pplx-decider מול Decider: ה-27B השקט של Perplexity נגד הסולם הפתוח של Mapika

שני מודלים לקבלת החלטות יושבים כרגע ב-Hugging Face, עונים על שאלות באותה צורה וכמעט לא מסכימים על שום דבר אחר. pplx-decider הוא צ'קפוינט 27B מבית Perplexity שהופיע ב-2026-10-01 בלי הודעה, בלי פוסט בבלוג, בלי דף תמחור ובלי ספק הסקה שמציע אותו; מהדורה מתוקנת, pplx-decider-v1.1, הופיעה בעקבותיו ב-2026-10-05 על אותו backbone. Decider היא המשפחה של Mapika של אותו סוג של מודל — decider-0.8b עד decider-35b-a3b, שחזור פתוח בשושלת System One, שפורסם עם הערות אימון מלאות. שניהם מקבלים בלוק של שאלות בעלות שמות בתוספת מסמך ומחזירים הסתברות מכוילת לכל תשובה במעבר קדימה אחד. אף אחד מהם לא כותב משפט פרוזה. מה שלהלן הוא מה שבאמת מתועד עבור כל אחד מהם, וסימן ברור בכל מקום שבו הרשומה נגמרת.

ראשית, מה "decision model" עושה במשפט הזה?

אף אחד מאלה אינו מודל צ׳אט שהתבקש להיות תמציתי. הם כלל לא מודלים של שפה במובן המקובל — אין לולאת פענוח, אין דגימה, אין שום דבר של טוקן אחר טוקן. מעבר קדימה אחד על המסמך שלך מחזיר הסתברות עבור כל אפשרות שסיפקת.

צורת הקריאה היא מה שמצדיק את כתיבת ההשוואה. אתה מוסר מצב (פנייה, רשומת JSON, צילום מסך, חוזה) ורשימה של שאלות בעלות שמות. כל שאלה מציינת את סוג התשובה שלה: בחירה מבין 2 עד 255 אפשרויות מתויגות, פלט כן/לא/לא ידוע, או ציון על 2 עד 10 רמות מתוארות. התשובות חוזרות לפי הסדר שבו ביקשת אותן, כמספרים בין 0 ל-1, והמספר נועד להיקרא כהסתברות ולא כתווית מסודרת — 0.62 על "האם מבוקש החזר כספי?" הוא כל הפלט, והקורא מחליט מהו הסף.

התכנון הזה מחסל השהיה ועלות, כי מסמך עם שישים שאלות עולה מעבר אחד, לא שישים. זה גם אומר שהדרכים הרגילות לשפוט מודל שפה לא חלות: אין עקבות הסקה לקרוא, אין שרשרת חשיבה להתווכח איתה, אין דרך לבקש ממנו להסביר את עצמו. אתה מקבל מסת הסתברות ושום דבר אחר. שני הפרויקטים מצהירים במפורש שזה המחיר.

מה יצא, ומה שאיש לא אמר

מאגר pplx-decider שלם באופן יוצא דופן עבור מודל שאין מאחוריו פוסט השקה. המשקלים הם Apache-2.0. הבסיס הוא Qwen/Qwen3.8-27B, כפי שמצוין בכרטיס. יש ראש קריאה משוחרר ב-bf16 בגודל [255, 5120], שזו בדיוק הצורה שהייתם מצפים לה עבור 255 אפשרויות ברות-בחירה מעל מצב חבוי ברוחב 5,120. הכרטיס מתעד את תקציב הקלט, תקרת האפשרויות, שלושת סוגי השאלות, וצורת נקודת הקצה — POST /v1/systemone.

מה שלא נמצא שם הוא המשפט שפוסט השקה היה נושא. אין תאריך יציאה על הכרטיס, אין הודעה, אין פוסט בנצ׳מרק מ-Perplexity, אין מחיר, ואין פלטפורמת צד שלישי שמגישה אותו. מספרי ההורדות הם בסדר הגודל שמקבלים ממאגר שהתגלה ולא שווק. אם קוראים את השניים יחד, התיאור הכנה הוא: הארטיפקט ציבורי, הכוונה שמאחוריו לא. כל מה שלמטה על pplx-decider מגיע מהמאגר ומהכרטיסים שלו. דבר ממה שלמטה לא שוחזר באופן עצמאי, ואף אחד מחוץ למעבדה לא פרסם ריצה משל עצמו.

