ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملX: @ArtificialAnlys→ المصدر

Perplexity تطلق Decider v1.3: 70 نقطة في تصنيف القرارات و68 دولارًا لكل مليون مهمة

أطلقت Perplexity نموذج Decider v1.3، وهو نموذج يقرر داخل الوكيل ما يجب فعله بعد ذلك: استدعاء أداة أو إعادة سؤال المستخدم. في تصنيف القرارات لدى Artificial Analysis، حصلت النسخة ذات 27 مليار معامل على 70 نقطة (المركز السادس)، وحصلت النسخة الخفيفة Flash ذات 4 مليارات معامل على 64 نقطة (المركز العاشر). وتبلغ تكلفة مليون مهمة 68 و34 دولارًا. وللوكلاء الأقل كلفة، يستحق Flash المقارنة مع النموذج المستخدم حاليًا.

معالج بواسطة الذكاء الاصطناعي من X: @ArtificialAnlys؛ بتحرير Hamidun News
Perplexity تطلق Decider v1.3: 70 نقطة في تصنيف القرارات و68 دولارًا لكل مليون مهمة
المصدر: X: @ArtificialAnlys. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليX: @ArtificialAnlys ↗
رئيس التحرير
تحسّن Flash بمقدار 4 نقاط عن v1.2بواقع 12 نقطة في كل من When2Call وAA-Symmetry
حقيقة رئيسية #2سياق بطول 256 ألف رمز، ومدخلات نصية وصور، ورخصة Apache 2.0
حقيقة رئيسية #3تبلغ تكلفة المدخلات 0,02 و0,01 دولار لكل مليون رمز، والوصول عبر واجهة Perplexity البرمجية (API)

يواجه أي وكيل قائم على LLM باستمرار أسئلة عملية بسيطة: هل يستدعي أداة أم يعيد سؤال المستخدم، وهل يستخرج الحقل من المستند أم يعتذر بصراحة عن الإجابة. ولهذه المفترقات أطلقت Perplexity نموذجين مستقلين هما Decider v1.3 وDecider Flash v1.3. واختبرت مختبرات Artificial Analysis المستقلة النموذجين ضمن تصنيفها Decision Index v2.1 الذي يقيّم جودة هذا النوع من القرارات تحديدًا. وحصل النموذج الأكبر، بحجم 27 مليار معامل، على 70 نقطة واحتل المركز السادس. أما النموذج الأخف Flash بحجم 4 مليارات معامل فحصل على 64 نقطة واحتل المركز العاشر. وبحسب تقدير المختبر، تبلغ تكلفة تشغيل مليون مهمة عبرهما 68 دولارًا و34 دولارًا على التوالي.

ما الذي تغيّر مقارنةً بـ v1.2

حافظ Decider v1.3 الأكبر على المركز السادس في التصنيف، وهو المركز نفسه الذي كانت تحتله النسخة v1.2. والتحسن لديه طفيف. ففي اختبار AA-Paperclip يحتل المركز الرابع بنتيجة 69، أي بتحسن قدره نقطتان عن النسخة السابقة. وفي EvalSafe-O*NET-AA حصل على 89 نقطة واحتل المركز الثالث، بزيادة نقطة واحدة.

أما النموذج الأصغر فكان تحسنه أوضح. فقد أضاف Flash v1.3 أربع نقاط إلى نتيجة v1.2 وارتقى إلى المركز العاشر. وجاء هذا التحسن كله من اختبارين هما AA-Symmetry وWhen2Call، إذ ارتفعت النتيجة في كل منهما بمقدار 12 نقطة.

يقيس اختبار When2Call مهارة عملية: على النموذج أن يحدد متى يستدعي دالة، ومتى يطرح سؤالًا توضيحيًا، ومتى يقر بعدم وجود أداة مناسبة. وهنا بالذات ترتكب الوكلاء في بيئات الإنتاج أكثر الاستدعاءات الزائدة أو الخاطئة. لذلك يبدو قفز نموذج صغير بمقدار 12 نقطة أمرًا لافتًا. أما ما تقيسه الاختبارات الأخرى فلم يُشرح في الإعلان الأصلي، ويُنصح بالبحث عن وصفها في وثائق Artificial Analysis.

السعر والحجم والشروط

الحجة الرئيسية لصالح النموذجين هي التكلفة. فكلاهما يقع على حدود باريتو في إحداثيات «القدرات مقابل السعر». ويعني ذلك أنه لا توجد في مجموعة الاختبارات هذه نماذج تقدم الجودة نفسها بسعر أقل، أو جودة أفضل بالسعر نفسه.

مواصفات النموذجين كالتالي:

  • الحجم: 27 مليار معامل لـ Decider v1.3 و4 مليارات لـ Flash؛
  • السياق: 256 ألف رمز، ويقبل النموذجان مدخلات نصية وصورًا؛
  • سعر رموز الإدخال: 0,02 دولار لكل مليون رمز لـ v1.3 و0,01 دولار لـ Flash؛
  • الرخصة: Apache 2.0؛
  • الوصول: عبر واجهة Perplexity البرمجية (API) الخاصة.

