Perplexity abre código de 2 modelos de decisão, 4B e 27B, por menos de 2¢/M

Introdução

Perplexity modelos de decisão com pesos abertos chegaram em duas frentes, 27B para máxima qualidade e 4B para latência e custo baixos. Os pesos estão no Hugging Face e a empresa expôs uma Decisions API que cobra apenas pelos tokens de entrada, com sinalizações recentes de preço a partir de 0,01 dólar por milhão de tokens, o que coloca o custo efetivo abaixo de 2 centavos por milhão no cenário anunciado por executivos e replicado por veículos do ecossistema. (huggingface.co)

A importância é direta, modelos de decisão resolvem tarefas de múltipla escolha, classificação, roteamento e controle de ferramentas de forma calibrada, sem gerar longos textos. Na prática, isso corta latência, reduz custo e simplifica stacks de agentes que hoje gastam tokens pensando antes de agir. A linha de 27B, ajustada a partir do Qwen 3.8, e a Flash de 4B, ajustada a partir do Qwen 3.5, foram liberadas como open weights sob licença Apache 2.0. (huggingface.co)

O que foi lançado, pesos, licença e onde baixar

A Perplexity publicou duas famílias recentes, pplx-decider-v1.2 com 27 bilhões de parâmetros e pplx-decider-flash-v1.2 com cerca de 4 bilhões, ambas com entrada multimodal, aceitando texto e imagem. Os repositórios e os artefatos de inferência estão no Hugging Face, com documentação de uso e notas sobre o protocolo de requisição conjunta. As páginas de modelo destacam que o decider Flash v1.2 deriva do 27B por destilação e que a árvore de modelos usa Qwen como base. Licença, Apache 2.0. (huggingface.co)

No caso do pplx-decider-v1.1-27b, a Perplexity detalha os ganhos em Decision Index, impulsionados pela remoção da máscara causal em camadas específicas e por mais dados de treinamento. A ficha técnica descreve a cabeça de leitura separada e instruções para servir o checkpoint preservando a atenção não causal, inclusive recomendações para ajustar temperatura de calibração. Esses pontos técnicos interessam a quem pretende self-host com equivalência aos resultados avaliados. (huggingface.co)

Preço, API e implicações de custo

A Decisions API da Perplexity cobra apenas pelos tokens de entrada e isenta saída, algo alinhado com o propósito de inferência de decisão que não precisa gerar texto longo. Fontes independentes capturaram iterativamente o preço, que caiu de 0,04 para 0,02 dólar por milhão de tokens, com reportes de ofertas e anúncios de 0,01 dólar por milhão de tokens de entrada em comunicações recentes no ecossistema. A documentação e agregadores de preço refletem essas bandas, sugerindo forte competição por custo no segmento. (thefrontier.dev)

Para quem opera fluxos de classificação em massa, a conta muda de patamar. Um job com 100 milhões de tokens de entrada, que custaria dólares inteiros em APIs convencionais, passa a custar centavos com o decider Flash e pouco acima disso com o 27B. O endpoint padrão documentado para envios é POST https://api.perplexity.ai/v1/decisions, com suporte a múltiplas questões por requisição e limites típicos de taxa. Além da API própria, há suporte via provedores como gateways e roteadores de modelos. (app.routerplus.com)

Desempenho, calibração e o Decision Index

As notas de versão e cartões de modelo indicam evolução consistente no benchmark Decision Index. O pplx-decider 27B foi reportado com avanços de uma pontuação geral próxima de 56 para acima de 61 na geração v1.1 no painel 0.2.1, superando um concorrente direto em mais de 3 pontos, e a família v1.2 aparece como topo em painéis recentes citados por observadores do ecossistema. Houve ainda relatos de compressão e execução local com footprints reduzidos para o 27B, reforçando a maleabilidade do artefato. (huggingface.co)

Mais que acurácia, a Perplexity enfatiza calibração probabilística, isto é, quando o modelo diz 85 por cento de chance de um requisito específico, essa probabilidade se alinha empiricamente nos conjuntos de teste. Em cenários de roteamento de ferramentas e conformidade, probabilidades calibradas facilitam orquestrar guardrails e thresholds sem hacks ad hoc. (aiintoai.vercel.app)

Arquitetura prática, por que Qwen como base

Os deciders de 27B usam Qwen 3.8 como backbone, com atenção não causal preservada em camadas selecionadas e uma cabeça de leitura compacta com 255 classes, segundo os materiais técnicos. O Flash 4B usa Qwen 3.5 e é destilado do 27B, mantendo o protocolo de decisão conjunta. A decisão por Qwen permite reusar ecossistema e toolchains maduras, enquanto o layout de checkpoint facilita exportações para runtimes populares, desde que se respeitem os detalhes de calibração e atenção. (huggingface.co)

Em termos operacionais, a Perplexity documenta como enviar imagens, limites de pixels e como a contagem de tokens visuais escala com a área. Para quem integra OCR leve, extração de campos ou verificação visual simples antes de uma ação, o suporte multimodal evitará idas e vindas entre modelos diferentes. (huggingface.co)

