Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarX: @ArtificialAnlys→ original

Perplexity lanza Decider v1.3: 70 puntos en el ranking de decisiones y 68 dólares por millón de tareas

Perplexity lanza Decider v1.3, un modelo que, dentro de un agente, decide qué hacer a continuación: llamar a una herramienta o preguntar al usuario. En el ranking de decisiones de Artificial Analysis, la versión de 27.000 millones de parámetros obtiene 70 puntos (sexto puesto), y la ligera Flash, de 4.000 millones, obtiene 64 (décimo puesto). Un millón de tareas cuesta 68 y 34 dólares. Para agentes económicos, conviene comparar Flash con el modelo actual.

Procesado por IA desde X: @ArtificialAnlys; editado por Hamidun News
Perplexity lanza Decider v1.3: 70 puntos en el ranking de decisiones y 68 dólares por millón de tareas
Fuente: X: @ArtificialAnlys. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @ArtificialAnlys ↗
Editor jefe
Flash sube 4 puntos respecto a v1.212 puntos más en When2Call y AA-Symmetry
Dato clave #2Contexto de 256.000 tokens, entrada de texto e imágenes, licencia Apache 2.0
Dato clave #3La entrada cuesta 0,02 y 0,01 dólares por millón de tokens, con acceso mediante la API de Perplexity

Cualquier agente basado en LLM decide constantemente cuestiones prácticas: llamar a una herramienta o preguntar al usuario, extraer un campo de un documento o declinar una respuesta. Para estas bifurcaciones, Perplexity ha lanzado modelos independientes, Decider v1.3 y Decider Flash v1.3. El laboratorio independiente Artificial Analysis los evaluó con su ranking Decision Index v2.1, que mide precisamente la calidad de este tipo de decisiones. El modelo mayor, de 27.000 millones de parámetros, obtuvo 70 puntos y quedó en sexto lugar. La versión ligera Flash, de 4.000 millones de parámetros, logró 64 puntos y el décimo puesto. Según el laboratorio, procesar un millón de tareas con cada uno cuesta 68 y 34 dólares, respectivamente.

¿Qué cambió respecto a v1.2?

El modelo mayor, Decider v1.3, mantuvo el sexto puesto que ya ocupaba la versión v1.2. La mejora es modesta. En la prueba AA-Paperclip ocupa el cuarto lugar con 69 puntos, 2 más que la versión anterior. En EvalSafe-O*NET-AA obtiene 89 puntos y el tercer lugar, con 1 punto más.

La mejora más notable corresponde al modelo pequeño. Flash v1.3 sumó 4 puntos respecto a v1.2 y subió al décimo puesto. Toda la mejora procede de dos pruebas, AA-Symmetry y When2Call, en las que el resultado creció 12 puntos en cada una.

When2Call evalúa una habilidad práctica: el modelo debe saber cuándo conviene llamar a una función, cuándo hacer una pregunta aclaratoria y cuándo reconocer que no existe una herramienta adecuada. Es precisamente aquí donde los agentes en producción suelen hacer llamadas innecesarias o incorrectas. Por eso resulta interesante el salto de 12 puntos de un modelo pequeño. Qué miden exactamente el resto de pruebas no se explica en el mensaje original; su descripción habrá que buscarla en la documentación de Artificial Analysis.

Precio, tamaño y condiciones

El principal argumento a favor de estos modelos es su coste. Ambos se sitúan en la frontera de Pareto en el eje «capacidad frente a precio». Esto significa que, dentro de este conjunto de pruebas, no hay modelos que ofrezcan la misma calidad más barata ni mejor calidad por el mismo precio.

Los parámetros de los modelos son los siguientes:

  • tamaño: 27.000 millones de parámetros en Decider v1.3 y 4.000 millones en Flash;
  • contexto: 256.000 tokens; en la entrada se admiten texto e imágenes;
  • precio de los tokens de entrada: 0,02 dólares por millón en v1.3 y 0,01 en Flash;
  • licencia: Apache 2.0;
  • acceso: mediante la API propia de Perplexity.

Los precios de los tokens de entrada parecen muy bajos, así que conviene verificarlos con la tarifa publicada en el panel de cuenta de Perplexity antes de calcular el presupuesto.

Qué debe hacer el desarrollador

Primero. Si su agente elige el siguiente paso muchas veces por sesión, no es necesario enviar cada una de esas decisiones al modelo universal más grande. Un modelo pequeño y especializado puede funcionar igual de bien y costar varias veces menos. Flash, de 4.000 millones de parámetros, sirve como «regulador» rápido: dirigir la petición a la herramienta adecuada o decidir si hay datos suficientes para responder.

Segundo. La licencia Apache 2.0 suele implicar uso libre, pero la fuente indica como proveedor únicamente la API de Perplexity. No aparecen enlaces para descargar los pesos. Contar con una ejecución local todavía es prematuro: antes conviene comprobar si los pesos están publicados.

Tercero. Los resultados proceden de pruebas de un único laboratorio. Para una selección inicial bastan, pero no sustituyen la validación con datos propios. Tome entre 100 y 200 decisiones reales de su agente, por ejemplo el enrutamiento de consultas de soporte técnico o la extracción de campos de contratos. Ejecútelas con ambas versiones de Decider y con el modelo actual. Compare no solo la precisión, sino también la proporción de llamadas erróneas a herramientas.

Hay además limitaciones. Las posiciones en el ranking reflejan una instantánea en el momento de la publicación y cambian con la llegada de nuevos modelos. En el modelo mayor, las mejoras sobre v1.2 son modestas: entre 1 y 2 puntos en pruebas concretas y el mismo sexto puesto. La ganancia real corresponde sobre todo a Flash, y es a ella a la que deben prestar atención primero quienes quieran reducir costes en canalizaciones de agentes grandes.

Historia

Preguntas frecuentes sobre la noticia

¿Qué cambió respecto a v1.2?

El modelo mayor, Decider v1.3, mantuvo el sexto puesto que ya ocupaba la versión v1.2. La mejora es modesta. En la prueba AA-Paperclip ocupa el cuarto lugar con 69 puntos, 2 más que la versión anterior. En EvalSafe-ONET-AA obtiene 89 puntos y el tercer lugar, con 1 punto más. La mejora más notable corresponde al modelo pequeño. Flash v1.3 sumó 4 puntos respecto a v1.2 y subió al décimo puesto. Toda la mejora procede de dos pruebas, AA-Symmetry y When2Call, en las que el resultado creció 12 puntos en cada una.

¿Qué se sabe sobre Precio, tamaño y condiciones?

El principal argumento a favor de estos modelos es su coste. Ambos se sitúan en la frontera de Pareto en el eje «capacidad frente a precio». Esto significa que, dentro de este conjunto de pruebas, no hay modelos que ofrezcan la misma calidad más barata ni mejor calidad por el mismo precio.

¿Qué se sabe sobre Qué debe hacer el desarrollador?

Primero. Si su agente elige el siguiente paso muchas veces por sesión, no es necesario enviar cada una de esas decisiones al modelo universal más grande. Un modelo pequeño y especializado puede funcionar igual de bien y costar varias veces menos. Flash, de 4.000 millones de parámetros, sirve como «regulador» rápido: dirigir la petición a la herramienta adecuada o decidir si hay datos suficientes para responder. Segundo.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ 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
¿Qué te parece?
Cargando comentarios…