决策模型价格战开打：Perplexity 开源 27B Decider，六天降价一半

六天，价格砍半

10 月 1 日，Perplexity 发布 Decider V1：27B 参数的决策模型，定价 每百万输入 token 0.04 美元，输出免费。10 月 7 日，V1.1 上线：输入降到 0.02 美元/M，输出依然是 0。六天，价格砍了一半。

放在 AI 圈的价格战史里，这个速度也算炸裂。想当年 GPT-4 降价是以季度为单位磨的，推理模型的价格战打了整整一年。决策模型这个品类诞生才三周（Jev 9 月 15 日发布），第二个玩家进场六天就把价格腰斩——这说明什么？说明在这个新赛道里，成本根本不是护城河，价格只是开场哨。

但 Decider 真正的重磅不是降价，而是四个字：开源权重。Apache 2.0 协议，27B 参数，基于 Qwen3.8-27B 微调而来。这是决策模型赛道第一个开源权重的玩家。Jev 开辟了赛道，OpenAI 跟进做了 Decisions API，而 Perplexity 选择了另一条路：把模型直接交到开发者手里。

Decider 能做什么：三种类型化判断

先说清楚 Decider 的产品形态，因为它和 LLM 的 API 完全是两种物种。Decider 不生成文本，它一次请求最多处理 128 个问题，返回三种类型化判断：

• noul：是非判断，返回 yes/no 的概率。比如"这条评论是不是垃圾信息？"——直接给你 0.91。
• choice：多选一，返回每个选项的概率外加最可能的一项。比如意图路由的五个候选项，一次返回五个概率和 top1。
• score：有序打分，对候选项做排序打分。RAG 重排、推荐排序、候选简历筛选，都是这个形态。

上下文窗口是 262,144 token。这个数字很有讲究：它足够把"一整份文档 + 几十个判断问题"一次性塞进去。128 个问题 × 长上下文，意味着你可以把一条流水线上的所有判断环节打包成一次调用——审核、分类、打分，一次搞定。

注意这个设计哲学：它不是"一个更聪明的 chatbot"，而是"一条判断流水线"。API 的输入输出都是结构化的，没有 prompt 工程，没有"请只输出 JSON"，没有解析失败。Perplexity 等于把过去两年 agent 工程师手搓的胶水层，做成了一个原生 API。

单请求 128 个问题这个上限，实际会改变流水线的写法。以前你做内容审核，可能是"先调一次 LLM 分类，再调一次打分，失败重试"，三次调用、三次延迟、三次解析。现在是一次请求里塞 128 个待审条目，一次返回 128 组概率。批处理从"应用层自己攒 batch"下沉到了"API 原生支持"，延迟和成本都是线性下降。对于日审千万级内容的平台，这一个设计细节一年能省出一支小团队的预算。

开源意味着什么

Apache 2.0，27B 参数，单卡可跑（量化后）。这意味着三件事：第一，你可以自托管，数据不出内网——金融、医疗、政务这些对数据主权敏感的场景，API 形态的 Jev 进不去，Decider 可以。第二，你可以微调，用自己的业务数据把判断校准到你的分布上——这是闭源 API 永远给不了的。第三，你可以离线跑，边缘设备、内网环境、不稳定的网络，都不再是障碍。

27B 这个参数量选得也很鸡贼：够大到有不错的判断能力，够小到部署成本可控。Perplexity 显然算过账——决策模型不需要 LLM 那种"上知天文"的广度，它只需要"在给定上下文里选得准"。这是个更窄的任务，27B 够了。

自报成绩单：85.71% 对 84.51%

Perplexity 给出的基准成绩：11 个基准、7,210 个样本，Decider 85.71%，Jev 84.51%。单项上，RAGTruth 这一项是 88.80% 对 77.27%，拉开超过 11 个点。

先把丑话说在前面：这是公司自报基准，非独立复测。样本是自己选的，基准是自己挑的，对手的版本和参数配置也是自己定的。这种"自报成绩单"在 AI 圈的可信度，大家都懂——参考价值有，验收价值没有。等第三方复测出来之前，先打个七折看。

但即使打七折，这个数字依然值得琢磨。RAGTruth 是测"幻觉检测"的基准——判断模型最核心的用武之地之一，就是给 RAG 输出做事实核验。88.80% 对 77.27%，如果这个差距是真的，意味着在"判断这段生成内容靠不靠谱"这件事上，开源的 Decider 比 Jev 准得多。而这恰恰是 agent 系统里最高频的判断环节之一：每个 RAG agent 都需要一个"验货员"。

我的判断是：别纠结 85.71 和 84.51 那 1.2 个点的差距，那是噪音级别。真正的信息是：一个开源的 27B 模型，在决策任务上已经摸到了闭源旗舰的水平线。这意味着"判断"这个任务，可能比"生成"更容易被开源追平——输出空间小、评测标准清晰，前面那篇我们说过，好测量的东西就好被追上。

经典剧本，新赛道重演

把时间线摆出来看，熟悉的味道就出来了：

• 9 月 15 日：Jev 发布，定义"决策模型"品类，闭源，8.7 亿美元 A 轮。
• 随后：OpenAI 跟进 Decisions API，巨头认证品类。
• 10 月 1 日：Perplexity 发布 Decider，开源权重，0.04 美元/M。
• 10 月 7 日：Decider V1.1，0.02 美元/M。六天，价格腰斩。

这不就是 LLM 赛道 2023-2024 年的剧本吗？OpenAI 定义品类，Anthropic/Google 跟进，然后 Meta 把 Llama 开源，价格战开打，生态爆发。只不过这一次，整个剧本被压缩到了三周。Jev 是 OpenAI，Decider 是 Llama，而 OpenAI 自己在这次剧本里扮演了"跟进者"的角色——有意思的身份互换。

