Source: https://ailoot.ai/models/ms/perplexity-pplx-decider-v1-1-27b/ Canonical: https://ailoot.ai/models/ms/perplexity-pplx-decider-v1-1-27b/ Language: ms # Perplexity: Decider V1.1 27B [Markdown](https://ailoot.ai/models/ms/perplexity-pplx-decider-v1-1-27b/index.md) · [JSON](https://ailoot.ai/models/ms/perplexity-pplx-decider-v1-1-27b/facts.json) ## [Perplexity: Decider V1.1 27B](https://ailoot.ai/models/ms/perplexity-pplx-decider-v1-1-27b/) Decider V1.1 27B Perplexity menilai keadaan dan soalan yang diberikan serta mengembalikan kebarangkalian merentas jawapan yang dibenarkan. Checkpoint keputusan natifnya menyokong teks dan imej, dengan komponen pembacaan keputusan khusus serta had penyediaan input yang didokumenkan, bukannya kontrak penjanaan teks bentuk bebas. - [**Ailoot Ultra · System One** `POST /v1/systemone` `perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/ms/perplexity-pplx-decider-v1-1-27b/#method-0) Tentang model Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih. Decider V1.1 27B ialah checkpoint keputusan Perplexity yang dikemas kini. Ia menilai kandungan yang diberikan berdasarkan soalan yang ditakrifkan dan menghasilkan kebarangkalian bagi jawapan yang sah. Artifak natifnya mempunyai komponen pembacaan keputusan, bukannya kepala penjanaan bahasa merentas seluruh perbendaharaan kata. Hasil berguna ialah taburan keputusan terhad dan jawapan yang ditafsirkan daripadanya, bukan penjelasan terbuka atau respons sembang umum. #### Perubahan dalam edisi V1.1 Perplexity mengenal pasti model ini sebagai kemas kini Decider V1 27B yang mengekalkan seni bina asas yang sama, dengan perubahan pada tetapan perhatian dan lebih banyak data latihan. Seni bina asasnya ialah Qwen3.8-27B. Edisi V1.1 perlu mengekalkan nama dan konfigurasinya sendiri, bukannya diterangkan sebagai salinan checkpoint terdahulu yang boleh saling ditukar ganti. #### Keadaan, soalan dan jawapan yang sah Contoh yang diterbitkan menyediakan baris yang mengandungi keadaan dan soalan pilihan dengan jenis yang ditetapkan. Soalan itu merangkumi arahan dan kriteria dengan kunci yang menjadi jawapan semantik serta penerangan yang mentakrifkan bila setiap satunya terpakai. Model meramalkan kebarangkalian, kemudian fungsi pembantu jawapan pengeluar mentafsir kebarangkalian tersebut untuk soalan itu. Contoh inferens boleh memproses senarai baris, dengan satu keputusan terikat pada bukti dan soalan setiap baris. Untuk penghalaan permintaan, berikan mesej sebenar dan konteks berkaitan, kemudian takrifkan jabatan atau kategori yang tersedia. Contoh tugas boleh membezakan kegagalan integrasi, masalah akses dan permintaan maklumat produk. Jadikan setiap penerangan cukup tepat untuk memutuskan kes berhampiran sempadan, dan simpan takrif pilihan bersama hasilnya. Taburan kategori kemudian boleh menyokong keputusan penghalaan atau langkah semakan apabila alternatif masih hampir sama. Hasil yang dipilih model tidak dengan sendirinya melaksanakan tindakan aliran kerja. #### Bukti teks dan imej Pelaksanaan natif menerima imej bersama keadaan dan soalan, melalui input fail imej, imej dalam memori atau data imej terenkod. Untuk imej dokumen atau tangkapan skrin, berikan bukti visual dan ajukan soalan tertutup dengan pilihan yang menerangkan hasil berkaitan. Kenal pasti ciri kelihatan yang penting dan sediakan konteks teks yang diperlukan untuk mentafsirkannya. Contohnya, kelaskan sama ada item dalam gambar tergolong dalam salah satu kategori produk yang diberikan, bukannya meminta model keputusan menulis penerangan produk lengkap. Pemproses mengekalkan nisbah aspek semasa mengubah saiz dan membulatkan panjang sisi imej kepada gandaan 32 piksel. Luas imej diproses yang didokumenkan bermula pada 65,536 piksel dan dihadkan oleh maksimum boleh konfigurasi; nilai lalainya ialah 4,194,304 piksel, atau 2048 kali 2048. Setiap tampalan 32 kali 32 menyumbang satu token visual, maka nilai lalai itu membenarkan sehingga 4,096 token visual bagi satu imej. Angka ini menerangkan penyediaan imej natif pengeluar, bukan kontrak muat naik aplikasi umum. #### Had input gabungan dan skop resolusi Langkah prepare yang didokumenkan menghendaki teks dan semua imej dalam satu keputusan muat dalam 8,192 token. Input terlalu besar ditolak dan bukannya dipotong secara senyap. Beberapa imej berkongsi peruntukan itu dengan keadaan dan soalan bertulis. Kurangkan teks sumber yang tidak berkaitan atau had saiz imej ketika menyediakan keputusan gabungan, sambil mengekalkan perincian yang menentukan jawapan. Tetapan latihan dan penilaian yang dilaporkan mengehadkan imej kepada 512 kali 512, bersamaan 262,144 piksel dan sehingga 256 token visual. Had inferens boleh konfigurasi boleh mengekalkan lebih banyak perincian, tetapi kad model memberi amaran bahawa resolusi lebih tinggi berada di luar taburan latihan itu serta menggunakan lebih banyak memori dan masa pemprosesan. Oleh itu, tetapan imej