Perplexity, karar modeli pplx-decider'ı açık model olarak yayımladı

Perplexity, karar modeli pplx-decider-v1-27b'yi Hugging Face'te yayımladı. Model, Qwen3.8-27B üzerine ince ayarla geliştirildi ve Apache 2.0 lisansıyla sunuluyor; modelin eğitilmiş dosyaları herkesin indirmesine açık. Böylece pplx-decider, kendi sunucunuzda çalıştırabileceğiniz açık model olarak kullanılabiliyor. Perplexity'nin geliştirici duyurusundaki bilgilere göre aynı model, Ekim 2026'da açılan Decisions API hizmetinin de arkasında çalışıyor.

Karar modeli, bir yazılımın ya da yapay zeka ajanının iş akışı içinde hızlı karar vermesi gereken anlar için tasarlanmış bir model türü. Modele bir içerik ve cevap seçenekleri önceden belirlenmiş sorular verilir; model uzun bir yanıt yazmadan her seçenek için bir olasılık döndürür. Uygulama bu sayılara bakarak bir destek talebini ilgili ekibe yönlendirebilir, bir mesajın acil olup olmadığına karar verebilir ya da emin olamadığı durumu bir insana bırakabilir. GlobalFeed'in daha önce haberini yaptığı Cloudflare Clef modelleri de bu türden.

Model üç tür soruyu yanıtlıyor

Perplexity'nin Decisions API belgelerindeki bilgilere göre model üç soru türünü destekliyor. Evet/hayır sorularında "evet" cevabının olasılığını veriyor. Seçim sorularında her seçeneğe bir olasılık atıyor, en olası seçeneği ve bir güven değerini döndürüyor. Puanlama sorularında ise içeriği sıralı bir ölçeğe göre değerlendiriyor; her düzeyin olasılığını ve bu olasılıklardan hesaplanan beklenen puanı veriyor. Tek istekte aynı içerik hakkında birden çok soru sorulabiliyor. Girdi olarak metin, JSON ve görsel kabul ediliyor.

Belgelerdeki örnekler modelin hangi işlerde kullanılabileceğini gösteriyor: destek taleplerini sınıflandırmak, bir tarayıcı ajanının sıradaki adımını seçmek ve bir yanıttaki kaynak gösterimlerinin iddiayı gerçekten destekleyip desteklemediğini değerlendirmek. Model kartındaki kod örneğinde, Stripe entegrasyonu hata veren bir müşterinin mesajının faturalama, teknik destek ya da satış ekiplerinden hangisine gitmesi gerektiği soruluyor.

Perplexity'nin karşılaştırmasında Jev ile yakın sonuçlar

Model kartında 11 ölçüm setinde doğruluk sonuçları yer alıyor. Perplexity'nin paylaştığı tabloya göre pplx-decider genel ortalamada yüzde 85,71 ile ilk sırada; Typesafe AI'ın karar modeli Jev yüzde 84,51, temel model Qwen3.8-27B ise yüzde 74,76 alıyor. En büyük fark, yapay zeka yanıtlarındaki uydurma bilgiyi yakalamayı ölçen RAGTruth testinde görülüyor. Jev ise WinoGrande, BBH ve TruthfulQA dahil altı testte önde. Model kartına göre pplx-decider sonuçları Perplexity'nin API'si üzerinden ölçüldü.

Kendi sunucunuzda ya da API üzerinden kullanım

Model kartı, modeli yerelde çalıştırmak için Python 3.12 ya da üstü ve yaklaşık 49 GiB model dosyasına ek çalışma belleğini sığdırabilen CUDA destekli bir ekran kartı gerektiğini belirtiyor. Hugging Face deposunda uv aracıyla çalıştırılabilen bir örnek betik ve doğrudan kullanılabilen Decider adlı bir Python sınıfı bulunuyor; görsel girdiler de bu betikle denenebiliyor. Barındırılan sürüm Perplexity'nin Decisions API'si üzerinden çağrılabiliyor ve belgelerde modelin v1.1 sürümü de seçenekler arasında listeleniyor. Güncel fiyatlar Perplexity'nin sitesinde.

Model kartında modelin eğitim verisi, sınırlamaları ve hangi dilleri ne kadar iyi anladığı belirtilmiyor; bu yüzden Türkçe içerikte kullanmadan önce kendi örneklerinizle denemek iyi olur. Modeli yerelde çalıştırmak veri merkezi sınıfı bir ekran kartı gerektiriyor. Sonuçları farklı açılardan görmek için bağımsız araştırmacıların değerlendirmelerini de takip edin.

Kaynaklar: Hugging Face: pplx-decider-v1-27b model kartı, Perplexity: Decisions API belgeleri, Perplexity: geliştirici değişiklik günlüğü.