pplx-decider против Decider: безмолвный 27B от Perplexity против открытой лестницы Mapika

Прямо сейчас на Hugging Face находятся две модели принятия решений, которые отвечают на вопросы одинаково и почти ни в чём больше не сходятся. pplx-decider — это чекпоинт на 27B от Perplexity, появившийся 1 октября 2026 года без анонса, без записи в блоге, без страницы с ценами и без провайдера инференса, который бы его предлагал; 5 октября 2026 года за ним последовала ревизия pplx-decider-v1.1 на том же бэкбоне. Decider — это семейство Mapika моделей того же класса — от decider-0.8b до decider-35b-a3b, открытое воспроизведение в линейке System One, опубликованное с полными заметками об обучении. Обе принимают блок именованных вопросов плюс документ и возвращают калиброванную вероятность для каждого ответа за один прямой проход. Ни одна из них не пишет ни единого предложения прозой. Далее — то, что действительно задокументировано по каждой из них, и чёткий маркер везде, где запись обрывается.

Сначала, что делает «модель принятия решений» в этом предложении?

Ни то, ни другое не является чат-моделью, которую попросили быть краткой. Это вообще не языковые модели в обычном смысле — здесь нет цикла декодирования, нет сэмплирования, ничего токен за токеном. Один прямой проход по вашему документу возвращает вероятность для каждого из предложенных вами вариантов.

Именно форма вызова делает сравнение достойным написания. Вы передаёте состояние (тикет, JSON-запись, скриншот, контракт) и список именованных вопросов. Каждый вопрос называет свой тип ответа: выбор из 2–255 помеченных вариантов, ответ в формате да/нет/неизвестно или оценка по 2–10 описанным уровням. Ответы возвращаются в том порядке, в котором вы их запрашивали, в виде чисел от 0 до 1, и число следует читать как вероятность, а не как аккуратную метку — 0,62 на вопрос «запрашивается ли возврат средств?» — это весь вывод, а порог определяет вызывающая сторона.

Такая архитектура устраняет задержку и затраты, потому что документ с шестьюдесятью вопросами обходится одним проходом, а не шестьюдесятью. Это также означает, что обычные способы оценки языковой модели неприменимы: нет трассировки рассуждений, которую можно прочитать, нет цепочки размышлений, с которой можно поспорить, нет способа попросить её объясниться. Вы получаете вероятностную массу и ничего больше. Оба проекта прямо заявляют, что это и есть компромисс.

Что вышло, и о чём никто не сказал

Репозиторий pplx-decider на удивление полон для модели, за которой нет анонсирующего поста о запуске. Веса распространяются под Apache-2.0. Базовая модель — Qwen/Qwen3.8-27B, как указано на карточке. Есть опубликованная readout-голова в bf16 размером [255, 5120], что в точности соответствует форме, которую ожидаешь для 255 выбираемых вариантов при скрытом состоянии шириной 5 120. В карточке описаны бюджет входа, верхний предел числа вариантов, три типа вопросов и структура эндпоинта — POST /v1/systemone.

Чего нет, так это фразы, которую содержал бы пост о запуске. На карточке нет даты релиза, нет анонса, нет поста с бенчмарками от Perplexity, нет цены и нет сторонней платформы, которая бы его обслуживала. Счётчики загрузок — такого размера, какой бывает у репозитория, который нашли, а не продвигали. Сопоставьте эти два факта, и честное описание будет таким: артефакт публичен, а замысел за ним — нет. Всё нижеследующее о pplx-decider взято из репозитория и его карточек. Ничто из нижеследующего не было независимо воспроизведено, и никто за пределами лаборатории не публиковал собственного прогона.

Запись в библиотеке Ollama в некоторой малой степени делает этот разрыв заметным. На её странице тег указан как 27b при 17 GB с контекстным окном 256K — квантованная сборка, намного меньше примерно 49 GiB, которые занимают веса bf16, — тогда как в репозитории задокументирован гораздо меньший бюджет входных данных для текста и изображений и сказано, что слишком большие входные данные отклоняются, а не усекаются. Эти два утверждения явно не описывают один и тот же лимит, и ничто из опубликованного их не согласует. Считайте число среды выполнения заявлением самой среды выполнения.

Самое интересное: два незнакомца, один интерфейс

Семейство Decider от Mapika и pplx-decider разрабатывались независимо, на разной основе и по разным причинам, но пришли к одному и тому же формату передачи данных. Модели Decider также используют ту же структуру вызова, что и System One: именованные вопросы, выбор из 2–255 вариантов, без генерации текста, состояния принимаются размером примерно до 32k. Клиент, написанный под один из них, практически является клиентом и для другого.