lebih besar bukan jaminan keputusan lebih baik. Pastikan penyediaan input selaras dengan soalan dan periksa sama ada ciri visual yang diperlukan diwakili dengan jelas. #### Perhatian, pembacaan keputusan dan kalibrasi kebarangkalian Lapisan perhatian penuh checkpoint natif menggunakan mod perhatian bukan kausal yang disimpan, manakala lapisan perhatian linearnya mengekalkan tingkah laku sendiri. Pembuat menyatakan bahawa inferens kausal lalai tidak menghasilkan semula tetapan yang dinilai. Pelaksanaan ramalannya menggunakan suhu kalibrasi yang disimpan; jika logit digunakan secara langsung, suhu itu digunakan sekali dan kebarangkalian dinormalkan merentas calon sah semasa. Perincian ini khusus untuk profil keputusan tepat tersebut dan perlu dikekalkan ketika mentafsir output berangkanya. Komponen pembacaan keputusan yang berasingan juga membezakan artifak ini daripada eksport generatif. Penukaran kepada antara muka penjanaan berasaskan perbendaharaan kata memerlukan pemetaan jelas dan mesti mengekalkan tingkah laku perhatian. Sediakan soalan tertutup untuk profil keputusan natif; gunakan model penjanaan yang sesuai apabila tugas memerlukan sembang, kod, penjelasan atau permintaan alat. Artifak akhir yang berguna mengekalkan perkaitan antara keadaan, soalan, jawapan yang dibenarkan dan taburan hasil. Takrifkan soalan berdasarkan bukti yang benar-benar ada, semak kes kabur berdasarkan bukti itu dan gunakan contoh berlabel daripada tugas sasaran untuk menentukan cara output berangka patut mempengaruhi penghalaan atau pengelasan. Model membekalkan kebarangkalian keputusan; kriteria dan aplikasi di sekelilingnya menentukan bagaimana kebarangkalian itu menjadi tindakan berguna atau label yang direkodkan. **Ailoot Ultra · System One** `POST /v1/systemone` `perplexity/pplx-decider-v1.1-27b` [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/ms/#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` ### Pengenalan Decider V1.1 27B Perplexity menilai keadaan dan soalan yang diberikan serta mengembalikan kebarangkalian merentas jawapan yang dibenarkan. Checkpoint keputusan natifnya menyokong teks dan imej, dengan komponen pembacaan keputusan khusus serta had penyediaan input yang didokumenkan, bukannya kontrak penjanaan teks bentuk bebas. Input yang diterima Teks · Imej Hasil decisions ### Tersedia di Ailoot · input & kaedah **Ailoot Ultra · System One** `POST /v1/systemone` Input `text`, `image` Output `decisions` Format output json | Medan | Jenis | Keperluan | Nilai & had | Lalai | | --- | --- | --- | --- | --- | | Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had perplexity/pplx-decider-v1.1-27b | Lalai— | | Medan`provider` | Jenis`schema` | KeperluanPilihan | Nilai & had | Lalai— | | Medan`questions` | Jenis`object` | KeperluanDiperlukan | Nilai & had | Lalai— | | Medan`session_id` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— | | Medan`state` | Jenis`schema` | KeperluanDiperlukan | Nilai & had | Lalai— | | Medan`trace` | Jenis`schema` | KeperluanPilihan | Nilai & had | Lalai— | | Medan`user` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— | | Medan`questions..type` | Jenis`string` | KeperluanDiperlukan | Nilai & had noul, choice, score | Lalai— | | Medan`questions..instructions` | Jenis`string\|object\|array` | KeperluanDiperlukan | Nilai & had | Lalai— | | Medan`questions..criteria` | Jenis`object\|array` | KeperluanPilihan | Nilai & had Syarat: choice/score: wajib; noul: pilihan. Kriteria choice ialah objek; score ialah tatasusunan dengan minItems1. | Lalai— | | Medan`questions..criteria.true` | Jenis`string\|object\|array` | KeperluanDiperlukan | Nilai & had Terpakai apabila: Objek kriteria noul dibekalkan | Lalai— | | Medan`questions..criteria.false` | Jenis`string\|object\|array` | KeperluanDiperlukan | Nilai & had Terpakai apabila: Objek kriteria noul dibekalkan | Lalai— | Gabungan bahan input **noul** · Diperlukan: state, questions.\.type=noul, questions.\.instructions **choice** · Diperlukan: state, questions.\.type=choice, questions.\.instructions, criteria object **score** · Diperlukan: state, questions.\.type=score, questions.\.instructions, criteria array with minItems1 Parameter kaedah dan kitar hayat | Parameter | Kontrak | | --- | --- | | Parameter`content_type` | Kontrakapplication/json | | Parameter`required` | Kontrakmodel, state, questions | | Parameter`material_types` | Kontraktext, image | | Parameter`optional_controls` | Kontrakprovider, session\_id, trace, user | | Parameter`multimodal_input_binding` | KontrakGunakan hanya bentuk perwakilan keadaan/dokumen tepat yang diisytiharkan. Keupayaan imej pengeluar sahaja tidak membuktikan bentuk input imej yang diterima bagi model tertentu. | Kitar hayat: `synchronous` Hantar ID model yang tepat dan simpan respons natif yang lengkap. ### Pelan harga Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih. Mod pantas Tidak dinyatakan Apabila