# PPLX Decider v1.2 и Flash: несколько решений по одному тексту или изображению

Источник: https://modelium.tech/zhurnal/pplx-decider-v1-2-flash-joint-questions-local/

Perplexity разместила две версии PPLX Decider v1.2: большую на базе Qwen3.8-27B и более компактную Flash на базе Qwen3.5-4B. Они могут отвечать на несколько вопросов об одном тексте или изображении за один запрос. Это модели для выбора и оценки вариантов, а не обычные чат-боты; опубликованный путь запуска рассчитан на Python и видеокарту NVIDIA с CUDA, не на домашнюю установку в один клик.

PPLX Decider v1.2: что изменилось для локальной обработки данных

**Проверено 18 октября 2026 года.** Perplexity разместила две модели для принятия небольших решений по входным данным: PPLX Decider v1.2 и Flash v1.2. Оба репозитория созданы 15 октября; изученные версии файлов обновлены 16 октября. Это не модели для свободного разговора: они помогают, например, определить категорию обращения и оценить его срочность, не отправляя текст на внешний сервис при собственном локальном запуске. Сам Modelium их не запускал. [s1](#src-s1) [s2](#src-s2)

## Зачем нужна новая версия?

В прежней версии вопрос к тексту обрабатывался отдельно. Теперь одному и тому же тексту или изображению можно задать несколько вопросов в одном запросе: например, «какому отделу передать письмо?» и «требуется ли срочная реакция?». Для большой модели авторы называют это способом не повторять обработку общей части запроса; ответы оформляются отдельно по каждому вопросу. Небольшая Flash обучена на ответах больших моделей и использует тот же формат запроса. [s1](#src-s1) [s2](#src-s2)

Если вы оцениваете независимые варианты — например, десятки документов для поиска, — не объединяйте их автоматически: авторы Flash рекомендуют по умолчанию отправлять по одному вопросу на запрос. В их собственных тестах Decision Index 0.3 Flash получила 60,05 балла в таком режиме и 58,88 при совместном запросе; большая v1.2 получила 68,09 при совместном запросе. Это результаты разработчиков на их наборе заданий, не проверка Modelium и не обещание того же качества на русских письмах. [s1](#src-s1) [s2](#src-s2)

## Что доступно сейчас и что нужно для запуска?

Официальные репозитории содержат файлы весов, отдельный модуль ответа, исходный Python-код и Apache License 2.0. Flash основана на Qwen3.5-4B, большая версия — на Qwen3.8-27B; файлы весов и условия базовых моделей указаны в NOTICE. Для опубликованной авторами Python-инструкции нужны Python 3.12+ и CUDA-видеокарта: карточка Flash говорит примерно о 9 GiB под веса BF16 **плюс рабочая память**, карточка большой модели — примерно о 52 GiB под веса **плюс рабочая память**. Эти числа не следует принимать за проверенный минимум видеопамяти для любого запуска. [s1](#src-s1) [s2](#src-s2) [s4](#src-s4)

В карточках и манифестах обеих моделей до сих пор написано, что репозитории закрыты и для загрузки нужен токен Hugging Face. При проверке 18 октября страницы API и первый шард весов каждого репозитория отвечали без токена; документы противоречат фактическому публичному доступу на эту дату. Доступ может измениться: перед планированием установки проверьте его в официальных карточках. Обычный генератор текста или чат-интерфейс не заменит специализированный модуль ответа Decider. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Подойдёт ли это для домашнего компьютера?

Это новость о доступных моделях, а не проверенный домашний рецепт. Официальная инструкция требует Python и NVIDIA CUDA; путь для Mac или простого графического интерфейса в этих карточках не описан. В проект Ollama 17 октября влили поддержку v1.2 для MLX, но на момент проверки она присутствует лишь в кандидате релиза 0.40.7-rc0, а автор запроса на изменение сообщает, что манифесты моделей Ollama ещё не созданы. Поэтому мы не рекомендуем пока копировать команду `ollama run` как готовый способ запуска. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5)

**Следующий шаг:** если у вас подходящая CUDA-среда и нужен выбор категории для ваших данных, откройте официальную карточку Flash и сверьте её требования до загрузки. Для сравнения с предыдущим поколением посмотрите [публикацию о Decider v1.1](https://modelium.tech/zhurnal/pplx-decider-v1-1-27b-mlx-4bit-mac/). Проверяйте ответы на собственных размеченных примерах: авторский тест не доказывает качество именно вашей задачи. [s2](#src-s2)

## Источники

1. [Perplexity AI, pplx-decider-v1.2 model card and files, revision 225c913d](https://huggingface.co/perplexity-ai/pplx-decider-v1.2/tree/225c913ddc8761a8264f04f64548e1f97e443eb3) — получено 2026-10-18
2. [Perplexity AI, pplx-decider-flash-v1.2 model card and files, revision 6d771ad7](https://huggingface.co/perplexity-ai/pplx-decider-flash-v1.2/tree/6d771ad7b5ecff5e93b8fc7b90d4c5ccc341954d) — получено 2026-10-18
3. [Hugging Face model API: Perplexity Flash v1.2](https://huggingface.co/api/models/perplexity-ai/pplx-decider-flash-v1.2) — получено 2026-10-18
4. [Qwen base model Apache-2.0 license](https://huggingface.co/Qwen/Qwen3.5-4B/blob/851bf6e806efd8d0a36b00ddf55e13ccb7b8cd0a/LICENSE) — получено 2026-10-18
5. [Ollama PR #19072, support for PPLX Decider v1.2](https://github.com/ollama/ollama/pull/19072) — получено 2026-10-18