Casos de uso imediatos, do roteamento ao controle de ferramentas

• Roteamento de prompts em agentes, escolher quando chamar um modelo de busca, uma ferramenta de extração ou um executor de ação. A natureza multimodal permite decidir com base em screenshot, PDF ou foto, além do texto. (perplexity.ai)
• Guardrails com thresholds explícitos, por exemplo, bloquear execuções quando a probabilidade de violação de política excede um corte. Probabilidades calibradas reduzem falsos positivos e falsos negativos de forma mais previsível. (aiintoai.vercel.app)
• Classificação em lote, categorização de tickets, triagem de e-mails, reconhecimento de formulários, triagem de imagens simples em pipelines industriais. Custo por milhão de tokens de entrada abaixo de 2 centavos muda a economia desses fluxos. (tokenpost.com)
• Orquestração de APIs, comparar três designs de API e recomendar um, conforme changelog oficial, obtendo distribuição de probabilidades por opção e estimativa de score esperado. (perplexity.ai)

Como integrar, limites e boas práticas

A rota padrão é POST para o endpoint de Decisions, aceitando 1 a 128 perguntas por chamada. O limite de entrada documentado em materiais correlatos chega a centenas de milhares de tokens, o que viabiliza contextos ricos com múltiplas perguntas embutidas, desde que a taxa da organização e o orçamento de tokens sejam respeitados. Para provedores terceiros que roteiam para a Perplexity, há políticas de rate limit adicionais antes do backend. (app.routerplus.com)

Boas práticas sugeridas a partir dos cartões de modelo, preservar a atenção não causal no 27B durante o serving, aplicar a temperatura de calibração uma única vez, normalizar probabilidades somente sobre candidatos válidos e, ao exportar para classes genéricas de geração, mapear corretamente o readout para o vocabulário. Em multimodal, respeitar o teto de pixels por imagem para reproduzir as condições de avaliação. (huggingface.co)

Benchmarks, comparação com alternativas e cenário competitivo

O ecossistema de decision models ferveu nas últimas semanas, com entradas de players independentes e de grandes plataformas. Listas curadas e agregadores mostram Perplexity ao lado de Microsoft, Cloudflare e projetos abertos como Kev e Jev, com variantes que leem texto e imagem, e diferentes protocolos de decisão tipada. Os placares oscilam a cada revisão de benchmark, mas a fotografia atual coloca o pplx-decider 27B no topo ou colado ao topo em suites recentes, enquanto o 4B lidera entre pares do mesmo porte. (github.com)

O fator preço pressiona o mercado. Documentos e capturas recentes indicam que a Perplexity reduziu o custo efetivo por milhão de tokens de entrada, chegando a metade do valor listado semanas antes. Em paralelo, veículos reportaram ofertas ainda mais agressivas em segmentos e parcerias específicas, partindo de 0,01 dólar por milhão. A mensagem é clara, decisão tipada vira commodity de alto volume e baixa margem, o que favorece quem tem serving eficiente. (usagepricing.com)

Self-host ou API, o que escolher

• Quando usar API, picos de tráfego e necessidade de elasticidade, integração simples, acesso a versões novas no dia do lançamento e zero manutenção de infraestrutura. Com cobrança apenas por entrada e saída gratuita, o custo é previsível em fluxos de classificação. (perplexity.ai)
• Quando considerar self-host, requisitos de residência de dados, latência ultra baixa on-prem, ou necessidade de customizar o pipeline de atenção e calibração. Relatos de compressão para rodar o 27B com footprints moderados mostram que é viável em GPUs de data center comuns com toolchains abertas. (turintech.ai)

Checklist técnico rápido, para reproduzir os números de avaliação no 27B, preservar atenção não causal, respeitar a temperatura de calibração fornecida e usar o mapeamento de classes exatamente como no checkpoint. No multimodal, manter a área da imagem na faixa avaliada, algo como 512 por 512, ou ajustar conscientemente sabendo que sai da distribuição. (huggingface.co)

Reflexões e insights

Modelos de decisão são a válvula de escape da inflação de tokens. Em vez de pedir a um LLM de propósito geral que pense em voz alta para chegar a uma escolha de três opções, a pipeline passa por um decider calibrado que responde com uma distribuição curta, confiável e barata. Isso reduz computação, simplifica auditoria e melhora previsibilidade. Quando a decisão depende de um documento ou imagem, a capacidade multimodal fecha o loop sem costuras entre visão e linguagem. (perplexity.ai)

A dinâmica de preço sugere uma corrida ao fundo do poço no custo por token de entrada. Isso empurra o valor para camadas de produto, curadoria de dados e serving. Para equipes, a recomendação pragmática é separar tarefas de geração livre das de decisão tipada e investir em monitoramento de calibração, já que as consequências operacionais de pequenos desvios de probabilidade podem ser grandes em produção. Benchmarks como Decision Index ajudam, mas o ouro está em dados e métricas próprias. (modelsystem.one)

Conclusão

A Perplexity abriu o jogo com dois modelos de decisão multimodais robustos, 4B e 27B, pesos abertos, licença permissiva e uma API cuja precificação por tokens de entrada é agressiva. Os relatos de preço de 0,02 e até 0,01 dólar por milhão de tokens colocam pressão no mercado e viabilizam cenários de alto volume antes inviáveis economicamente. Para quem precisa de roteamento, guardrails e classificação calibrada, é um avanço concreto. (usagepricing.com)

O próximo passo para times técnicos é validar localmente com seus próprios painéis, medir ECE, AUC e latência com dados reais e então decidir entre Flash 4B para throughput ou 27B para headroom de qualidade. O investimento se paga em previsibilidade, menos tokens e menos engenharia colateral, um movimento natural à medida que agentes e workflows ficam mais orientados a decisões do que a prosa.