mod pantas dipilih Mod flex Tidak dinyatakan Apabila mod flex dipilih Usaha penaakulan maksimum Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default #### Kadar Ailoot #### Harga mengikut konfigurasi Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif. | Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj | | --- | --- | --- | --- | --- | | KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input **$0.00004** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token | | KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input **$0.00004** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token | Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/) ### Contoh permintaan #### Ailoot Ultra · System One Struktur permintaan rasmi yang dikekalkan; contoh dokumentasiGunakan bahan permintaan sebenar anda dan simpan hasil lengkap ```json { "model": "perplexity/pplx-decider-v1.1-27b", "questions": { "is_bug": { "criteria": { "false": "The customer is asking a question or requesting a feature.", "true": "The customer describes broken or unexpected product behavior." }, "instructions": "Is the customer reporting a software defect?", "type": "noul" }, "team": { "criteria": { "account": "Login, permissions, or profile issues.", "frontend": "Rendering, layout, or browser compatibility issues.", "payments": "Checkout, billing, or payment processing issues." }, "instructions": "Which team should own this ticket?", "type": "choice" }, "urgency": { "criteria": [ "Can wait for the next release", "Should be fixed this week", "Blocking revenue right now" ], "instructions": "How urgent is this ticket?", "type": "score" } }, "state": { "customer_tier": "enterprise", "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers." } } ``` ```bash set -eu : "${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 ``` ### Terima dan simpan hasil #### Ailoot Ultra · System One json ##### Simpan semua hasil yang selesai Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan. Setiap jawapan bagi ID soalan yang diberikan dikekalkan berserta jenis tepatnya, nilai noul/choice/score, keyakinan, kebarangkalian dan petunjuk. Keseluruhan JSON asal disimpan dan hanya dikembalikan selepas penyelesaian caj. ##### Jika respons asal perlu disemak Simpan operasi asal dan balasan penuh/separa; jangan ulang POST. Medan respons | Medan | Jenis | | --- | --- | | Medan`model` | Jenisstring | | Medan`id` | Jenisstring | | Medan`provider` | Jenisstring | | Medan`answers..type` | Jenisstring | | Medan`answers..noul` | Jenisnumber | | Medan`answers..choice` | Jenisstring | | Medan`answers..score` | Jenisnumber | | Medan`answers..confidence` | Jenisnumber | | Medan`answers..probabilities` | Jenisobject | | Medan`answers..legend` | Jenisobject | | Medan`usage.input_tokens` | Jenisinteger | | Medan`usage.output_tokens` | Jenisinteger | | Medan`usage.cost` | Jenisnumber | Ralat dan langkah seterusnya | Respons | Syarat | Langkah seterusnya | | --- | --- | --- | | Respons400 · `invalid_request_error` | SyaratMedan wajib, bentuk perwakilan atau nilai tidak sah | Langkah seterusnyaBetulkan medan permintaan yang dinyatakan. | ### Alias #### Alias model **Ailoot Ultra** [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/ms/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) #### Alias laluan kaedah Gunakan laluan kaedah yang dipaparkan di atas. #### ID pemanggil berkaitan [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/ms/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) FAQ · Perplexity: Decider V1.1 27B Apakah input dan hasil yang tersedia? `POST /v1/systemone` · `perplexity/pplx-decider-v1.1-27b`: `text`, `image` → `decisions` Apakah medan yang digunakan oleh permintaan? `POST /v1/systemone` · `perplexity/pplx-decider-v1.1-27b`: `model`, `provider`, `questions`, `session_id`, `state`, `trace`, `user` Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda. ## Syarikat dan portfolio projeknya Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. ## Beli token dengan diskaun. Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token. Langganan Pilih pelan berdiskaun untuk permintaan berkala anda. Kod promosi sehingga 50% Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa. Perbelanjaan dalam sejarah Model, token dan jumlah disimpan bagi setiap permintaan. [Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/) ## Sambungkan API kepada produk yang anda jual. SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula. Aplikasi komersial Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda. Lesen penjual semula Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis. Dokumen pada laman Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan. [Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms) ## Ailoot · Syarikat dan portfolio projeknya Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan. Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.