Perplexity 开放权重决策模型登顶 Hugging Face 榜单

Perplexity CEO Aravind Srinivas 于 2026 年 10 月 6 日介绍开放权重模型 pplx-decider-v1.1-27b，并称其在 Hugging Face Decision Index 0.3 上取得最高分；关注价值在于，决策类模型的比较同时涉及开放权重、基准成绩和推理成本，而非单一排名。

• 条目称该模型为 27B 参数的多模态决策模型，属于 v1 的更新版本。
• 发布者称其在 Decision Index 0.3 上得分最高，但该结论需要结合基准版本、任务组成和评测实现理解。
• 条目称每百万输入 token 成本为 0.02 美元，并表示约为上一版本的一半。
• 开放权重有利于研究者部署和检查模型，但不自动意味着商业部署成本、硬件要求或实际效果更优。
• 影响/看点：如果独立用户能够复现基准成绩并确认成本口径，该模型可能降低决策类多模态应用的试用门槛；成立条件是权重、许可证、推理实现和评测数据均可获得且结果具有可重复性。资料依据:
• Aravind Srinivas（2026-10-06）：Perplexity wins on Hugging Face Decision Index https://x.com/AravSrinivas/status/2107522748167954442
• Hugging Face Spaces（2026-10-06）：Jev Decision Index https://huggingface.co/spaces/multimodalart/jev-decision-index

本内容由 AI 生成，仅供参考，请注意甄别