pplx-decider-v1-27bが公開。11テストで精度を確認し、約49GiBのGPUメモリで動作。
この記事のポイント
- Qwen3.8-27Bをファインチューニング
- 11ベンチでPerplexity APIで測定
- 49GiBのGPUメモリとCUDAが必要
数字で見る
この記事に出てくる数字
| ベンチマーク数 | 11 |
|---|---|
| 必要メモリ | 49 GiB |
どこで使えるか
判断ロジックを自前で組みたい人向け。49GiBのGPUメモリとCUDA環境が要る Hugging Faceで公開済み CUDA GPUと49 GiB以上の空きメモリが必要
スポンサーリンク
解説
かみくだいて説明します
perplexity-aiが、2026-10-02に判断モデルのpplx-decider-v1-27bを公開しました。Qwen3.8-27Bを基に判断能力だけを鍛え直し、11種類のテストでPerplexityのAPIを通して正確さを測った結果、各行の太字が最高スコアになっています。
判断能力だけを鍛え直すというのは、まるで専門科医のような話ですね! 作る側からすると、既存のモデルを丸ごと入れ替える話ですか?
丸ごと入れ替えるわけではありません。もともと計算能力のあるQwen3.8-27Bの上に、正解を出す練習だけを積む訓練を施しています。つまり、辞書を引きながら文章を書くのではなく、問われたことにYESかNOかを即座に返す訓練だけを集中して行った状態です。
基礎体力はそのままに判断の練習だけ増やすんですね! 動かすのにどれくらいの環境が要りますか?
Python 3.12以上と、CUDAに対応したGPUが必要です。重さと作業用のメモリを合わせるとおよそ49GiBの空き容量が必要になります。インストールはuvというツールで依存関係を揃え、Hugging Faceからモデルをダウンロードするだけで動きます。
49GiBといえば、一般的なグラフィックボードでは足りない規模です! 指示を送る時のJSONという形式ですが、そこがまだ掴めません。もう少しやさしく言うとどうなりますか?
要するに、決まり切った形のメモを渡すイメージです。typeとinstructionsという二つの欄に、判断したい内容と質問文をそれぞれ書き込むだけで、モデルがそれを読み取って答えを返します。画像の場合はimagesという欄に写真のファイル名を足すだけです。
写真から情報を選んで判断するというのは、目視でチェックリストをなぞる作業に近いですね! 精度は11のベンチマークで測ったとのことですが、まだ解けている部分はありますか?
11のテストでPerplexityのAPIを通じて数値を出していますが、それぞれのテストで使われているデータの中身や、実務で使う場合の遅延時間については、ここには記載がありません。そこはまだ分かっていません。
実務の遅延やデータの中身は不明なんですね! 自分のシステムに組み込む場合、公開されているのはコードだけですか?
公開されているのは、重みと推論の例です。Hugging Faceからダウンロードして、uvで環境を整えれば直接Deciderとして使えます。訓練の詳細は、要旨には書かれていません。
最後に、訓練の詳細が伏せられているのは、今後公開される見込みはないんですか?
訓練の詳細がいつ公開されるかは、ここには記載がありません。そこはまだ分かっていません。判断だけを専門にするモデルですから、審査や分類、リスク判定といった場面で使われる見込みです。ここで分かるのは11個のベンチマークでの成績だけで、それ以上の使い方は要旨からは分かりません。
出典
この記事のもとになった情報
- Hugging Face:perplexity-ai/pplx-decider-v1-27b
- 公開日:2026-10-02
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。