pplx-decider-v1.2 是什么：Perplexity 只回答概率的判断模型

它是什么

pplx-decider-v1.2 是 Perplexity 在 2026 年 10 月推出的判断模型，参数 27B，同时发布的还有 4B 的轻量版 pplx-decider-flash-v1.2，两者都能接受文本和图像输入。它们服务于 Perplexity 的 Decisions API。这类模型和常见的聊天模型很不一样：它不生成一段回答，而是针对你问的问题直接给出概率。

“只给概率”有什么用

按官方对 Decisions API 的说明，它针对文本、JSON 或图像回答问题，返回的是概率而不是生成的文字，适用于三类答案：是或否、多选一、打分。举几个典型场景：这条用户评论是不是在投诉？这张商品图是否符合平台规范？这份简历和岗位的匹配度打几分？这段内容该归到哪个类别？

用普通大模型做这些事，常见的麻烦是：要写提示词约束输出格式，模型有时还是会多说几句、格式不对，程序解析容易出错；而且它只给一个答案，你不知道它有多确定。判断模型直接返回概率，程序可以拿来就用，比如设一个阈值，概率高于 0.9 自动通过，介于 0.5 到 0.9 之间转人工复核。这让 AI 判断更容易嵌进业务流程。

价格

它的计费方式很特别：只收输入，输出免费。pplx-decider-v1.2 每百万输入 token 0.02 美元，flash 版每百万输入 token 0.01 美元。因为输出只是概率，几乎不产生输出 token，成本主要取决于你送进去的内容有多长。这个价位比用通用大模型做同样的分类判断便宜得多，适合海量数据的批量处理。

怎么选

27B 的 v1.2 适合判断标准复杂、需要理解长文本或图片细节的场景；4B 的 flash 版更快更便宜，适合标准清晰、量特别大的场景，比如内容初筛、日志分类。官方的更新日志没有公布这一版的评测数字，建议先用一批人工标注过的样本测准确率，再决定阈值和用哪个版本。

适合谁

做内容审核、客服工单分类、数据清洗标注、电商商品审核的团队，是它最直接的用户；需要把 AI 判断接进自动化流程的开发者，概率输出比自由文本好处理得多。AI 主线的看法是：并不是所有 AI 任务都需要写一段话，把“判断”单独做成一个便宜、可量化的模型，是一个很务实的产品思路。