Perplexity Decider v1.2 war am 17. Oktober 2026 die am leichtesten zu übersehende Veröffentlichung: Perplexity aktualisierte die Modellkarte dieses Entscheidungsmodells auf Hugging Face, Vercel nahm Decider V1.2 27B und Decider Flash V1.2 4B zeitgleich ins AI Gateway auf, und Perplexity-Chef Aravind Srinivas schrieb am selben Tag, die Flash-Version laufe auf dem Gerät selbst, auf einem M4 Mac mit 16 GB Speicher. Das Modell geht einen völlig anderen Weg als Chatbots: Es schreibt keine Antworten und erzeugt keinen Code. Es beantwortet nur vorformulierte Urteilsfragen — mit Wahrscheinlichkeiten.
Es gibt nur drei Arten von Antworten, alle mit Wahrscheinlichkeit
Ein Entscheidungsmodell bekommt Material (in der Modellkarte state genannt: Text, strukturierte Datensätze oder Bilder) plus eine oder mehrere typisierte Fragen. Ja-Nein-Fragen liefern die Wahrscheinlichkeit für Ja zwischen 0 und 1. Auswahlfragen versehen jede vorgegebene Option mit einer Wahrscheinlichkeit und wählen die wahrscheinlichste. Bewertungsfragen stufen entlang einer selbst definierten geordneten Skala ein, Stufe für Stufe. Die Anwendung entscheidet dann mit diesen Zahlen: Welches Team bekommt ein Ticket, zeigt ein Produktfoto einen Schaden, geht ein unsicherer Fall an einen Menschen. Weil nichts Wort für Wort generiert wird, verändert das die Rechnung bei Klassifikation, Routing und Beschlagwortung in großen Mengen.
Was v1.2 ändert: Zusammengehörige Fragen in einer Anfrage
Diese Version ist ein Feintuning von Qwen3.8-27B und nimmt Bilder bis etwa 1,6 Megapixel im Input auf. Der neue Kniff: ein Stück Material und mehrere Fragen in einer einzigen Anfrage, jede Frage mit eigenem Auslese-Marker, sodass zusammengehörige Fragen sich den Kontext teilen — bei ungefähr den Rechenkosten einer einzigen Frage. Auf Perplexitys eigenem Decision Index 0.3 erreicht die gebündelte Konfiguration 68,09 Punkte insgesamt, gegenüber 62,30 bei v1.1; der Vision Decision Index stieg von 73,22 auf 77,43. Zwei Abzüge sind nötig: Perplexity pflegt und betreibt diesen Benchmark selbst, und die Trainingsdaten dieser Version enthalten inzwischen die offiziellen Trainings-Splits mehrerer seiner Benchmarks. Wie viel des Zuwachses besseres Urteilen und wie viel Vertrautheit mit der Prüfung ist, müssen unabhängige Tests trennen. Perplexity selbst warnt, unabhängige Kandidaten getrennt zu bewerten, weil sie sich in einer gemeinsamen Anfrage gegenseitig beeinflussen.
Die Flash-Version will das Urteilen aufs Gerät holen
Das kleinere Flash-Geschwistermodell hat 4 Milliarden Parameter und zielt auf Beschlagwortung, Filterung und Routing mit hohem Durchsatz. Auch Vercels Eintrag reserviert das 27B-Modell für nuancierte Urteile und detaillierte Skalen und Flash für Massaufaufgaben mit klaren Kriterien. Stimmt Srinivas' On-Device-Aussage, könnte ein Teil von Klassifikation und Vorauswahl aufhören, Material in die Cloud zu schicken — eine echte Option für datenschutzsensible Arbeit mit hohem Volumen. Bislang ist es eine öffentliche Aussage des Chefs ohne veröffentlichte Werte zu Tempo und Genauigkeit auf dem Gerät; eine Architektur sollte man darauf noch nicht bauen.
Wer die 27B-Version selbst betreiben will, muss auch diese Hürde einrechnen: Die BF16-Gewichte brauchen rund 52 GiB GPU-Speicher plus Arbeitsspeicher, dazu Python 3.12 oder neuer und eine CUDA-GPU. Das ist kein kleines Bauteil für einen bestehenden Dienst. Die nüchternere Lesart: Wenige Wochen nach Jev ist die Spur der Entscheidungsmodelle mit Perplexity, Cloudflare, OpenAI und weiteren besetzt. Der Punkt an v1.2 ist nicht der Wert selbst, sondern dass das Urteilen zu einem eigenen, billigen und potenziell geräteinternen Schritt wird — und wer im Geschäft massenhaft Ja-Nein-Fragen hat, sollte jetzt mit Tests beginnen.
