 DI 训练数据纳入细则：只使用官方训练 split、绝不触碰测试数据，并对所有训练集（含官方之外的）针对每个测试集严格去重。这批数据只出现在一个特定训练阶段，占该阶段 16.6%，其他阶段为 0%。最终 checkpoint 是跨全部评测（含多个 held-out 集）选出最优折中的 model soup，DI 成绩不以牺牲其他评测为代价。

Perplexity 团队发布开源权重多模态决策模型 pplx-decider v1.2，提供 27B 与 4B（flash）两种尺寸，推理速度最快提升 5 倍。模型以 Apache 许可上架 Hugging Face，同时可通过 Perplexity API 调用，flash 模型价格进一步下调。