这是什么

Perplexity 这周在 Hugging Face 上线了 Decider 27B，一个开源的「决策模型」（开源指模型权重公开、谁都能下载使用）。它的底座是阿里通义千问 Qwen3 系列的 27B 模型（参数 270 亿的通用大语言模型），Perplexity 在它上面做了专门微调——用额外数据再训练一遍，让模型专精某一类任务。

和通用聊天模型不同，Decider 27B 不擅长写文章、编故事，它的核心能力是面对选项时给出判断：比如 A/B 方案选哪个、这篇文章该不该读、这条代码改得对不对。这类能力在企业做流程自动化、内容审核、风控初筛时并不稀缺却很刚性。

行业怎么看

支持方认为，这是「垂直化」路线的胜利。通用大模型大家都在做，但具体干活（评分、判别、筛选、路由）反而是更刚性的需求。Perplexity 做 AI 搜索出身，手里积累了大量「判断哪个搜索结果更准」的标注样本，迁移到「决策模型」是顺手的事。

但质疑声更值得听。LocalLLaMA 社区用户指出，「决策模型」不算新概念，过去几年学术界已经做过大量类似工作；Perplexity 这版只是 Qwen3 的微调，并非从零训练，技术含量被市场高估。也有从业者提醒：开源权重 ≠ 可以随便商用，要看具体的许可证条款对商业使用的态度。

编辑部的判断是：这件事本身不算大新闻，但它是一个清晰的信号——2025 年大模型竞争从「谁更像人」转向「谁能干具体活」。

对普通人的影响

对企业 IT：可以尝试用这类决策模型做内部审批、客户分级、风险初筛等流程，成本比纯人工低，准确性比通用模型更可控。

对个人职场：日常工作中的「选 A 还是选 B」类决策——选方案、选供应商、选汇报模板——可能最先被这类模型接管一部分认知负担。

对消费市场：短期看不到直接影响，决策模型主要活在企业后台，不会直接做成面向用户的产品。