Source: https://ailoot.ai/models/pl/perplexity-pplx-decider-v1-1-27b/ Canonical: https://ailoot.ai/models/pl/perplexity-pplx-decider-v1-1-27b/ Language: pl # Perplexity: Decider V1.1 27B [Markdown](https://ailoot.ai/models/pl/perplexity-pplx-decider-v1-1-27b/index.md) · [JSON](https://ailoot.ai/models/pl/perplexity-pplx-decider-v1-1-27b/facts.json) ## [Perplexity: Decider V1.1 27B](https://ailoot.ai/models/pl/perplexity-pplx-decider-v1-1-27b/) Decider V1.1 27B firmy Perplexity ocenia dostarczony stan i pytanie oraz zwraca prawdopodobieństwa dozwolonych odpowiedzi. Jego natywny punkt kontrolny do decyzji obsługuje tekst i obrazy, z dedykowanym odczytem i udokumentowanymi limitami przygotowania wejścia, zamiast kontraktu generowania swobodnego tekstu. - [**Ailoot Ultra · System One** `POST /v1/systemone` `perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/pl/perplexity-pplx-decider-v1-1-27b/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Decider V1.1 27B to zaktualizowany punkt kontrolny Perplexity do podejmowania decyzji. Ocenia dostarczoną treść względem zdefiniowanego pytania i wytwarza prawdopodobieństwa dopuszczalnych odpowiedzi. Jego natywny artefakt ma moduł odczytu decyzji zamiast głowicy generowania języka obejmującej pełny słownik. Użyteczny wynik to ograniczony rozkład decyzyjny i zinterpretowana odpowiedź, a nie otwarte wyjaśnienie lub ogólna odpowiedź na czacie. #### Co zmienia się w wydaniu V1.1 Perplexity określa ten model jako aktualizację Decider V1 27B zachowującą tę samą architekturę bazową, ze zmianami konfiguracji uwagi i większą ilością danych treningowych. Jego podstawą jest Qwen3.8-27B. Wydanie V1.1 powinno zachować własną nazwę i konfigurację, zamiast być przedstawiane jako zamienna kopia wcześniejszego punktu kontrolnego. #### Stan, pytanie i dopuszczalne odpowiedzi Opublikowany przykład dostarcza wiersz ze stanem i typowanym pytaniem choice. Pytanie zawiera instrukcje i kryteria, których klucze są odpowiedziami semantycznymi, a opisy określają, kiedy każda z nich ma zastosowanie. Model przewiduje prawdopodobieństwa, a następnie funkcja pomocnicza producenta interpretuje je dla danego pytania. Przykład inferencji może przetwarzać listę wierszy, wiążąc jedną decyzję z materiałem i pytaniem każdego wiersza. Do kierowania zgłoszeń podaj rzeczywistą wiadomość i istotny kontekst, a następnie zdefiniuj dostępne działy lub kategorie. Przykładowe zadanie może odróżniać awarię integracji, problem z dostępem i prośbę o informacje o produkcie. Każdy opis powinien być dostatecznie precyzyjny, by rozstrzygnąć przypadek graniczny; zachowaj definicje opcji z wynikiem. Rozkład kategorii może wtedy wspierać decyzję o kierowaniu lub etap przeglądu, gdy alternatywy pozostają bliskie. Wynik wybrany przez model sam nie wykonuje działania w procesie. #### Materiał tekstowy i obrazowy Natywna implementacja przyjmuje obrazy obok stanu i pytania, jako pliki obrazów, obrazy w pamięci lub zakodowane dane obrazu. W przypadku obrazu dokumentu lub zrzutu ekranu dostarcz materiał wizualny i zadaj zamknięte pytanie z opcjami opisującymi istotne wyniki. Wskaż widoczną cechę, która ma znaczenie, i podaj kontekst tekstowy potrzebny do jej interpretacji. Na przykład klasyfikuj, czy pokazany przedmiot należy do jednej z dostarczonych kategorii produktów, zamiast prosić model decyzyjny o napisanie pełnego opisu produktu. Procesor zachowuje proporcje podczas zmiany rozmiaru i zaokrągla boki obrazu do wielokrotności 32 pikseli. Udokumentowana przetworzona powierzchnia zaczyna się od 65 536 pikseli i jest ograniczona konfigurowalnym maksimum; domyślnie wynosi ono 4 194 304 piksele, czyli 2048 na 2048. Każdy fragment 32 na 32 wnosi jeden token wizualny, więc to ustawienie domyślne pozwala na maksymalnie 4 096 tokenów wizualnych dla obrazu. Liczby te opisują natywne przygotowanie obrazów u producenta, a nie ogólny kontrakt przesyłania plików w aplikacji. #### Łączne limity wejścia i zakres rozdzielczości Udokumentowany krok prepare wymaga, aby tekst i wszystkie obrazy jednej decyzji mieściły się w 8 192 tokenach. Zbyt duże wejście jest odrzucane, zamiast