הרשומה בספריית Ollama הופכת את הפער הזה לגלוי במידה קטנה. העמוד שלה מציין את התג כ-27b בנפח 17 GB עם חלון הקשר של 256K — בנייה מכומתת, הרבה מתחת לכ-49 GiB שמשקולות ה-bf16 תופסות — בעוד שהמאגר מתעד תקציב קלט קטן בהרבה של טקסט ותמונות ואומר שקלטים גדולים מדי נדחים ולא מקוצצים. שתי ההצהרות האלה לא מתארות באופן ברור את אותה מגבלה, ושום דבר שפורסם לא מיישב ביניהן. התייחס למספר של סביבת ההרצה כאל הטענה של סביבת ההרצה.

החלק המעניין: שני זרים, ממשק אחד

משפחת Decider של Mapika ו-pplx-decider פותחו באופן בלתי תלוי, מבסיסים שונים, מסיבות שונות, והם התכנסו לאותו פורמט תקשורת. גם מודלי Decider מדברים בצורת הקריאה של System One — שאלות בעלות שם, בחירה בין 2 ל-255 אפשרויות, ללא יצירת טקסט, מצבים מתקבלים עד כ-32k. לקוח שנכתב מול האחד הוא, בקירוב מספיק, לקוח עבור האחר.

ההתכנסות הזו היא העובדה השימושית בהשוואה הזאת. הבחירה באחד מהם אינה שכתוב מחדש; היא החלפה של כתובת URL בסיסית ושל מחרוזת מודל. השאלה המעניינת מפסיקה להיות "איזה API אני מטמיע" והופכת ל"לאיזה פלט אני נותן אמון במסמכים שלי" — ושני הפרויקטים עונים על השאלה הזאת בדרכים שונות מאוד.

נקודת ביקורת אחת מול סולם

ההבדל המבני הוא הקל ביותר לראות. Perplexity הוציאה מידה אחת בלבד. Mapika הוציאה טווח ופרסמה את טבלת המידות:

• קטלוג — pplx-decider: צ'קפוינט יחיד של 27B, בתוספת מהדורת v1.1 על אותו שלד. Decider: שבעה גדלים שפורסמו או יותר, מ-decider-0.8b בנפח 1.4 GB ועד decider-2b, decider-2b-vision, decider-4b, decider-12b, ו-decider-35b-a3b בנפח 65 GB bf16 או 19.6 GB ב-nvfp4.

• בסיסים — pplx-decider: Qwen/Qwen3.8-27B, שושלת אחת. מכריע: תערובת — Qwen3.5-0.8B, Qwen3.5-2B ו-Qwen3.5-4B עבור הגדלים הקטנים, Qwen3.5-35B-A3B עבור הגדול, ו-gemma-4-12B-it ו-gemma-4-31B-it תחת גרסאות הצ'אט.

• הפעלה — pplx-decider: dense 27B, כך שכל פרמטר פועל בכל קריאה. Decider: decider-35b-a3b הוא תערובת — 34.7B בסך הכול, עם כ-3B פעילים על פני 256 מומחים מנותבים, ו-8 מהם פעילים לכל טוקן.

• ראייה — pplx-decider: מולטימודלי, והמאגר אומר זאת; טקסט, JSON ותמונות כולל צילומי מסך, קבלות וטפסים, כאשר אסימוני ראייה עולים בערך רוחב × גובה / 1024. Decider: נקודת ביקורת נפרדת decider-2b-vision ולא דגל על הקו הראשי, כך שעבודת תמונות היא בחירת מודל שונה, לא ארגומנט שונה.

• רישיון — Apache-2.0 בשני הצדדים, וזה המקום היחיד שבו ההשוואה הזו משעממת.

גילוי אימון — pplx-decider: צינור נתונים שמתבסס על Bespoke Nimble של Bespoke Labs, עם תת-קבוצות בנצ׳מרק מוצמדות לפי מזהה רשומה וסכום ביקורת, והרווחים של v1.1 מיוחסים להסרת המסכה הסיבתית ולהוספת נתונים כולל tasksource. Decider: הערות לפי גרסה עם ספירות פריטים, חומרה וזמן קיר — decider-35b-a3b אומן על 4× B300 במשך 394 דקות על 1,543,567 פריטים — ובנוסף מצבי כשל בשמותיהם ושיעור הפרמטרים שאומנו בפועל, 2.45B מתוך 34.7B.