تبدو أسعار رموز الإدخال منخفضة جدًا، ولذلك يُستحسن مطابقتها مع قائمة الأسعار في حسابكم لدى Perplexity قبل احتساب الميزانية.

ماذا يفعل المطوّر

أولًا. إذا كان وكيلكم يختار الخطوة التالية مرات عديدة في الجلسة الواحدة، فليس من الضروري إرسال كل قرار من هذه القرارات إلى أكبر نموذج عام. فقد يؤدي نموذج صغير متخصص العمل بكفاءة لا تقل، وبتكلفة أقل بأضعاف. ويصلح Flash بحجم 4 مليارات معامل لدور «منظّم السير» السريع: توجيه الطلب إلى الأداة المناسبة، أو الحكم بما إذا كانت البيانات كافية للإجابة.

ثانيًا. تعني رخصة Apache 2.0 عادةً حرية الاستخدام، لكن المصدر لا يذكر كمزوّد سوى واجهة Perplexity البرمجية، ولا توجد فيه روابط لتنزيل الأوزان. لذا من المبكر التعويل على التشغيل المحلي: تحققوا أولًا مما إذا كانت الأوزان قد نُشرت.

ثالثًا. جاءت النتائج من اختبارات مختبر واحد. وهذا كافٍ للفرز الأولي، لكنه لا يغني عن التحقق على بياناتكم. خذوا 100–200 قرار حقيقي من وكيلكم، مثل توجيه طلبات الدعم أو استخراج الحقول من العقود. ثم مرّروها عبر نسختي Decider وعبر النموذج الحالي. وقارنوا بين النتائج لا من حيث الدقة فحسب، بل من حيث نسبة استدعاءات الأدوات الخاطئة أيضًا.

وهناك قيود أيضًا. فالمراكز في التصنيف تعكس لقطة وقت النشر، وتتغير مع صدور نماذج جديدة. وتحسينات النموذج الأكبر على v1.2 متواضعة: نقطة أو نقطتان في اختبارات منفردة، مع المركز السادس نفسه. أما المكسب الحقيقي فكان في الأساس من نصيب Flash، وهو الذي ينبغي أن يبدأ به النظر من يسعون إلى توفير النفقات في خطوط الوكلاء الكبيرة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر مقارنةً بـ v1.2؟

حافظ Decider v1.3 الأكبر على المركز السادس في التصنيف، وهو المركز نفسه الذي كانت تحتله النسخة v1.2. والتحسن لديه طفيف. ففي اختبار AA-Paperclip يحتل المركز الرابع بنتيجة 69، أي بتحسن قدره نقطتان عن النسخة السابقة. وفي EvalSafe-ONET-AA حصل على 89 نقطة واحتل المركز الثالث، بزيادة نقطة واحدة. أما النموذج الأصغر فكان تحسنه أوضح. فقد أضاف Flash v1.3 أربع نقاط إلى نتيجة v1.2 وارتقى إلى المركز العاشر. وجاء هذا التحسن كله من اختبارين هما AA-Symmetry وWhen2Call، إذ ارتفعت النتيجة في كل منهما بمقدار 12 نقطة.

ما أبرز التفاصيل حول السعر والحجم والشروط؟

الحجة الرئيسية لصالح النموذجين هي التكلفة. فكلاهما يقع على حدود باريتو في إحداثيات «القدرات مقابل السعر». ويعني ذلك أنه لا توجد في مجموعة الاختبارات هذه نماذج تقدم الجودة نفسها بسعر أقل، أو جودة أفضل بالسعر نفسه. مواصفات النموذجين كالتالي: الحجم: 27 مليار معامل لـ Decider v1.3 و4 مليارات لـ Flash؛ السياق: 256 ألف رمز، ويقبل النموذجان مدخلات نصية وصورًا؛ سعر رموز الإدخال: 0,02 دولار لكل مليون رمز لـ v1.3 و0,01 دولار لـ Flash؛ الرخصة: Apache 2.0؛ الوصول: عبر واجهة Perplexity البرمجية (API) الخاصة.

ما أبرز التفاصيل حول ماذا يفعل المطوّر؟

أولًا. إذا كان وكيلكم يختار الخطوة التالية مرات عديدة في الجلسة الواحدة، فليس من الضروري إرسال كل قرار من هذه القرارات إلى أكبر نموذج عام. فقد يؤدي نموذج صغير متخصص العمل بكفاءة لا تقل، وبتكلفة أقل بأضعاف. ويصلح Flash بحجم 4 مليارات معامل لدور «منظّم السير» السريع: توجيه الطلب إلى الأداة المناسبة، أو الحكم بما إذا كانت البيانات كافية للإجابة. ثانيًا. تعني رخصة Apache 2.0 عادةً حرية الاستخدام، لكن المصدر لا يذكر كمزوّد سوى واجهة Perplexity البرمجية، ولا توجد فيه روابط لتنزيل الأوزان.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…