być po cichu przycinane. Kilka obrazów współdzieli ten budżet z zapisanym stanem i pytaniem. Przygotowując łączną decyzję, ogranicz nieistotny tekst źródłowy lub limit rozmiaru obrazu, zachowując szczegół decydujący o odpowiedzi. Konfiguracja treningu i raportowanej ewaluacji ograniczała obrazy do 512 na 512, czyli 262 144 pikseli i maksymalnie 256 tokenów wizualnych. Konfigurowalny limit inferencji może zachować więcej szczegółów, lecz karta ostrzega, że większa rozdzielczość wykracza poza rozkład treningowy i wymaga więcej pamięci oraz czasu przetwarzania. Większy rozmiar obrazu nie gwarantuje zatem lepszej decyzji. Przygotowuj wejście zgodnie z pytaniem i sprawdzaj, czy potrzebna cecha wizualna jest wyraźnie reprezentowana. #### Mechanizm uwagi, odczyt i kalibracja prawdopodobieństw Warstwy pełnej uwagi natywnego punktu kontrolnego korzystają z zapisanego nieprzyczynowego trybu uwagi, a warstwy uwagi liniowej zachowują własne działanie. Producent podaje, że domyślna inferencja przyczynowa nie odtwarza ocenianej konfiguracji. Implementacja predykcji stosuje zapisaną temperaturę kalibracji; jeśli używa się bezpośrednio logits, temperatura jest stosowana raz, a prawdopodobieństwa normalizowane względem aktualnych dopuszczalnych kandydatów. Szczegóły te należą do konkretnego profilu decyzyjnego i należy je zachować przy interpretacji jego liczbowych wyników. Osobny odczyt decyzji odróżnia również ten artefakt od eksportu generatywnego. Konwersja do interfejsu generowania opartego na słowniku wymaga jawnego mapowania i musi zachować działanie uwagi. Przygotowuj zamknięte pytania dla natywnego profilu decyzyjnego; użyj odpowiedniego modelu generatywnego, gdy zadanie wymaga czatu, kodu, wyjaśnień lub żądań użycia narzędzi. Użyteczny artefakt końcowy zachowuje powiązanie stanu, pytania, dozwolonych odpowiedzi i wynikowego rozkładu. Zdefiniuj pytanie wokół rzeczywiście obecnego materiału, sprawdzaj niejednoznaczne przypadki w jego świetle i używaj oznaczonych przykładów z docelowego zadania, by ustalić wpływ wyników liczbowych na kierowanie lub klasyfikację. Model dostarcza prawdopodobieństwa decyzji; kryteria i otaczająca aplikacja określają, jak stają się one użytecznym działaniem lub zapisaną etykietą. **Ailoot Ultra · System One** `POST /v1/systemone` `perplexity/pplx-decider-v1.1-27b` [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/pl/#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` ### Start Decider V1.1 27B firmy Perplexity ocenia dostarczony stan i pytanie oraz zwraca prawdopodobieństwa dozwolonych odpowiedzi. Jego natywny punkt kontrolny do decyzji obsługuje tekst i obrazy, z dedykowanym odczytem i udokumentowanymi limitami przygotowania wejścia, zamiast kontraktu generowania swobodnego tekstu. Akceptowane dane wejściowe Tekst · Obrazy Wyniki decisions ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · System One** `POST /v1/systemone` Wejście `text`, `image` Wyjście `decisions` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity perplexity/pplx-decider-v1.1-27b | Domyślnie— | | Pole`provider` | Typ`schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`questions` | Typ`object` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`session_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`state` | Typ`schema` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`trace` | Typ`schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`user` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`questions..type` | Typ`string` | WymaganieWymagane | Wartości i limity noul, choice, score | Domyślnie— | | Pole`questions..instructions` | Typ`string\|object\|array` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`questions..criteria` | Typ`object\|array` | WymaganieOpcjonalne | Wartości i limity Warunki: choice/score: wymagane; noul: opcjonalne. Kryteria choice są obiektem; score jest tablicą z minItems1. | Domyślnie— | | Pole`questions..criteria.true` | Typ`string\|object\|array` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Przekazano obiekt kryteriów noul | Domyślnie— | | Pole`questions..criteria.false` | Typ`string\|object\|array` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Przekazano obiekt kryteriów noul | Domyślnie— | Kombinacje materiałów wejściowych **noul** · Wymagane: state, questions.