אף אחד מאלה אינו יתרון מכריע. צ'קפוינט בודד פשוט יותר לחשוב עליו, קל יותר להריץ אותו כשירות, ובלתי אפשרי להקטין אותו. סולם מאפשר לך לשים את decider-0.8b מאחורי מסנן מקדים זול ולהוציא את ה-35B רק על פריטים שזקוקים לו — אבל רק אם אתה מוכן לתחזק את לוגיקת הניתוב שקובעת מה מהם מה.

המספרים, ומי שהפיק אותם

שני מערכי נתוני המפתח מדווחים על ידי הספקים, ואף אחד מהם לא כולל שכפול בלתי תלוי. זה חשוב כאן יותר מאשר בדרך כלל, משום שאין לוח דירוג של מודלים לקבלת החלטות מצד שלישי עם המעמד של זירות התמונה או השפה.

הנתונים של Perplexity עצמה עבור pplx-decider מציבים אותו על 85.7% ב-11 מבחני בנצ'מרק ציבוריים, לעומת 84.5% עבור Jev ו-74.8% עבור בסיס Qwen3.8-27B שממנו הוא אומן. בין השורות הבודדות שדווחו: RAGTruth 88.8, FinancialPhraseBank 84.2, TabFact 90.6, JudgeBench 78.3 ו-WinoGrande 83.3, כאשר הקבוצה המלאה משתרעת על Circa, Belebele, TruthfulQA בינארי, BBH, ContractNLI ופיצול קשה ציבורי של JevBench. מהדורת v1.1 מדווחת על ממוצע משוקלל של הסוויטה כולו של 61.56 לעומת 56.4 עבור v1 ו-57.9 עבור Jev, כשהעלייה הגדולה ביותר בקטגוריה בודדת היא במשימות שפה. ההשוואה ל-Jev היא של הספק, מחושבת על הסוויטה של הספק עצמו, והשקלול אינו מפורסם.

לדיווח של Mapika יש מרקם שונה: הנתונים מגיעים כרוכים בהסתייגויות שמחלישות אותם. decider-35b-a3b מדווח על 0.855 בתוך-המשימה ועל 0.810 על סט בדיקה נפרד מול בסיס zero-shot של 0.732, ועל 0.676 בפיצול הקשה הציבורי של JevBench — מתחת ל-0.730 של Jev 1.13.0. הכרטיס גם מציין שאין שלב חיזוק, ולכן משחק מדוגם עומד על 86.4% מול 93.2% של decider-2b v10, ושהמודל בטוח מדי בפריטים הקשים ביותר, עם שגיאת כיול צפויה של 0.15 בדרג הקשה. decider-2b v11 מדווח על 0.802 בתוך-המשימה ועל 0.752 על סט בדיקה נפרד עם ECE של 0.156 מול הנחיית פרסום מוצהרת של 0.08 — החמצה, שהמחברים הדפיסו.

שני מצבי כשל מתועדים שראוי לקחת בחשבון בכל הערכה שתבצעו. בחירת רשומה לפי מיקומה במערך JSON ארוך מתוארת כצורת הקלט הפחות מדויקת שהמשפחה הזו יודעת לטפל בה, ואריזה של כמה שאלות עצמאיות לקריאה אחת יכולה להפוך עד 12% מהתשובות כאשר הדגל independent כבוי. שניהם מהסוג של דברים שדף מפרט מסתיר וכרטיס מזכיר רק פעם אחת.

מה העלות להפעיל כל אחד מהם

• ה-Decider הקטן ביותר שעובד — decider-0.8b הוא 1.4 GB. ל-pplx-decider אין גרסה קטנה, כך שהמינימום שלו הוא 27B המלא.

• המכריע הגדול ביותר — decider-35b-a3b בגודל 65 GB bf16 או 19.6 GB nvfp4, כאשר רק כ-3B פרמטרים פעילים לכל טוקן.

• השהיה, בצד ה-Decider — decider-2b פועל תוך 4 מילי־שניות לבקשה עם גרפי CUDA על B300, ירידה מ-18.9 מילי־שניות במצב eager, וכ-2,700 החלטות בשנייה בבאצ׳ 32. ה-35B הוא עולם אחר: כ-47 מילי־שניות לפנייה בת 92 טוקנים עם שלוש שאלות, 368 מילי־שניות עבור 64 פניות.

