Source: https://ailoot.ai/models/fr/perplexity-pplx-decider-v1-1-27b/ Canonical: https://ailoot.ai/models/fr/perplexity-pplx-decider-v1-1-27b/ Language: fr # Perplexity: Decider V1.1 27B [Markdown](https://ailoot.ai/models/fr/perplexity-pplx-decider-v1-1-27b/index.md) · [JSON](https://ailoot.ai/models/fr/perplexity-pplx-decider-v1-1-27b/facts.json) ## [Perplexity: Decider V1.1 27B](https://ailoot.ai/models/fr/perplexity-pplx-decider-v1-1-27b/) Decider V1.1 27B de Perplexity évalue un état et une question fournis et renvoie des probabilités sur l’ensemble des réponses autorisées. Son checkpoint de décision natif prend en charge le texte et les images, avec une tête de lecture dédiée et des limites documentées de préparation des entrées, plutôt qu’un contrat de génération de texte libre. - [**Ailoot Ultra · System One** `POST /v1/systemone` `perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/fr/perplexity-pplx-decider-v1-1-27b/#method-0) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. Decider V1.1 27B est le checkpoint de décision mis à jour de Perplexity. Il évalue le contenu fourni au regard d’une question définie et produit des probabilités sur les réponses valides. Son artefact natif comporte une tête de lecture décisionnelle (readout) plutôt qu’une tête de génération de langage couvrant l’ensemble du vocabulaire. Le résultat utile est une distribution de décision bornée et la réponse qui en est interprétée, et non une explication ouverte ni une réponse de chat générale. #### Ce qui change dans l’édition V1.1 Perplexity présente ce modèle comme une mise à jour de Decider V1 27B qui conserve le même backbone, avec des modifications de la configuration d’attention et davantage de données d’entraînement. Son backbone est Qwen3.8-27B. L’édition V1.1 doit conserver son propre nom et sa propre configuration plutôt que d’être décrite comme une copie interchangeable du checkpoint précédent. #### État, question et réponses valides L’exemple publié fournit une ligne contenant un état et une question de choix typée. La question comprend des instructions et des critères dont les clés sont les réponses sémantiques et dont les descriptions définissent quand chacune s’applique. Le modèle prédit des probabilités, puis la fonction utilitaire de réponse de l’éditeur interprète ces probabilités pour la question. L’exemple d’inférence peut traiter une liste de lignes, chaque décision étant rattachée aux éléments probants et à la question de sa ligne. Pour le routage des demandes, fournissez le message réel et le contexte pertinent, puis définissez les services ou catégories disponibles. Une tâche illustrative peut distinguer une panne d’intégration, un problème d’accès et une demande d’informations sur un produit. Rendez chaque description suffisamment précise pour trancher un cas limite, et conservez les définitions des options avec le résultat. Une distribution de catégories peut alors étayer une décision de routage ou une étape de revue lorsque les alternatives restent proches. Le résultat choisi par le modèle n’exécute pas lui-même l’action du flux de travail. #### Éléments textuels et visuels L’implémentation native accepte des images en plus de l’état et de la question, sous forme de fichiers image, d’images en mémoire ou de données d’image encodées. Pour l’image d’un document ou une capture d’écran, fournissez l’élément visuel et posez une question fermée dont les options décrivent les issues pertinentes. Indiquez la caractéristique visible qui compte et fournissez le contexte textuel nécessaire pour l’interpréter. Par exemple, déterminez si un article représenté appartient à l’une des catégories de produits fournies plutôt que de demander au modèle de décision de rédiger une description complète du produit. Le processeur préserve les proportions lors du redimensionnement et arrondit les côtés de l’image à des multiples de 32 pixels. La surface traitée documentée commence à 65 536 pixels et est bornée par un maximum configurable ; sa valeur par défaut est de 4 194 304 pixels, soit 2048 par 2048. Chaque patch de 32 par 32 produit un token visuel, de sorte que cette valeur par défaut autorise jusqu’à 4 096 tokens visuels par image. Ces chiffres décrivent la préparation d’image native de l’éditeur, et non un contrat général de téléversement applicatif. #### Limites d’entrée combinées et périmètre de résolution L’étape de préparation documentée exige que le texte et l’ensemble des images d’une même décision tiennent dans 8 192 tokens. Une entrée trop volumineuse est rejetée plutôt que tronquée silencieusement. Plusieurs images partagent ce budget avec l’état et la question rédigés. Réduisez le texte source non