Perplexity brengt beslismodel uit dat bovenaan benchmark scoort

TL;DR

• Wat: Perplexity heeft een open-source AI-model gelanceerd — Decider — dat specifiek gebouwd is om gestructureerde beslissingen te nemen, en claimt daarmee de eerste plek op een beslisbenchmark.
• Waarom relevant: Een AI-model dat voor een fractie van een cent classificeert, routeert of beoordeelt, kan voor ondernemers interessant zijn bij taken als klantvragen sorteren of documenten labelen.
• Wat je ermee kunt: Bekijk of je bedrijf repetitieve ja/nee- of categorie-beslissingen heeft die je nu handmatig doet — dit type model is daar specifiek voor ontworpen.

Arav Srinivas, de CEO van Perplexity, deelde begin oktober 2026 dat hun Decider-model bovenaan scoort op een beslisbenchmark — én dat het de laagste kosten heeft. Ik vond dat een opvallende combinatie, want normaal gesproken betekent "het beste" zelden ook "het goedkoopste". Reden genoeg om uit te zoeken wat hier precies speelt.

Wat is een beslismodel eigenlijk?

De meeste AI-modellen die je kent — ChatGPT, Claude, Gemini — zijn ontworpen om tekst te genereren. Je stelt een vraag, je krijgt een lopend antwoord. Een beslismodel werkt fundamenteel anders. Het genereert geen tekst, maar geeft een gestructureerd antwoord: ja of nee, een keuze uit opties, of een score op een schaal.

Denk aan het verschil tussen iemand die een heel verhaal vertelt over waarom een e-mail spam is, versus iemand die simpelweg zegt: "Spam. Zekerheid: 94%." Dat tweede is wat een beslismodel doet.

Perplexity's Decider is een model van 27 miljard parameters, gebouwd bovenop het open Qwen3.8-model. Het is uitgebracht onder een Apache 2.0-licentie, wat betekent dat je het als bedrijf vrij kunt draaien en aanpassen. Het model kan tot 128 vragen tegelijk beantwoorden over dezelfde content — stel dat je een klantenservice-e-mail wilt classificeren op urgentie, onderwerp én sentiment tegelijk.

De benchmarkclaim: wat weten we écht?

Hier wordt het interessant, en eerlijk gezegd ook wat ondoorzichtig. Srinivas noemt in zijn tweet "DecisionBench", maar die exacte naam is lastig te traceren naar één specifiek, onafhankelijk leaderboard. Er zijn meerdere benchmarks in omloop.

Wat ik wel kon verifiëren:

Perplexity's eigen Decision Panel

Op 1 oktober 2026 publiceerde Perplexity resultaten van een eigen testpanel met 7.210 testrijen over 11 taken. Decider v1 scoorde daar 85,71% — boven TypeSafe's Jev-model (84,51%) en het basis Qwen-model (74,76%). Maar let op: deze resultaten zijn door Perplexity zelf gerapporteerd. BenchLM, een onafhankelijke tracker, vermeldt de cijfers maar zegt er expliciet bij dat ze het panel niet zelf hebben herhaald.

Decision Index 0.3

Op 6 oktober volgde een update: Decider v1.1. Die scoort volgens Perplexity het hoogst op de Hugging Face Decision Index 0.3, met een overall score van rond de 61-63 punten. Maar ook hier lopen de cijfers uiteen. Eén bron noemt 61,56, een andere 62,8 — en weer een andere ranglijst plaatst concurrent Jev juist boven Perplexity.

Waar het model níét wint

Wat mij opvalt: als je inzoomt op individuele taken, is het beeld genuanceerder. Op de BBH-benchmark (Big Bench Hard, een verzameling redeneer-taken) scoort Jev 94,27% tegenover Decider's 82,80%. Op JudgeBench staan ze nagenoeg gelijk. Het overall gemiddelde wordt sterk beïnvloed door taken waar Decider groot uitpakt, zoals RAGTruth (88,80% versus 77,27% voor Jev).

Ik vind het belangrijk om dit te benoemen, want "eerste plek" klinkt absoluut — maar de werkelijkheid is dat het per taak verschilt.

De kostenkant: wat kost dit in de praktijk?

Dit is misschien wel het meest concrete onderdeel voor ondernemers. Decider v1 werd aangeboden via Perplexity's Decisions API voor $0,04 per miljoen invoertokens, met gratis uitvoer. De v1.1-update halveerde dat naar $0,02 per miljoen invoertokens.

Om dat in perspectief te plaatsen: een miljoen tokens is ruwweg 750.000 woorden. Stel dat je dagelijks 500 klantenservice-e-mails wilt laten classificeren van gemiddeld 200 woorden per stuk. Dan verwerk je zo'n 100.000 woorden per dag, ofwel circa 133.000 tokens. Voor een volle maand — laten we zeggen 22 werkdagen — kom je op zo'n 2,9 miljoen tokens. Dat kost dan minder dan $0,06 per maand.

Ik moet hier wel bij zeggen: dit zijn de tokenkosten. In de praktijk komen er infrastructuurkosten bij als je het model zelf draait, of API-overhead als je de gehoste versie gebruikt. Maar de orde van grootte is opvallend laag.

Wat betekent dit voor een ondernemer?

Een beslismodel als Decider is geen chatbot en geen assistent. Het is een classificatie-engine. Kun je je voorstellen wat dit betekent als je dagelijks honderden documenten, berichten of aanvragen moet sorteren?

Denkbare toepassingen:

• Klantenservice-routing: binnenkomende berichten automatisch toewijzen aan de juiste afdeling
• Documentclassificatie: facturen, offertes en klachten herkennen en labelen
• Contentmoderatie: reacties op je platform beoordelen op toon of geschiktheid
• Kwaliteitscontrole: productbeschrijvingen scoren op volledigheid

Het feit dat het model open-source is, maakt het extra interessant voor bedrijven die gevoelige data verwerken. Je hoeft je gegevens niet naar een externe API te sturen — je kunt het model op eigen servers draaien.

Kanttekeningen die ertoe doen

Ik wil eerlijk zijn over wat ik niet heb kunnen verifiëren. De exacte benchmark die Srinivas "DecisionBench" noemt, is niet eenduidig te herleiden naar één onafhankelijk, breed geaccepteerd leaderboard. De resultaten die ik vond, zijn grotendeels door Perplexity zelf gepubliceerd of door bronnen die de data van Perplexity overnemen zonder onafhankelijke verificatie.

Dat maakt de claim niet per se onwaar, maar het maakt het wel lastig om te zeggen: "Dit is bewezen het beste model." Wat ik wél kan zeggen is dat het prijspunt opvallend laag is, dat de open-source licentie het toegankelijk maakt, en dat het idee van gespecialiseerde beslismodellen — los van generieke chatbots — een richting is die ik steeds vaker zie opduiken.

Voor mij is dit vooral een signaal dat AI-modellen steeds meer worden opgesplitst in gespecialiseerde tools. Niet één model dat alles doet, maar specifieke modellen voor specifieke taken. En eerlijk gezegd denk ik dat die trend voor ondernemers relevanter is dan de vraag welk model op welke benchmark bovenaan staat.