• השהיה, בצד של pplx-decider — לא פורסמה כלל. הכרטיסים אינם מספקים כלל נתוני תפוקה או השהיה, וזה נורמלי עבור מאגר שלא הושק.

• עלות לכל החלטה — כאן התכנון משתלם בשני הצדדים. שישים שאלות על מסמך אחד הן מעבר קדימה אחד ממילא, כך שהעלות לכל החלטה צונחת ככל ששואלים יותר על אותו מסמך.

הנה תמונת הניתוב האמיתית. OrcaRouter אינו משרת את pplx-decider, והוא אינו משרת את משפחת Decider של Mapika — אף אחד מהם אינו מופיע בקטלוג, ואין דבר במאמר זה שצריך להיקרא כטענה אחרת. מה שכן מופיע בקטלוג במחלקה הזו היום הוא typesafe/jev-1.13, מודל החלטה באותה צורה של System One עם חלון של 65,536 טוקנים שנחשף דרך אותה נקודת קצה POST /v1/systemone במחיר $0.042 למיליון טוקני קלט, וזהו עוגן שימושי למחיר של מודל החלטה מנותב. אם אתם בוחנים צ'קפוינט שלא הוכרז כמו pplx-decider, הדרך לעשות זאת בלי להמר על נתיב ייצור היא להריץ אותו בעצמכם לצד מודל מנותב מאחורי API אחד ל-200+ מודלים — מחיר המחירון של הספק עובר כמו שהוא עם 0% תוספת, כך שכאשר הפרויקטים האלה כן יגיעו לספק אינפרנס, מחיר המחירון הוא המחיר כאן באותו יום. עד אז, pplx-decider באירוח עצמי לצד typesafe/jev-1.13 מנותב הוא ההשוואה שבאמת תגיד לכם משהו.

איזה מהם לבחור

אם אתה צריך מודל החלטות היום, על החומרה שלך, בגודל שתבחר, עם הערות אימון שתוכל לבצע בהן ביקורת, ורישיון שלא דורש ממך דבר, התשובה היא צ'קפוינט Decider, והשאלה האמיתית היחידה היא איזו דרגה. התחל ב-decider-2b; המספרים של v11 מראים שהמשפחה משתפרת לעומת ה-v10 של עצמה בדיוק על הפיצול הקשה שהיה אכפת לך ממנו, והפער המתועד ב-ECE אומר לך לבצע התאמה מחדש של טמפרטורה לפני שתסמוך על ההסתברויות בייצור.

פנו אל pplx-decider אם אתם רוצים את אותו ממשק עם מודל dense גדול יותר מאחוריו, אם קלט תמונות חשוב לכם ואתם מעדיפים שלא להריץ צ'קפוינט נוסף, או אם אתם מהסוג של צוותים שמעדיפים להעריך בעצמם את ראש הקריאה של מעבדת חזית במקום לחכות לפוסט השקה שאולי לעולם לא יגיע. היתרונות שלו אמיתיים אך לא מאומתים: עמוד שדרה גדול יותר, טבלת benchmark שמחמיאה לו, וצינור אימון שמתועד עד לסכומי ביקורת ברמת הרשומה.

מה שכדאי לשים לב אליו אינו מדד. השאלה היא אם pplx-decider בכלל מגיע לספק הסקה. מאגר עם משקלים וללא הכרזה הוא אות, לא מוצר; ברגע שהוא מופיע בנקודת קצה מתארחת, שאלת המחיר מול השהיה שכרטיסי Decider כבר עונים עליה הופכת להשוואה אמיתית במקום לשאיפה.

הפעל pplx-decider באחסון עצמי לצד מודל החלטות מנותב מאחורי מחיר מחירון של ספק המועבר הלאה עם 0% תוספת , כך שכאשר כל אחד מהפרויקטים מגיע לספק הסקה, המחיר הרשום הוא המחיר כאן באותו היום.

צ'קפוינט חדש שנמדד מול סולם שפורסם הוא גם מקום טוב לבדוק את התיעוד: אירועי ה-AI המתועדים וכשלי סוכנים סביב מודלים במחלקה הזו נאספים בOrcaRouter AI Incident Archive, שבו כל ערך נושא את המקורות שלו, חומרה, דירוג מהימנות ודגל מחלוקת.