pertinent ou le plafond de taille des images lors de la préparation d’une décision combinée, tout en conservant le détail qui détermine la réponse. La configuration d’entraînement et d’évaluation publiée plafonnait les images à 512 par 512, soit 262 144 pixels et jusqu’à 256 tokens visuels. Le plafond configurable à l’inférence peut conserver davantage de détails, mais la fiche du modèle avertit qu’une résolution plus élevée sort de cette distribution d’entraînement et consomme davantage de mémoire et de temps de traitement. Un réglage d’image plus grand ne garantit donc pas une meilleure décision. Maintenez une préparation des entrées cohérente avec la question et vérifiez que la caractéristique visuelle nécessaire est clairement représentée. #### Attention, tête de lecture et calibrage des probabilités Les couches d’attention complète du checkpoint natif utilisent un mode d’attention non causal enregistré, tandis que ses couches d’attention linéaire conservent leur propre comportement. Le concepteur précise que l’inférence causale par défaut ne reproduit pas la configuration évaluée. Son implémentation de prédiction applique la température de calibrage enregistrée ; si les logits sont utilisés directement, cette température est appliquée une seule fois et les probabilités sont normalisées sur les candidats valides en cours. Ces détails appartiennent au profil de décision exact et doivent être préservés lors de l’interprétation de ses sorties numériques. La tête de lecture décisionnelle distincte différencie également cet artefact d’un export génératif. Une conversion vers une interface de génération fondée sur le vocabulaire nécessite une correspondance explicite et doit préserver le comportement d’attention. Préparez des questions fermées pour le profil de décision natif ; utilisez un modèle de génération adapté lorsque la tâche requiert du chat, du code, des explications ou des requêtes d’outils. Un artefact final utile maintient associés l’état, la question, les réponses autorisées et la distribution obtenue. Définissez la question autour des éléments réellement présents, examinez les cas ambigus au regard de ces éléments et utilisez des exemples étiquetés issus de la tâche visée pour décider de la manière dont les sorties numériques doivent influer sur le routage ou la classification. Le modèle fournit des probabilités de décision ; les critères et l’application environnante déterminent comment ces probabilités deviennent une action utile ou une étiquette enregistrée. **Ailoot Ultra · System One** `POST /v1/systemone` `perplexity/pplx-decider-v1.1-27b` [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/fr/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) Perplexity /`perplexity/pplx-decider-v1.1-27b` ### Premiers pas Decider V1.1 27B de Perplexity évalue un état et une question fournis et renvoie des probabilités sur l’ensemble des réponses autorisées. Son checkpoint de décision natif prend en charge le texte et les images, avec une tête de lecture dédiée et des limites documentées de préparation des entrées, plutôt qu’un contrat de génération de texte libre. Entrées acceptées Texte · Images Résultats decisions ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · System One** `POST /v1/systemone` Types d’entrée `text`, `image` Types de sortie `decisions` Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites perplexity/pplx-decider-v1.1-27b | Par défaut— | | Champ`provider` | Type`schema` | ExigenceFacultatif | Valeurs et limites | Par défaut— | | Champ`questions` | Type`object` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`session_id` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— | | Champ`state` | Type`schema` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`trace` | Type`schema` | ExigenceFacultatif | Valeurs et limites | Par défaut— | | Champ`user` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— | | Champ`questions..type` | Type`string` | ExigenceObligatoire | Valeurs et limites noul, choice, score | Par défaut— | | Champ`questions..instructions` | Type`string\|object\|array` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`questions..criteria` | Type`object\|array` | ExigenceFacultatif | Valeurs et limites Conditions: choice/score : obligatoires ; noul : facultatif. Les critères de choice forment un objet ; score est un tableau avec minItems égal à 1. | Par défaut— | | Champ`questions..criteria.true` | Type`string\|object\|array` | ExigenceObligatoire | Valeurs et limites S’applique lorsque: objet de critères noul fourni | Par défaut— | | Champ`questions..criteria.false` | Type`string\|object\|array` | ExigenceObligatoire | Valeurs et limites S’applique lorsque: objet de critères noul fourni | Par défaut— | Combinaisons d’éléments d’entrée **noul** · Obligatoire : state, questions.