Perplexityは2026年11月12日、分類や採点などの判断処理に特化したAIモデル「Decider」のv1.3を公開しました。今回の更新では、新機能「locate(ロケート)」を追加しています。入力文から条件に合う文字列を探し、その文字列と位置を返せるようになりました。

Deciderは、入力に対して選択肢ごとの確率を返すモデルです。長い回答文を作るよりも、問い合わせの振り分け、規約への適合確認、申込書からの情報抽出などを、決まった形式で処理したい開発者に向いています。ただし、文字列を抽出できても、その内容まで正しいとは限りません。Deciderの用途と、運用時の注意点を確認しましょう。

Decider v1.3はYes/No・選択式分類・採点を行う判断特化型AI

Deciderは、一般的なチャットAIとは目的が異なります。質問に自然な文章で答えるのではなく、与えられた情報を分類・評価するモデルです。「はい/いいえ」「複数候補のうちどれか」「評価段階のどこに当たるか」を判定し、各候補の確率を出力します。Perplexityは、さまざまな用途に使える分類器として位置づけています。

Deciderが対応する問いは、二者択一のYes/No、任意のラベルから選ぶmultiple choice、順序のある段階で評価するscoreの3種類です。たとえば、受信メールを「見積依頼/サポート/営業」に分類したり、回答が提出資料に沿っているかを点検したりできます。判定対象の情報を「state」として渡し、その情報を使って複数の問いを処理する設計です。

開発者はこの方式を使うと、自由文で返された回答をあとから解析する手間を減らせます。一方、Deciderが出力する確率は、「事実が正しい確率」を保証するものではありません。判定対象のデータや正解ラベルの作り方に偏りがあれば、判定結果も偏る可能性があります。

新機能「locate」は入力文の一致箇所と開始・終了位置を返す

v1.3で追加されたlocateは、元の文章から該当箇所を抜き出す機能です。「求人票の勤務地を抽出」「文書に記載された会社名を取得」などと指示すると、モデルが原文を探し、文字列と開始・終了の文字位置を返します。該当箇所が見つからない場合は、空の結果を返すよう学習されています。

抽出結果を画面に表示する際は、改行や文字の正規化によって位置がずれないかも検証してください。文字の正規化とは、表記の違いを一定の形にそろえる処理です。とくに規約審査では、担当者が抽出箇所を原文上で確認できることが、実用上の前提になります。

たとえば、求人票に「勤務地:東京都港区」と書かれていれば、「勤務地を示す箇所を抽出」と指示して、結果を原文と照合できます。開始・終了位置を使えば、抽出箇所を強調表示する確認画面も作りやすくなります。生成AIに文脈から地名を推測させるのではなく、原文にある文字列を取り出したい用途に向いています。

Perplexityの技術解説によると、同社はlocate専用の出力部分と、機能を追加するLoRAアダプターを用意しました。通常の判定処理とは切り分けて動かす設計です。アダプターを本体に統合すると判定性能に一部影響が出たため、必要なときだけ有効にする方式を採用しています。機能追加には性能上の兼ね合いがあることも、公表されています。

1つの入力で分類・採点・位置抽出を組み合わせられる

Perplexityの説明では、Deciderは1つの入力に対して、複数の判断と抽出を組み合わせられます。たとえば求人情報を1回読み込み、「管理職経験が必須か」をYes/Noで判定し、「募集職種」を分類し、「必要な資格の記述」をlocateで抜き出す使い方です。入力文を何度も別モデルへ渡す方法に比べて、アプリ側の実装を単純にできる可能性があります。

社内の問い合わせ管理では、内容の分類と優先度の採点を同時に行えます。顧客名や注文番号に当たる部分も抽出し、担当者の確認画面へ表示できます。規約審査では「要確認」という判定だけでなく、判断に使った箇所も見せることで、人によるレビューにつなげやすくなります。ただし、抽出位置そのものが法的な根拠や正解を意味するわけではありません。個人情報を扱う場合は、送信先・保存期間・アクセス権を事前に設計してください。

Perplexityは、検索結果の評価、リクエストの振り分け、コンテンツの審査などを活用先に挙げています。導入担当者が精度や処理時間を評価する際は、用途別の正解データで測ってください。チャットAIと漠然と比較するよりも、業務に合うかどうかを判断しやすくなります。

通常版とFlash版を、API・公開ウェイトの2つの方法で利用できる

公開されたのは、Decider v1.3の通常版と、処理の軽さを重視した「Decider Flash v1.3」です。PerplexityはAPI経由の利用に加え、モデルの重みも公開しています。重みは、モデルが学習した結果を保持するデータです。開発者はモデルを自分の環境で動かし、実装を検証できます。

APIを使う場合は、提供元の更新を受けながら利用できます。自分でモデルを運用する場合は、推論を実行する環境とデータ管理を、自分で設計する必要があります。

通常版とFlash版は、単純な新旧の違いではありません。大量の文書を短時間で分類する業務では、軽量版の処理量が合う場合があります。一方、複雑な判断を任せる場合は、通常版の品質も検証してください。公開されている評価値はPerplexity自身の試験条件に基づくもので、業務データでの性能を保証するものではありません。

Decisions APIの料金は、モデル、入力トークン数、追加機能によって変わる可能性があります。トークンは、AIが文章を処理する際の単位です。実装時には公式APIの最新料金表を確認し、入力文を毎回送る設計で、どの程度課金されるか見積もってください。公開ウェイトを使える場合も、サーバー費用や運用負担がなくなるわけではありません。

導入前に誤分類・抽出漏れ・費用・しきい値を検証する

導入担当者は、テスト用の文章を正例・誤例・曖昧な例に分けて用意してください。とくにlocateでは、「該当語が存在しない」「似た表現が複数ある」「改行や表記揺れが混じる」場合を点検しましょう。対象の表現を原文から正確に取り出せているか、人が確かめる仕組みも必要です。

判定型モデルでは、判断の境目となる「しきい値」の設定が品質を左右します。たとえば「迷惑メールの確率が何%なら隔離するか」を決める場合は、取りこぼしと誤隔離の両方を測る必要があります。v1.2からv1.3への変更で確率の分布が変わる可能性があるため、既存のしきい値を検証せずに引き継がないでください。

Decider v1.3は、「どれに当たるか」「どこに書かれているか」を重視する業務の選択肢を増やしました。まずは対象を限定して検証してみましょう。分類の正答率だけでなく、抽出漏れ、レビュー時間、API費用も含めて、導入を判断してください。

関連解説:AIエージェント(AI Agent)とは?仕組みとチャットAIとの違い。