最新资讯
wechat 这波杀疯了!旗舰级模型不限量、1个月视频额度免费领 dev.to 如何在专用 GPU 服务器上用 OpenAI 兼容 API 部署 LLM dev.to 审计 153 份 Claude Code 与 Codex 会话记录:User-Agent 与 URL 中的邮箱泄露 dev.to 你的 Agent Harness 应具备的 17 项能力 dev.to 离线 AI 记忆中 0.8 余弦阈值为何失效 dev.to Kimi K3.1 Pro 开放权重:自托管 2.8T 模型前的开发者清单 dev.to 如何通过工具调用引导模型以提升 Harness 质量 dev.to AI Agent 审计轨迹不等于对话记录 dev.to 精简 MCP server 工具数量:更少工具、更小影响面,双重收益 dev.to 为什么 git checkout 无法撤销 AI 编码 agent 的改动? wechat AI短剧门槛降降降!实测即梦短剧工作室:剧本分镜预演一条龙,伙伴计划长期护航 dev.to 让模型改写文档前,先量化事实保真度
多元动态
登录 注册
智能体 x.com · @Aravind Srinivas (@AravSrinivas)

Perplexity 近期开源贡献一览:多模态决策模型、本地推理引擎与 Agent 基准

原文 我的收藏

Perplexity 近期公布多项开源工作:pplx-decider-v1-27b 多模态决策模型,称在 11 项基准上平均 85.7%;pplx-embed-v2-context-9b-preview 上下文嵌入模型,称在 ConTEB 与 turbopuffer context-bench 上表现最佳;Lily 为 Apple Silicon 本地推理引擎,基于 Rust 与自研 Metal kernel,不依赖 PyTorch 或 MLX,称在 M5 Max 上 prefill 快 1.23 倍、decode 快 1.35 倍;PII-Tracer 为 0.6B 端侧 PII 分类器,并发布 PII-TRACE 基准(13 种语言、1.3 万段对话);WANDR 为面向广度和深度研究 Agent 的基准,含 500 项任务、17 万条有来源记录;Numbat 为面向笔记本和工作站的 Agent 检测与响应工具,含 52 条规则、单 Go 二进制;Bumblebee 为开发机只读供应链扫描器,覆盖包、MCP 配置及编辑器与浏览器扩展。上述性能与对比数据均来自推文自述,尚无独立验证。

AI推荐理由 Perplexity CEO 在 X 上一次性列出 7 项开源贡献,信息密度高且覆盖多模态决策模型、上下文嵌入、Apple Silicon 本地推理引擎、端侧 PII 分类器、研究 Agent 基准、终端检测响应与供应链扫描等方向,对 AI 模型、Agent 与开发工具有实际参考价值。但内容为推文自述,仅给出部分基准数字(如 85.7% 平均、1.23x/1.35x 加速、0.6B 参数),未提供模型卡、代码仓库或评测细节,'SoTA''beats OpenAI' 等表述缺乏可验证证据,且发布时间为 2026-10-02,需按原发证据理解。互动量仅作传播信号,不折算为质量分。

78 浏览 33,223 点赞 409 评论 23 转发 25

正文

a few open source contributions from perplexity recently: •pplx-decider-v1-27b: SoTA multimodal decision model. 85.7% average across 11 benchmarks, ahead of Jev. •pplx-embed-v2-context-9b-preview: SoTA contextual embeddings, best on ConTEB and turbopuffer context-bench. •Lily: local inference engine for Apple silicon. rust plus custom metal kernels, no pytorch or mlx. 1.23x faster prefill and 1.35x faster decode than MLX-LM on an M5 Max •PII-Tracer: 0.6B on-device PII classifier that decides when a hybrid compute task stays on your Mac. beats OpenAI’s Privacy Filter on all 5 public benchmarks. also released with the PII-TRACE benchmark: 13k conversations in 13 languages •WANDR: benchmark for wide and deep research agents. 500 tasks needing 170k source-backed records •Numbat: agent detection and response for laptops and workstations. 52 rules, single go binary for macOS, linux and windows •Bumblebee: read-only supply chain scanner for dev machines. covers packages, MCP configs, and editor and browser extensions. a lot more open source contributions coming soon!

来源报道 · 1 篇 · 以下链接均前往原始媒体

← 返回精选动态 原文

更多内容