⚡️ ИИ НАУЧИЛСЯ РЕШАТЬ Не всякой задаче нужен длинный разговор с нейросетью. Иногда достаточно быстро выбрать отдел, кнопку или оценку — и Perplexity выпустила модель именно для этого. 🧠 ЧТО ЗА НОВИНКА? • 🧠 Perplexity сделала модель-решалу Компания выпустила Decisions API и открытую модель pplx-decider-v1-27b. Она не сочиняет эссе, а выбирает вариант из заранее заданных.

• 🎯 Она умеет направлять задачи Например, получает тикет и определяет: billing, technical или другой отдел. Причём возвращает вероятности по всем вариантам.

• ✅ Есть ответы «да» и «нет» Модель подходит для бинарных решений: соответствует ли результат критериям, нужно ли вызывать инструмент, можно ли пропустить следующий шаг.

• 📊 Оценки тоже входят в меню Ей можно задать шкалу — например, от 1 до 10 или от «плохо» до «отлично». Вместо длинного текста получается аккуратная оценка.

• 🖼 Она видит не только текст pplx-decider-v1-27b мультимодальная: умеет работать с изображениями, а не только с сообщениями и документами. 🔥 В ЧЁМ СИЛА? ▸ Агентам больше не нужен текстовый костыль Раньше модель писала ответ, а разработчик потом вылавливал из него нужное регулярками. Теперь решение сразу приходит в формате, с которым проще работать в коде 🤖

▸ Вероятности добавляют здравого смысла Вместо уверенного «это точно billing» можно получить распределение шансов. Код сам решит: отправлять дальше или попросить человека проверить 📊

▸ Быстрый рефлекс дешевле глубоких размышлений Классифицировать тикет не то же самое, что написать исследование. Для простого выбора большая разговорчивая LLM часто выглядит как экскаватор для комнатного растения ⚡️

▸ Модель можно запускать у себя Веса опубликованы на Hugging Face под Apache 2.0. Их можно развернуть локально и не отправлять чувствительные данные во внешний сервис 🔐

▸ Но это не победа над всеми В 11 тестах Perplexity получила 85,71% против 84,51% у Jev. Разрыв небольшой, а в отдельных задачах Jev всё ещё сильнее — корона пока в химчистке 🧪 💼 КУДА ДВИЖЕТСЯ РЫНОК? ▸ Агенты станут быстрее выбирать следующий шаг Потенциальный сценарий: модель решает, вызвать API, написать код, задать вопрос пользователю или завершить задачу. Большая LLM подключается только там, где действительно нужно думать 🤖

▸ Тикеты можно сортировать автоматически Потенциальный сценарий: входящий запрос получает отдел и оценку срочности, после чего отправляется нужному специалисту. Финальные правила всё равно лучше проверить на реальных данных 📬

▸ RAG сможет отсеивать лишний контекст Потенциальный сценарий: decider сначала проверяет найденные фрагменты, а большая модель получает только релевантные. Это может сократить лишние запросы, но качество фильтра нужно тестировать 🔍

▸ Картинки тоже попадут в конвейер решений Потенциальный сценарий: классификация скриншотов или визуального контента до передачи задачи человеку. Мультимодальность есть, но конкретный результат зависит от данных и настройки 🖼

▸ Цена делает массовые проверки реальнее Вход стоит $0,04 за миллион токенов, выходные токены бесплатны. Это может пригодиться там, где проверок много, а сложный текст каждый раз генерировать не нужно 💸 🔹🔹🔹🔹🔹🔹 🏆 ЛУЧШИЕ ПРОМПТЫ В PROJECT POOL 🤖 ИИ АГЕНТЫ — собери своего 📈 ИИ-агенты. - просто и понятно #новости #news #нейросети #ии

В этом посте были ссылки, но мы их удалили по правилам Сетки