TOPIC COLLECTION
Perplexity更新决策模型：客服分流、标签分类，为什么不一定需要长答案
10月16日发布pplx-decider v1.2系列。解释小型决策模型与聊天模型的差别，以及分类任务怎样设置人工复核阈值。
资料更新：2026-10-17
事件日期：2026-10-16；根据原始公开材料核查。事实、厂商声明与编辑建议区分，未虚构本站测评。
主题标签：开发工具、Perplexity、决策模型、自动分类
一封工单应该交给售后还是技术支持，很多时候只需要一个标签，不需要几百字解释。Perplexity开发者在10月16日公布新一代多模态决策模型pplx-decider-v1.2和pplx-decider-flash-v1.2，瞄准的正是这类判断工作。
它不是缩小版聊天助手
官方说明把默认版与面向高吞吐分类的Flash版区分开，支持文本和视觉判断，提供开放权重。公告中的提速和排名是厂商口径，本次没有本站复测。接入时要看当前模型文档的输出结构，不能把它当作任何提示词都能稳定执行的通用Agent。
决策模型适合条件明确、答案集合有限的任务。例如“是否需要补充发票信息”，通常比“全面分析用户为什么不满意”更容易验收。
先把分类规则写成可复核的例子
准备一组已人工确认的样本，包含正常案例、边界案例和确实无法判断的案例。每个标签写清纳入条件与排除条件；不要用“重要”“优质”这种没有具体定义的词直接开跑。
测试时分开统计错分、漏分与转人工数量。置信输出不能自动等同于现实正确概率，需要在自己的数据上校准。低置信或会影响用户权益的判断，应进入人工复核，不是硬选一个答案。
批量处理前算清两种成本
除了接口费用，还要算错分后的返工。便宜模型如果把需要退款的请求都送错队列，总成本未必更低。反过来，条件很简单的大批量标签工作，也未必值得用最贵的聊天模型。
先用脱敏数据做影子运行，只观察建议、不影响真实流程。确认效果后再逐步开放自动动作，保留抽样复核和撤回路径。模型更新也要重跑同一组样本，而不是默认新版本更适合你的规则。
资料来源与核查时间
资料核查：2026年10月17日；产品条件与活动安排以原始来源最新说明为准。本文为公开资料编辑整理，不冒充现场采访或实机测评。
继续浏览：最新专题与工具指南。
