Perplexity выпустила модели для классификации и поиска данных
Вместо генерации длинных текстов новые модели от Perplexity выдают только конкретные ответы или фрагменты данных. Релиз Decider v1.3 и Flash v1.3 упрощает задачи классификации и извлечения информации.
Новые инструменты работают на базе больших языковых моделей, но вместо написания сочинений они фокусируются на принятии решений. Вы подаёте входные данные и вопрос, а модель возвращает вероятность правильного ответа из предложенных вариантов. Это позволяет использовать ИИ для задач, где не нужен творческий текст, а важна точность выбора или сортировки.
В версии 1.3 появилась функция locate: модель может находить и вырезать точные фрагменты текста, такие как имена или адреса электронной почты. Для этого используется специальный адаптер, который разработчики оставили отдельным слоем, чтобы не снижать точность основной классификации.
В тестах на извлечение данных (NER) и поиск информации модели показали результат 69,0 и 63,6 балла, что значительно выше показателей конкурентов вроде GLiNER (33,6 балла).
Для работы с тяжёлой версией (27B) потребуется около 49 ГБ памяти, а облегчённая Flash-версия (5B) запустится на 8,5 ГБ. Модели поддерживают текст и изображения, а также доступны через API и OpenRouter. Это позволяет интегрировать их в рабочие процессы, где требуется обработка больших объёмов структурированной информации.
Вместо написания отчётов теперь можно автоматизировать разметку документов и поиск нужных строк в массивах данных. Это освобождает время для более сложных аналитических задач.
Текст подготовила языковая модель по материалам источников.

