Perplexity: Decider V1.1 27B

Decider V1.1 27B는 Perplexity의 업데이트된 결정 체크포인트입니다. 제공된 콘텐츠를 정의된 질문에 비추어 평가하고, 유효한 답변들에 대한 확률을 산출합니다. 기본 아티팩트에는 전체 어휘 언어 생성 헤드 대신 결정 판독 헤드가 있습니다. 유용한 결과는 범위가 정해진 결정 분포와 그 해석된 답이며, 열린 설명이나 일반 채팅 응답이 아닙니다.

V1.1 에디션에서 달라진 점

Perplexity는 이 모델을 동일한 백본을 유지하면서 어텐션 구성을 바꾸고 학습 데이터를 늘린 Decider V1 27B의 업데이트로 소개합니다. 백본은 Qwen3.8-27B입니다. V1.1 에디션은 이전 체크포인트와 서로 바꿔 쓸 수 있는 사본으로 설명하지 말고, 고유한 이름과 구성을 유지해야 합니다.

상태, 질문, 유효한 답변

공개된 예시는 상태(state)와 유형이 지정된 선택형 질문을 담은 행(row)을 제공합니다. 질문에는 지시문과 기준(criteria)이 들어 있으며, 기준의 키는 의미상 답변이고 설명은 각 답이 언제 적용되는지를 정의합니다. 모델이 확률을 예측하면, 제작사의 답변 헬퍼가 그 확률을 질문에 맞게 해석합니다. 추론 예시는 행 목록을 처리할 수 있으며, 각 행의 근거와 질문마다 결정이 하나씩 연결됩니다.

요청 라우팅에서는 실제 메시지와 관련 맥락을 제공한 뒤, 선택 가능한 부서나 범주를 정의하세요. 예시 작업으로 연동 장애, 접근 문제, 제품 정보 요청을 구분할 수 있습니다. 각 설명은 경계선상의 사례를 판가름할 만큼 정확하게 작성하고, 선택지 정의를 결과와 함께 보존하세요. 그러면 범주 분포가 라우팅 결정을 뒷받침하거나, 대안 간 차이가 작을 때 검토 단계로 넘기는 데 도움이 됩니다. 모델이 고른 결과 자체가 워크플로 동작을 실행하지는 않습니다.

텍스트와 이미지 근거

기본 구현은 상태 및 질문과 함께 이미지를 받으며, 이미지 파일 입력, 메모리 내 이미지, 인코딩된 이미지 데이터를 사용할 수 있습니다. 문서 이미지나 스크린샷의 경우 시각적 근거를 제공하고, 선택지가 관련 결과를 설명하는 폐쇄형 질문을 하세요. 중요한 시각적 특징을 짚고, 그것을 해석하는 데 필요한 텍스트 맥락을 제공하세요. 예를 들어 결정 모델에게 완전한 제품 설명을 작성하게 하는 대신, 사진 속 물품이 제공된 제품 범주 중 하나에 속하는지 분류하게 하세요.

프로세서는 크기 조정 시 가로세로 비율을 유지하고 이미지 각 변을 32픽셀의 배수로 반올림합니다. 문서화된 처리 영역은 65,536픽셀부터 시작하며 설정 가능한 최댓값으로 제한됩니다. 기본값은 4,194,304픽셀, 즉 2048×2048입니다. 32×32 패치 하나가 시각 토큰 하나에 해당하므로, 기본값에서는 이미지 한 장당 최대 4,096개의 시각 토큰이 허용됩니다. 이 수치는 제작사의 기본 이미지 준비 방식을 설명하는 것이며, 일반적인 애플리케이션 업로드 계약이 아닙니다.

결합 입력 한도와 해상도 범위

문서화된 준비 단계에서는 하나의 결정에 들어가는 텍스트와 모든 이미지가 8,192토큰 안에 들어가야 합니다. 크기를 초과한 입력은 조용히 잘리는 대신 거부됩니다. 여러 이미지가 텍스트로 작성된 상태 및 질문과 이 예산을 공유합니다. 결합 결정을 준비할 때는 답을 결정짓는 세부 정보는 유지하면서 관련 없는 원문 텍스트를 줄이거나 이미지 크기 상한을 낮추세요.

학습 및 보고된 평가 설정에서는 이미지를 512×512로 제한했으며, 이는 262,144픽셀, 최대 256개의 시각 토큰에 해당합니다. 설정 가능한 추론 상한을 높이면 더 많은 세부 정보를 유지할 수 있지만, 모델 카드는 더 높은 해상도가 학습 분포를 벗어나며 메모리와 처리 시간을 더 많이 사용한다고 경고합니다. 따라서 이미지 설정을 키운다고 해서 더 나은 결정이 보장되지는 않습니다. 입력 준비를 질문과 일관되게 유지하고, 필요한 시각적 특징이 명확하게 표현되는지 확인하세요.

어텐션, 판독 헤드, 확률 보정

기본 체크포인트의 전체 어텐션 레이어는 저장된 비인과(noncausal) 어텐션 모드를 사용하고, 선형 어텐션 레이어는 고유한 동작을 유지합니다. 제조사는 기본 인과 추론으로는 평가된 설정이 재현되지 않는다고 밝힙니다. 예측 구현은 저장된 보정 온도를 적용합니다. 로짓을 직접 사용할 경우 그 온도를 한 번 적용하고, 현재 유효한 후보에 대해 확률을 정규화합니다. 이러한 세부 사항은 정확히 이 결정 프로필에 속하므로, 수치 출력을 해석할 때 보존해야 합니다.

별도의 결정 판독 헤드 역시 이 아티팩트를 생성형 내보내기 형식과 구별합니다. 어휘 기반 생성 인터페이스로 변환하려면 명시적인 매핑이 필요하며 어텐션 동작을 보존해야 합니다. 기본 결정 프로필에는 폐쇄형 질문을 준비하고, 작업에 채팅, 코드, 설명, 도구 요청이 필요하다면 적합한 생성 모델을 사용하세요.

유용한 최종 산출물은 상태, 질문, 허용된 답변, 결과 분포를 서로 연결된 상태로 유지합니다. 실제로 존재하는 근거를 중심으로 질문을 정의하고, 모호한 사례는 그 근거와 대조해 검토하며, 대상 작업의 레이블 지정 예시를 사용해 수치 출력이 라우팅이나 분류에 어떻게 반영될지 정하세요. 모델은 결정 확률을 제공하고, 그 확률이 유용한 동작이나 기록된 레이블로 바뀌는 방식은 기준과 주변 애플리케이션이 결정합니다.