pplx-decider-v1.1-27bの判断精度が 56.4 から 61.56 に向上。
この記事のポイント
- 画像判断モデルの更新版
- スコアが61.56に向上
- 重み49GiBと動作メモリ必要
数字で見る
この記事に出てくる数字
| スコア向上 | 56.4→61.56 |
|---|---|
| Jev差 | 3.5点 |
| 重みサイズ | 49 GiB |
どこで使えるか
画像判断モデルを自前で動かしたい人向け。CUDA GPUに重み約49GiB分の空きと動作メモリが必要 Hugging Faceで公開済み CUDA GPU、Python 3.12+、認証必要
スポンサーリンク
解説
かみくだいて説明します
perplexity-ai が 2026-10-05 に、画像判断モデルの pplx-decider-v1.1-27b を公開しました。判断精度を示すスコアが、これまでの 56.4 から 61.56 に上がりました。
およそ 5 点上がりましたね。同じ骨格なのに、どこが新しいんですか?
主に 2 つの理由です。1 つは因果マスクという制約を外して、画像の情報をより自由に使えるようにした点です。もう 1 つは、tasksource というデータセットを追加で学習に使った点です。
制約を外して新しいデータで鍛えたわけですね。では、動かすのに必要な GPU の容量はどれくらいですか?
重みのサイズだけでおよそ 49 GiB 必要です。それに作業用のメモリも加える必要がありますから、49 GiB を上回る VRAM を積んだ CUDA 対応の GPU が必要です。
49 GiB だと高スペックな GPU が必要ですね。画像のサイズは自分で調整するんですか?
自動で縮小されますから、手動で調整する必要はありません。ただし、1 枚あたりの画像サイズは 2048 対 2048 ピクセルが上限です。これを超えると自動的に小さくなります。
4,096 個のトークンという数字だけだとイメージが掴めません。トークンは何を数えているんですか?
画像を 32 対 32 の小さな四角に区切って、その四角 1 つを 1 つのトークンとして扱います。写真の解像度を、積み木 1 個 1 個に置き換えて数えているイメージです。
積み木で数えるんですね。では、スコアは他のモデルとどう比べて測っているんですか?
単純な平均ではなく、各カテゴリーの重みをつけて合計する方式で測っています。Jev というモデルを 3.5 点以上上回っています。
重みづけで測っているんですね。では、画像サイズの上限はコード上で変えられるんですか?
変えられます。これまで 512 対 512 ピクセルで固定されていた上限を、設定ファイルから変更できるようにしました。
最後に、一般のユーザー向けに公開されているんですか?
プライベートなリポジトリなので、Hugging Face でのアクセス認証が必要です。
出典
この記事のもとになった情報
- Hugging Face:perplexity-ai/pplx-decider-v1.1-27b
- 公開日:2026-10-05
※ 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。