Это сходство и есть полезный факт в данном сравнении. То, какой из них вы выберете, — это не переписывание; это замена базового URL и строки модели. Интересный вопрос перестаёт быть «какой API мне интегрировать» и становится «какому результату я доверяю на своих документах» — и два проекта отвечают на этот вопрос совершенно по-разному.

Один чекпойнт против лестницы

Структурное различие заметить легче всего. Perplexity выпустила один размер. Mapika выпустила целый диапазон и опубликовала таблицу размеров:

• Каталог — pplx-decider: один чекпойнт 27B, плюс ревизия v1.1 на том же бэкбоне. Decider: семь с лишним опубликованных размеров — от decider-0.8b на 1.4 ГБ вплоть до decider-2b, decider-2b-vision, decider-4b, decider-12b и decider-35b-a3b на 65 ГБ bf16 или 19.6 ГБ в nvfp4.

• Базы — pplx-decider: Qwen/Qwen3.8-27B, одна линейка. Decider: смесь — Qwen3.5-0.8B, Qwen3.5-2B и Qwen3.5-4B для малых размеров, Qwen3.5-35B-A3B для крупного, а в chat-вариантах — gemma-4-12B-it и gemma-4-12B-it.

• Активация — pplx-decider: плотная 27B, поэтому каждый параметр задействуется при каждом вызове. Decider: decider-35b-a3b — это смесь: всего 34,7B, при этом примерно 3B активны среди 256 маршрутизируемых экспертов, 8 из них работают на каждый токен.

• Vision — pplx-decider: мультимодален, и в репозитории это указано; текст, JSON и изображения, включая скриншоты, чеки и формы, при этом визуальные токены стоят примерно width × height / 1024. Decider: отдельный чекпоинт decider-2b-vision, а не флаг в основной линейке, поэтому работа с изображениями — это выбор другой модели, а не другого аргумента.

• Лицензия — Apache-2.0 с обеих сторон, и это единственный пункт, в котором это сравнение оказывается скучным.

• Раскрытие информации об обучении — pplx-decider: пайплайн данных, основанный на Bespoke Nimble от Bespoke Labs, с подмножествами бенчмарков, закреплёнными по ID записи и контрольной сумме, а улучшения v1.1 объясняются удалением причинной маски и добавлением данных, включая tasksource. Decider: заметки по версиям с количеством элементов, оборудованием и реальным временем — decider-35b-a3b обучался на 4× B300 в течение 394 минут на 1 543 567 элементах — плюс именованные режимы отказов и доля фактически обученных параметров, 2,45 млрд из 34,7 млрд.

Ни то, ни другое не даёт решающего преимущества. Один чекпоинт проще осмыслить, легче обслуживать, и его невозможно уменьшить. Лестница позволяет поставить decider-0.8b за дешёвым предфильтром и тратить 35B только на те элементы, которым это нужно, — но только если вы готовы поддерживать логику маршрутизации, которая решает, что есть что.

Цифры и кто их произвёл

Оба набора ключевых показателей заявлены вендорами, и ни к одному из них не прилагается независимое воспроизведение. Здесь это важно сильнее, чем обычно, потому что не существует стороннего лидерборда для моделей принятия решений, обладающего таким же авторитетом, как арены для изображений или языка.

Собственные данные Perplexity по pplx-decider показывают 85,7% по 11 публичным бенчмаркам против 84,5% у Jev и 74,8% у базовой модели Qwen3.8-27B, на которой он обучался. Среди отдельных приведённых строк — RAGTruth 88,8, FinancialPhraseBank 84,2, TabFact 90,6, JudgeBench 78,3 и WinoGrande 83,3, а более полный набор охватывает Circa, Belebele, TruthfulQA binary, BBH, ContractNLI и публичный сложный сплит JevBench. В редакции v1.1 сообщается о взвешенном по всему набору итоговом показателе 61,56 против 56,4 у v1 и 57,9 у Jev, причём наибольший прирост в отдельной категории — в языковых задачах. Сравнение с Jev сделано самим поставщиком и рассчитано на его собственном наборе, а методика взвешивания не опубликована.

Отчётность Mapika имеет другую структуру: цифры идут в сопровождении оговорок, которые их подрывают. decider-35b-a3b сообщает 0.855 in-task и 0.810 held-out против базового 0.732 zero-shot, а также 0.676 на публичном сложном разбиении JevBench — ниже 0.730 у Jev 1.13.0. В карточке также указано, что нет этапа обучения с подкреплением, поэтому выборочная игра составляет 86.4% против 93.2% у decider-2b v10, и что модель излишне самоуверенна на самых сложных пунктах, с ожидаемой ошибкой калибровки 0.15 на сложном уровне. decider-2b v11 сообщается на уровне 0.802 in-task и 0.752 held-out с ECE 0.156 против заявленного порога выпуска 0.08 — промах, напечатанный авторами.

