Perplexity 發布分類模型 Decider，自報成本約 GLM-5.3-Flash 的 1/12，未計本機硬體
Perplexity 11 月 12 日發布 Decider v1.3 與較小的 Decider Flash v1.3：輸入一段內容和幾道題目，一次運算就回傳每題各選項的機率，不逐字生成答案（Perplexity，2026-11-12）。Perplexity 想證明，代理人裡大量的小判斷可以從會寫字的大模型移給只出機率的分類模型，目前的證據只有它自己的評測。
Perplexity 自報，跑同一批 100 萬筆請求，Decider v1.3 花約 26.47 美元，經 API 跑的 GLM-5.3-Flash 約 312.21 美元，約是 Decider 的 12 倍。Decider 是在本機跑的，Perplexity 寫明本機硬體成本沒有算進去，兩邊不是同一套算法。
準確度的標準答案，也是大模型給的。Decisions API 是 Perplexity 對外提供 Decider 的 API。Perplexity 拿它上線前的線上流量來比：同一批題目，Decider v1.3 的答案和前沿大模型的答案有 93.98% 一致，上一版 v1.2 是 93.68%。這量的是 Decider 像不像那個大模型，不是答得對不對。
Perplexity 寫，模型以 Apache 授權放上 Hugging Face。Hugging Face 的模型頁目前標成私有、要登入權杖才能取用，和發布文說可以下載權重有落差。
還不能當真： 準確度的標準答案是前沿大模型判官給的 怎麼查的 →
接下來看 Hugging Face 決策模型榜單上 Decider 的分數，以及權重何時開放下載。
出處與查證
這則刊在2026年11月13日的晨報，同一期還有 16 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。
引用這則
SecondSource（2026），〈Perplexity 發布分類模型 Decider，自報成本約 GLM-5.3-Flash 的 1/12，未計本機硬體〉，https://secondsource.io/news/2026-11-13-3/，取用日期取用。