Perplexity, metin üretmeyen, verilen sorulara olasılık dağılımı döndüren 'karar modeli' ailesinin yeni sürümleri Decider v1.3 ve Decider Flash v1.3'ü Apache lisansıyla Hugging Face'te yayımladı; modeller OpenRouter'da 19 Kasım'a kadar ücretsiz. Şirketin paylaştığı iç kullanım örneği dikkat çekici: Decider, tek günde 7 bin ajan oturumuna ait 1 milyar tokenlik telemetriyi okudu ve ajan güvenlik kurallarında 14 düzeltmeye yol açan eksikler buldu — bunlardan 6'sı iki gün içinde onaylanıp devreye alındı. Hamle, Google'ın Decisions API'siyle aynı haftaya denk gelen bir yarış: karar katmanı, üretken modellerin yanında ayrı bir pazar haline geliyor.
Perplexity, ‘karar modeli’ (decision model) dediği model ailesinin üçüncü büyük sürümünü açık ağırlıklarla yayımladı: Decider v1.3 ve ondan damıtılan Decider Flash v1.3, Apache lisansıyla Hugging Face’te indirilebilir; Perplexity’nin kendi Decisions API’si ve OpenRouter üzerinden de çağrılabiliyor — OpenRouter, 19 Kasım’a kadar her iki modeli de ücretsiz sunuyor. Karar modeli kavramı, arama şirketinin tanımıyla ‘genel amaçlı bir sınıflandırıcı’: modele bir girdi ve olası cevaplarıyla sorular veriliyor, model metin yazmak yerine her cevap için olasılık dağılımı döndürüyor. Evet-hayır, çoktan seçmeli ve dereceli puanlama soruları destekleniyor; v1.3’ün yeni yeteneği ‘locate’, girdi içinden eşleşen metin parçasını karakter konumlarıyla birlikte çıkarıyor — varlık tanıma ve kişisel veri tespiti için tasarlanmış.
Şirketin öne çıkardığı iç kullanım örneği, bu model türünün neden ayrı bir pazar olduğunu özetliyor: Perplexity, ajanlarının etkinliğini kaydedip gerçek zamanlı kural denetiminden geçiriyor. Decider bu kayıtların örneklerini çevrimdışı okuyor — kural tetiklenmeyen satırlarda kuralın bir şeyi kaçırdığını, alarm çalan satırlarda alarmın yanlış olup olmadığını denetliyor. Şirketin aktardığına göre tek günlük koşuda 7 bin ajan oturumuna ait 1 milyar token telemetri okundu ve ajan güvenlik kurallarında 14 düzeltmeye yol açan eksikler bulundu; bunlardan 6’sı güvenlik ekibinin onayıyla iki gün içinde yayımlandı. Bir haftalık kaydı yeniden oynatan testte düzeltmeler en yoğun kuralın yükünü yarı yarıya azaltırken genişletilen kurallar incelenecek meşru eylemi yaklaşık yüzde 40 artırdı — bunlar şirket ölçümleri.
Modelin kendi değerlendirmeleri de iddialı: 63 üretim sınıflandırma görevinde v1.3, halihazırda kullanılan üretim sınıflandırıcılarını ortalama 6,54 puan geride bıraktı; bilgi tarama görevlerinde Qwen3-Reranker-8B’nin önünde. Şirket, TypeSafe AI’nin ‘System One’ modeli Jev’i ilham kaynağı olarak sayıyor ve karşılaştırmalarda finans alanında 12,9 puana kadar önde olduğunu bildiriyor — tüm bu skorlar Perplexity’nin kendi ölçümleri, bağımsız doğrulama henüz yok; bağımsız bir analiz, liste fiyatıyla 1 milyar token okumanın büyük modelde yaklaşık 20, Flash’ta 10 dolar tuttuğunu hesaplıyor.
Asıl çerçeve rekabet: Google’ın Gemini Decisions API’sini geçen hafta çıkarmasıyla ‘karar katmanı’ büyük laboratuvarların yeni cephesi. Perplexity’nin farkı ağırlıkları Apache ile açması ve fiyatı liste bazında girdide milyon token başına 2 sente çekmesi. CEO Aravind Srinivas’in formülasyonu iddialı: karar modelleri ‘ajan güvenliğinin geleceği’ — milyarlarca token telemetriyi okuyup güvenlik kusurlarını eski maliyet yapılarında mümkün olmayan ölçekte bulabiliyorlar. İzlenecek kapılar: bağımsız kıyaslama platformlarının Decider skorları, ajan telemetrisi dışındaki kullanım alanları ve 19 Kasım sonrası fiyat çıpası.