\.type=noul, questions.\.instructions **choice** · Obligatoire : state, questions.\.type=choice, questions.\.instructions, criteria object **score** · Obligatoire : state, questions.\.type=score, questions.\.instructions, criteria array with minItems1 Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, state, questions | | Paramètre`material_types` | Contrattext, image | | Paramètre`optional_controls` | Contratprovider, session\_id, trace, user | | Paramètre`multimodal_input_binding` | ContratUtilisez uniquement la représentation exacte déclarée de l’état ou du document. La seule capacité du fabricant à traiter des images ne prouve pas l’existence d’un format d’entrée image accepté pour ce modèle. | Cycle de vie : `synchronous` Envoyez l’identifiant exact du modèle et conservez la réponse native complète. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives. | Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût | | --- | --- | --- | --- | --- | | ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00004** / 1K tokens Sortie · Tokens en sortie **$0** / 1K tokens Entrée · Lecture du cache **—** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | | ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00004** / 1K tokens Sortie · Tokens en sortie **$0** / 1K tokens Entrée · Lecture du cache **—** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · System One Structure officielle de requête conservée ; exemple de documentationUtilisez les données réelles de votre requête et conservez le résultat complet ```json { "model": "perplexity/pplx-decider-v1.1-27b", "questions": { "is_bug": { "criteria": { "false": "The customer is asking a question or requesting a feature.", "true": "The customer describes broken or unexpected product behavior." }, "instructions": "Is the customer reporting a software defect?", "type": "noul" }, "team": { "criteria": { "account": "Login, permissions, or profile issues.", "frontend": "Rendering, layout, or browser compatibility issues.", "payments": "Checkout, billing, or payment processing issues." }, "instructions": "Which team should own this ticket?", "type": "choice" }, "urgency": { "criteria": [ "Can wait for the next release", "Should be fixed this week", "Blocking revenue right now" ], "instructions": "How urgent is this ticket?", "type": "score" } }, "state": { "customer_tier": "enterprise", "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers." } } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}" export AILOOT_REQUEST_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8')) if not isinstance(p,dict): raise SystemExit('Request must be a JSON object') p['model']='perplexity/pplx-decider-v1.1-27b' Path('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · System One json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Chaque réponse fournie pour un identifiant de question est conservée avec son type exact, sa valeur noul/choice/score, son degré de confiance, ses probabilités et sa légende. L’intégralité du JSON d’origine est enregistrée et renvoyée uniquement après le règlement. ##### Si la réponse d’origine doit être vérifiée Conservez l’opération d’origine et la réponse complète ou partielle ; ne rejouez pas le POST. Champs de la réponse | Champ | Type | | --- | --- | | Champ`model` | Typestring | | Champ`id` | Typestring | | Champ`provider` | Typestring | | Champ`answers..type` | Typestring | | Champ`answers..noul` | Typenumber | | Champ`answers..choice` | Typestring | | Champ`answers..score` | Typenumber | | Champ`answers..confidence` | Typenumber | | Champ`answers..probabilities` | Typeobject | | Champ`answers..legend` | Typeobject | | Champ`usage.input_tokens` | Typeinteger | | Champ`usage.output_tokens` | Typeinteger | | Champ`usage.cost` | Typenumber | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamp obligatoire, représentation ou valeur non valide | Étape suivanteCorrigez le champ de requête indiqué. | ### Alias #### Alias du modèle **Ailoot Ultra** [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/fr/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/fr/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) FAQ · Perplexity: Decider V1.1 27B Quelles entrées et quels résultats sont disponibles ? `POST /v1/systemone` · `perplexity/pplx-decider-v1.1-27b`: `text`, `image` → `decisions` Quels champs la requête utilise-t-elle ? `POST /v1/systemone` · `perplexity/pplx-decider-v1.1-27b`: `model`, `provider`, `questions`, `session_id`, `state`, `trace`, `user` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.