\.type=noul, questions.\.instructions **choice** · Wymagane: state, questions.\.type=choice, questions.\.instructions, criteria object **score** · Wymagane: state, questions.\.type=score, questions.\.instructions, criteria array with minItems1 Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, state, questions | | Parametr`material_types` | Kontrakttext, image | | Parametr`optional_controls` | Kontraktprovider, session\_id, trace, user | | Parametr`multimodal_input_binding` | KontraktUżywaj wyłącznie dokładnie zadeklarowanej reprezentacji stanu lub dokumentu. Sama obsługa obrazów przez producenta nie potwierdza zaakceptowanego sposobu przekazywania obrazów dla konkretnego modelu. | Cykl życia: `synchronous` Wyślij dokładny identyfikator modelu i zachowaj kompletną natywną odpowiedź. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata | | --- | --- | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.00004** / 1K tokenów Wyjście · Tokeny wyjściowe **$0** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.00004** / 1K tokenów Wyjście · Tokeny wyjściowe **$0** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · System One Zachowana oficjalna struktura żądania; przykład z dokumentacjiUżyj rzeczywistych materiałów do swojego żądania i zachowaj kompletny wynik ```json { "model": "perplexity/pplx-decider-v1.1-27b", "questions": { "is_bug": { "criteria": { "false": "The customer is asking a question or requesting a feature.", "true": "The customer describes broken or unexpected product behavior." }, "instructions": "Is the customer reporting a software defect?", "type": "noul" }, "team": { "criteria": { "account": "Login, permissions, or profile issues.", "frontend": "Rendering, layout, or browser compatibility issues.", "payments": "Checkout, billing, or payment processing issues." }, "instructions": "Which team should own this ticket?", "type": "choice" }, "urgency": { "criteria": [ "Can wait for the next release", "Should be fixed this week", "Blocking revenue right now" ], "instructions": "How urgent is this ticket?", "type": "score" } }, "state": { "customer_tier": "enterprise", "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers." } } ``` ```bash set -eu : "${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 ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · System One json ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowywana jest każda odpowiedź przypisana do podanego identyfikatora pytania wraz z dokładnym typem, wartością noul/choice/score, pewnością, prawdopodobieństwami i legendą. Cały oryginalny JSON jest zapisywany i zwracany dopiero po rozliczeniu. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`model` | Typstring | | Pole`id` | Typstring | | Pole`provider` | Typstring | | Pole`answers..type` | Typstring | | Pole`answers..noul` | Typnumber | | Pole`answers..choice` | Typstring | | Pole`answers..score` | Typnumber | | Pole`answers..confidence` | Typnumber | | Pole`answers..probabilities` | Typobject | | Pole`answers..legend` | Typobject | | Pole`usage.input_tokens` | Typinteger | | Pole`usage.output_tokens` | Typinteger | | Pole`usage.cost` | Typnumber | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pole, reprezentacja lub wartość | Następny krokPopraw wskazane pole żądania. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/pl/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`perplexity/pplx-decider-v1.1-27b`](https://ailoot.ai/models/pl/#m=perplexity%2Fpplx-decider-v1.1-27b&route=Ultra&caller=perplexity%2Fpplx-decider-v1.1-27b&fmt=systemone) FAQ · Perplexity: Decider V1.1 27B Jakie dane wejściowe i wyniki są dostępne? `POST /v1/systemone` · `perplexity/pplx-decider-v1.1-27b`: `text`, `image` → `decisions` Jakich pól używa żądanie? `POST /v1/systemone` · `perplexity/pplx-decider-v1.1-27b`: `model`, `provider`, `questions`, `session_id`, `state`, `trace`, `user` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.