Ce que fait d3

d3 est un dérivé de Qwen3.8-27B, publié sous Apache 2.0. La fiche compte 26,1 B de paramètres, dont 0,46 B pour l'encodeur de vision. Il ne génère pas de texte : on lui soumet un état (texte ou JSON, plusieurs images PNG, JPEG ou WebP, plusieurs vidéos MP4, WebM, MOV ou MKV) et des questions typées (choix, oui/non, score), et il renvoie une probabilité par réponse. C'est le même principe que clef, pplx-decider ou d1, avec la vidéo en plus. Les images sont lues jusqu'à 1,6 mégapixel, les vidéos à 2 images par seconde, 32 images au plus.

Ce que la fiche annonce, et ce qu'il faut vérifier

Le chiffre mis en avant est 65,45 sur la suite publique du Decision Index 0.3 ; le tableau détaillé donne 64,7 sur la version 0.3.1, les deux sections ne concordent donc pas tout à fait. Le gain annoncé sur le modèle précédent (Decision 2.0, 27 B) est de 8,5 points. Sur la vision, la fiche affiche 71,6 contre 70,6 pour pplx-decider ; sur la vidéo, 77,4 au Perception Test, marqué « évaluation interne ». Plusieurs résultats visuels sont signalés comme des reconstructions approximatives, et les scores des concurrents viennent du tableau de bord public, pas d'une mesure refaite. Autrement dit : tout est auto-déclaré, et le Decision Index communautaire n'a pas encore confirmé le 65,5.

Côté matériel, la fiche ne donne aucun minimum de mémoire. Les latences (55 ms en texte, 273 ms avec image, 553 ms avec une vidéo de 10 s) sont mesurées sur un AMD MI325X, une carte de centre de données. Aucun GGUF n'est listé, et l'usage passe par Transformers 5.17 avec trust_remote_code et un appel model.system_one(...). Aucune langue n'est indiquée. Pour un test sur PC, ce n'est pas le candidat du jour.

JEV-35B et Lightning 4B : la même idée, en plus léger

JEV-35B, base Qwen3.5-35B-A3B, dépasse JEV-27B-VL sur 24 des 37 benchmarks de sa fiche, avec une latence médiane de 204 ms sur B200. La fiche est franche sur ses faiblesses : connaissances et raisonnement (GPQA 0,360, HLE à 0), anglais surtout, et elle recommande encore JEV-27B-VL pour les jeux. H2O-Lightning-4B, base Qwen3.5-4B, ne cite pas le Decision Index mais un autre classement, JevBench, où il annonce 72,5 en composite ; les deux ne sont pas comparables. Son argument est ailleurs : 29 ms par décision sur une RTX PRO 4500, 7 quantisations, et une étude de seuils de routage utile en production. Au seuil 0,9, la fiche annonce 53,1 % de questions escaladées, 98,5 % de bonnes réponses sur le reste et 0,7 % de réponses confiantes mais fausses. Plus de 99 % des données d'entraînement sont en anglais.

Comment l'essayer

1. Sur un PC avec 8 à 12 Go de VRAM, prendre une quantisation de H2O-Lightning-4B dans LM Studio ou Ollama ; la fiche fournit aussi un serveur vLLM 0.30 avec un adaptateur qui expose /v1/systemone.
2. Préparer dix tickets ou factures en français avec trois questions typées : un choix (catégorie), un oui/non (pièce manquante ?), un score (urgence 0-5).
3. Passer le même lot à GLiNER2.5-Decide (CPU) et à d1-3B en GGUF, puis compter les erreurs et le taux d'escalade à 0,9.
4. Pour une mesure plus large, le jeu typed-decisions (1,6 k lignes, dont des factures) sert de référence commune.

À surveiller : la confirmation du 65,5 de d3 par le tableau de bord communautaire, l'apparition de GGUF pour d3 et JEV-35B, et surtout les premiers chiffres en français, absents des trois fiches.