剧本重演不是巧合，是结构使然。凡是"输出空间小、评测标准清晰"的模型品类，开源追平的速度都极快。LLM 的开放式生成很难评、很难追；决策模型的输出就是概率分布，基准一跑分，高下立判。Perplexity 敢开源，恰恰是因为它算准了：开源不会稀释它的优势，反而会加速生态向它靠拢。

而六天降价一半，说明 Perplexity 根本没打算在"模型能力"上和 Jev 缠斗——它打的是生态战和价格战。0.02 美元/M 的输入价格，输出免费，这个定价已经不是在赚钱，是在买 adoption。当开发者可以免费（自托管）或接近免费（API）拿到一个够用的决策模型，Jev 的 0.042 就显得贵了。价格战一旦开打，就没有回头路。

顺带说一句，这对 Jev 的 75 亿美元估值是个微妙的压力测试。TypeSafe 的 A 轮叙事建立在"判断层是高毛利基础设施"上，而 Perplexity 用六天时间证明了这一层的价格可以迅速打到地板。当然，Jev 也可以降价跟进——但 75 亿估值需要的增长故事，和 0.02 美元/M 的价格战叙事，气质上不太兼容。资本为品类付费之后，接下来要为份额付费，而份额战里，开源玩家从来不好惹。

选型指南：四种方案，什么时候用哪个

这是开发者最关心的部分。现在决策模型有四种解法，我给一个直白的选型框架——先说结论，再说场景：

什么时候用 Jev

当你需要开箱即用的最高精度，而且判断任务的价值密度极高。比如金融风控的终审环节、医疗分诊、大额交易的欺诈判定——一次误判的成本远超 API 费用，0.042 美元/M 的溢价不值一提。另外，如果你的团队没有 ML 部署能力，不想碰 GPU，Jev 的 API 是最省心的。但记住：你付的是"省心税"和"精度溢价"，而且被单一厂商锁定。

什么时候用 Decider（API 或自托管）

这是大多数团队的默认选项。高频、中低风险的判断环节：意图路由、内容分类、RAG 重排、推荐打分、A/B 测试的分流判定——调用量越大，Decider 的价格优势越明显，一天几百万次调用的话，一个月能差出几千美元。如果你的数据不能出内网，或者需要针对业务分布微调，直接自托管 27B 权重，这是 Jev 给不了的。离线场景、边缘部署，更是只能选它。

什么时候用 Cloudflare Clef

当你的判断环节长在 Cloudflare 的基础设施上。如果你已经在用 Workers、R2、AI Gateway，Clef 的价值不在模型本身，而在"零运维、全球边缘、按量计费"的一体化。延迟敏感且全球分布的场景（比如实时内容审核），边缘推理的 50 毫秒和中心化的 300 毫秒是两种体验。选 Clef 不是选模型，是选交付方式。

什么时候继续用 LLM 自己判

三种情况：第一，判断需要推理过程——不是"选 A 还是 B"，而是"为什么选 A"，需要 chain-of-thought 的复杂决策，决策模型目前还给不了；第二，调用频率极低，一天几十次，为这点量引入新依赖不值当；第三，你的判断标准三天两头变，改 prompt 比改模型/微调数据快得多——灵活性本身就是价值。

一句话总结：高频、标准、结构化的判断，迁到决策模型；低频、复杂、善变的判断，留在 LLM。未来一年，每个 agent 团队大概都会同时用上两到三种方案，混合架构是常态。

判断层正在成为 agent 标配，LLM 只负责"写"

把两篇连起来看，图景就很清楚了：Jev 定义了品类，OpenAI 认证了品类，Perplexity 开源了品类、打响了价格战，Cloudflare/AWS 把品类变成水电。三周时间，"决策模型"走完了 LLM 三年走完的路：定义、跟进、开源、降价、基础设施化。

这意味着 agent 的标准架构正在改写。过去是"一个 LLM 干所有事"：写也它写，选也它选，又贵又慢。未来是分工：LLM 负责"写"——生成文本、写代码、做总结；决策模型负责"判"——路由、分类、打分、审核、验货。中间用结构化概率通信，而不是用自然语言传话再解析。

我的预测（注明这是判断）：12 个月内，主流 agent 框架都会原生支持决策模型作为一等公民——就像今天它们都支持向量数据库一样。"decision model"会成为和"LLM"、"embedding model"并列的第三种模型配置项。而"用 LLM 生成文本再解析做判断"的做法，会像手写 SQL 拼接一样，成为 code review 里会被打回去的坏味道。

对开发者来说，好消息是选择变多了、成本变低了、不再被单一厂商锁定；坏消息是又要学一套新东西——决策模型的评测、校准、阈值调优，和 prompt 工程是两套手艺。比如 choice 返回的概率分布，你得决定 top1 低于 0.6 时是转人工还是降级到 LLM 复核；score 的分数要映射到业务动作，就得在自己的数据上重标定阈值。这些活不浪漫，但决定了你是"用上了决策模型"还是"只是调了个新 API"。

决策模型的价格战开打了，六天降价一半只是开始。等 Cloudflare 和 AWS 的定价出来，这个数字还会继续往下走。对用户来说，这是最好的消息："选得准"正在变成像"算得快"一样便宜的基础能力。

一手来源：OpenRouter 模型页（V1 2026 年 10 月 1 日发布，V1.1 2026 年 10 月 7 日）与 Perplexity 官方文档（docs.perplexity.ai）。基准数据为 Perplexity 自报，非独立复测。