Perplexity: Decider Flash V1.2 to model decyzyjny od Perplexity, wydany 16 października 2026. ScaleDown: Classify-1 to również model decyzyjny, stworzony przez ScaleDown i wydany kilka dni wcześniej, 13 października 2026. Oba należą do tej samej kategorii, więc żaden z nich nie jest modelem ogólnego przeznaczenia do rozmowy w zwykłym sensie. Przyjmują dane wejściowe i zwracają decyzje, co oznacza, że należy oczekiwać ich użycia jako klasyfikatorów lub komponentów routingu wewnątrz większego potoku, a nie jako asystentów konwersacyjnych.
Najwyraźniejszy podział między nimi dotyczy skali. ScaleDown: Classify-1 obsługuje okno kontekstu o rozmiarze 1 000 000 tokenów, około czterokrotnie większe niż 262 144 tokeny, które przyjmuje Decider Flash V1.2, więc po niego należy sięgnąć, gdy dane wejściowe to długi dokument, duża partia rekordów lub transkrypcja, która w innym wypadku wymagałaby podziału na fragmenty. Decider Flash V1.2 przyjmuje tekst i obrazy jako dane wejściowe. ScaleDown: Classify-1 przyjmuje tekst, obrazy i pliki, więc obejmuje o jeden tryb wejściowy więcej. Oba zwracają wyłącznie decyzje i żaden nie wymienia obsługiwanych parametrów, więc w żadnym z nich nie można dostroić zachowania próbkowania poprzez treść żądania. Jeśli chodzi o cenę, Decider Flash V1.2 jest tańszy z tej dwójki pod względem tokenów wejściowych; porównanie dla tokenów wyjściowych nie różni się w istotny sposób, więc różnice w kosztach będą widoczne głównie po stronie danych wejściowych.
W codziennej pracy wybór sprowadza się zwykle do tego, ile danych wprowadzasz i w jakiej formie one przychodzą. Jeśli dane wejściowe są krótkie lub umiarkowane, głównie tekstowe z okazjonalnym obrazem, i chcesz utrzymać niskie koszty danych wejściowych, Decider Flash V1.2 jest naturalnym domyślnym wyborem. Jeśli dane wejściowe są bardzo długie lub przychodzą jako pliki, a nie wklejony tekst, ScaleDown: Classify-1 oszczędza ci pracę związaną z wyodrębnianiem i dzieleniem na fragmenty, a jego większe okno oznacza mniej wywołań na dokument. Tam, gdzie oba modele się pokrywają, przy zwykłej klasyfikacji tekstu z obrazami, tańsza cena danych wejściowych w Decider Flash V1.2 jest czynnikiem rozstrzygającym, chyba że zbliżasz się do jego limitu kontekstu.
Wywoływanie któregokolwiek z tych modeli przez api14 działa w ten sam sposób, ponieważ API jest zgodne z OpenAI. Kierujesz swojego istniejącego klienta na bazowy adres URL api14, zachowujesz zwykły kształt żądania i zmieniasz tylko identyfikator modelu. Użyj "perplexity/pplx-decider-flash-v1.2" dla Decider Flash V1.2 i "scaledown/classify-1" dla ScaleDown: Classify-1. Wszystko inne w żądaniu, w tym sposób wysyłania tekstu i obrazów, pozostaje bez zmian, więc przełączanie między nimi na potrzeby testu A/B to zmiana jednej linii, a nie projekt integracyjny.
Jest jeden przypadek, w którym drugi model wciąż jest lepszym wyborem, nawet jeśli standaryzowałeś się na jednym. Jeśli zdecydowałeś się na ScaleDown: Classify-1 ze względu na jego długi kontekst i obsługę plików, Decider Flash V1.2 nadal warto zachować do klasyfikacji o dużym wolumenie i krótkich danych wejściowych, gdzie jego tańsze ceny danych wejściowych znaczą więcej niż rozmiar okna. Odwrotnie, jeśli Decider Flash V1.2 jest twoim domyślnym wyborem, trzymaj ScaleDown: Classify-1 w rezerwie dla dokumentów, które po prostu się nie zmieszczą.