Ce que fait le modèle

Un modèle de décision ne rédige pas de réponse. On lui donne un texte, éventuellement des images, et une question fermée avec ses options : « facturation », « support » ou « ventes » pour router une demande. Il renvoie une probabilité par option en une seule passe avant. Pas de JSON à réparer, un coût d'inférence prévisible.

pplx-decider-v1.1 reprend le tronc Qwen3.8-27B et remplace la tête de génération par une tête de décision (un fichier readout.safetensors de 255 × 5 120). La fiche précise une particularité : les couches d'attention complète fonctionnent en mode non causal, chaque token « voit » tout le contexte, comme dans un encodeur. L'entrée est limitée à 8 192 tokens, texte et images compris ; les entrées trop longues sont rejetées plutôt que tronquées. Les images sont ramenées à 512 × 512 pixels au plus pour reproduire les conditions d'évaluation.

Ce que la fiche annonce, et ce qu'il faut vérifier

Perplexity publie un tableau du Decision Index en cinq catégories. La v1.1 obtient 61,56 au global, contre 56,4 pour la v1 et 57,9 pour Jev. Le gain vient des catégories Language (69,5), Retrieval (61,3) et Knowledge (48,2) ; sur Tools, la v1.1 recule légèrement (78,9 contre 79,3 pour la v1). Ces chiffres sont auto-déclarés. La fiche renvoie au Space Jev Decision Index, dont nous n'avons pu lire que la description, pas le tableau.

Trois points pratiques. Les poids pèsent environ 49 Go en BF16 : il faut un GPU de 80 Go ou une quantisation. La fiche ne décrit aucun GGUF officiel ; l'arbre du modèle liste trois quantisations communautaires, sans détail. Enfin, la fiche parle d'un accès Hugging Face authentifié : un jeton peut être nécessaire au téléchargement. Les langues couvertes ne sont pas précisées.

Face à JEV-27B-VL, clef-omni et d1-omni-600M

Quatre familles partagent désormais le même format d'entrée-sortie. JEV-27B-VL repose sur la même base Qwen3.8-27B, mais garde un tronc intact et ajoute un adaptateur LoRA : il peut donc aussi générer du texte (« System 2 »), accepte jusqu'à 256 k tokens et expose une route /v1/decide dans vLLM. Sa fiche le place premier du Decision Index Vision (69,8, évaluation communautaire du 7 octobre) avec une erreur de calibration de 0,019. Elle précise aussi que la tête de décision n'a été entraînée que sur du texte : les décisions sur image sont zero-shot.

Deux remarques. clef-omni est le seul à accepter l'audio et la vidéo, mais sa fiche ne publie pas de score Decision Index global, seulement des benchmarks internes (MMLU 92,7 %, 60,2 % d'actions exactes sur un flux de factures). d1-omni-600M est le seul qui tourne sur CPU ; son score de 15,95, calculé par Liquid AI avec le scorer officiel et non soumis au tableau, donne la mesure de l'écart avec les 27 B. Le choix dépend donc du matériel disponible plus que du classement.

Comment l'essayer

1. Sans GPU : commencer par d1-omni-600M, ou par GLiNER2.5-Decide vu hier, pour valider le format « question fermée + options » sur un échantillon de vos courriers ou factures.
2. Avec un GPU de 24 Go : attendre une quantisation de pplx-decider. La fiche n'en documente pas, et le modèle n'a pas de lm_head complet, ce qui complique les conversions habituelles.
3. Avec un GPU de 80 Go : lancer JEV-27B-VL sous vLLM avec --max-num-seqs 8 (obligatoire selon la fiche, sinon les probabilités sont fausses), puis pplx-decider via son script autojev.model en Python 3.12, et comparer sur les mêmes lignes.
4. Mesurer vous-même : le jeu typed-decisions (1,6 k décisions, dont des factures) sert de base commune ; regarder la calibration plutôt que la seule précision.

À surveiller : l'inscription de pplx-decider au tableau communautaire, et l'arrivée d'une version quantisée qui le rendrait exploitable sous 80 Go.