Два задокументированных режима отказа стоит учитывать в любой проводимой вами оценке. Выбор записи по её позиции в длинном массиве JSON описывается как наименее точная форма ввода, с которой справляется это семейство, а упаковка нескольких независимых вопросов в один вызов может изменить до 12% ответов, когда флаг independent выключен. И то, и другое — из тех вещей, которые скрывает спецификация, а карточка упоминает лишь однажды.

Сколько стоит эксплуатация любого из них

• Самый маленький работоспособный Decider — decider-0.8b занимает 1,4 ГБ. У pplx-decider нет маленького варианта, поэтому его нижняя граница — полные 27B.

• Крупнейший Decider — decider-35b-a3b размером 65 ГБ в bf16 или 19,6 ГБ в nvfp4, при этом на каждый токен активно только около 3 млрд параметров.

• Задержка, сторона Decider — decider-2b обрабатывает запрос за 4 мс с CUDA-графами на B300, по сравнению с 18,9 мс в режиме eager, и примерно 2 700 решений в секунду при батче 32. 35B — это другой мир: около 47 мс для тикета из 92 токенов с тремя вопросами, 368 мс для 64 тикетов.

• Задержка на стороне pplx-decider — ничего не опубликовано. В карточках вообще не приводятся никакие показатели пропускной способности или задержки, что нормально для репозитория, который не был запущен.

• Стоимость на одно решение — именно здесь преимущество такой архитектуры проявляется с обеих сторон. Шестьдесят вопросов к одному документу — это в любом случае один прямой проход, поэтому стоимость одного решения резко падает, когда вы задаёте больше вопросов к одному и тому же документу.

Вот честная картина маршрутизации. OrcaRouter не обслуживает pplx-decider и не обслуживает семейство Decider от Mapika — ни то, ни другое не фигурирует в каталоге, и ничто в этой статье не должно восприниматься как утверждение об обратном. Что каталог действительно содержит в этом классе сегодня, так это typesafe/jev-1.13 — модель принятия решений той же формы System One с окном в 65 536 токенов, доступную через тот же эндпоинт POST /v1/systemone по цене $0,042 за миллион входных токенов, что служит полезным ориентиром для того, сколько стоит маршрутизируемая модель принятия решений. Если вы оцениваете необъявленный чекпойнт вроде pplx-decider, способ сделать это, не ставя на него продакшн-путь, — запустить его самостоятельно рядом с маршрутизируемой моделью за единым API для 200+ моделей — списочная цена провайдера передаётся с наценкой 0%, так что когда эти проекты действительно доберутся до провайдера инференса, списочная цена в тот же день — это цена здесь. До тех пор самостоятельно развёрнутый pplx-decider рядом с маршрутизируемым typesafe/jev-1.13 — это сравнение, которое действительно вам что-то скажет.

Какой из них выбрать?

Если вам нужна модель для принятия решений уже сегодня, на собственном оборудовании, того размера, который вы выберете, с заметками об обучении, которые можно проверить, и лицензией, которая ничего от вас не требует, ответ — чекпойнт Decider, и единственный действительно важный вопрос — какая ступень. Начните с decider-2b; цифры v11 показывают, что семейство улучшается относительно собственного v10 именно на том сложном разбиении, которое вас бы интересовало, а задокументированный разрыв ECE говорит о том, что перед тем, как доверять вероятностям в продакшене, нужно заново подобрать температуру.

Обратитесь к pplx-decider, если вы хотите тот же интерфейс, но с более крупной плотной моделью за ним, если важны изображения на входе и вы предпочли бы не запускать второй чекпоинт, или если вы из тех команд, которые предпочли бы самостоятельно оценить голову считывания передовой лаборатории, а не ждать анонса запуска, который может никогда не появиться. Его преимущества реальны, но не подтверждены: более крупный бэкбон, таблица бенчмарков, которая ему льстит, и обучающий пайплайн, задокументированный вплоть до контрольных сумм на уровне записей.

Важно не то, на какой бенчмарк ориентироваться. А то, доберётся ли pplx-decider вообще до провайдера инференса. Репозиторий с весами и без анонса — это сигнал, а не продукт; как только он появится на хостируемом эндпоинте, вопрос соотношения цены и задержки, на который карточки Decider уже отвечают, станет реальным сравнением, а не пожеланием.

Запустите pplx-decider, размещённый на собственном сервере, рядом с маршрутизируемой моделью принятия решений, стоящей за списочной ценой провайдера, передаваемой с наценкой 0%, так что когда любой из проектов обращается к провайдеру инференса, указанная цена — это цена здесь в тот же день.

Новый чекпойнт, оценённый по опубликованной рейтинговой лестнице, — это также хорошее место, чтобы свериться с историей: задокументированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, уровень уверенности и флаг спорности.