Perplexity publie deux modèles d’embeddings sous licence MIT

Perplexity AI publie pplx-embed-v2-late en deux versions destinées à des usages distincts. La première compte 0,6 milliard de paramètres et vise une exécution sur des appareils périphériques. La seconde compte 9 milliards de paramètres et sert à construire des index de haute qualité. Les deux modèles sont proposés sous licence MIT. Ils sont également prêts pour l’auto-hébergement. Perplexity présente donc une même famille avec deux échelles de déploiement. Le modèle compact répond à une contrainte de taille. Le modèle plus grand cible la qualité des index. L’annonce a été publiée le 7 octobre 2026 par MarkTechPost. Lire l’article original.

Deux tailles structurent la proposition de Perplexity AI. Le modèle 0,6B est décrit comme un modèle conçu pour fonctionner sur des appareils edge. Le modèle 9B est présenté pour créer des index de haute qualité. Cette séparation associe donc le nombre de paramètres à une destination annoncée. Le résumé de l’annonce ne fournit pas de résultat distinct pour chaque taille. Il indique toutefois un meilleur score de 92,4 % sur MADQA pour l’ensemble présenté. Il indique aussi un score le plus faible de 61,2 % sur ViDoRe v3 Markdown. Ces deux repères donnent une lecture comparative des performances rapportées par l’annonce, publiée le 7 octobre 2026.

Perplexity détaille les scores

Les évaluations rapportées couvrent MADQA et ViDoRe v3 Markdown. Sur MADQA, le meilleur score annoncé atteint 92,4 %. Sur ViDoRe v3 Markdown, le score le plus faible annoncé atteint 61,2 %. Ces chiffres proviennent du résumé de l’annonce consacré à pplx-embed-v2-late. Ils ne décrivent pas deux versions séparées dans le détail fourni. Le score de 92,4 % constitue la meilleure performance indiquée. Le score de 61,2 % constitue la moins élevée indiquée. Les noms des évaluations permettent d’identifier les deux points de comparaison utilisés pour présenter la famille de modèles publiée par Perplexity AI.

La licence MIT s’applique aux deux modèles de pplx-embed-v2-late. Cette licence est indiquée avec la possibilité de les auto-héberger. Le modèle de 0,6B est associé aux appareils edge. Le modèle de 9B est associé à la construction d’index de haute qualité. Ces éléments décrivent les conditions d’accès et les usages annoncés. Ils ne constituent pas un résultat de déploiement observé. L’annonce présente une disponibilité prête pour l’auto-hébergement, dans un article publié le 7 octobre 2026. Elle ne chiffre ni le temps d’exécution, ni la mémoire nécessaire, ni le coût d’un déploiement. La comparaison reste donc centrée sur la taille, les scores et la licence.

Deux modèles prêts à héberger

Le choix du modèle dépend ainsi de la destination annoncée. Le format 0,6B correspond à l’exécution sur des appareils edge. Le format 9B correspond à la création d’index de haute qualité. Perplexity AI réunit ces deux options sous le nom pplx-embed-v2-late. Les deux modèles partagent la licence MIT. Les deux modèles sont prêts à être auto-hébergés. L’annonce associe le score de 92,4 % à MADQA et celui de 61,2 % à ViDoRe v3 Markdown. Ces résultats fournissent les principaux repères chiffrés communiqués pour cette publication du 7 octobre 2026. Consulter le signal IA.

La publication du 7 octobre place donc trois informations au centre de l’annonce. Perplexity AI propose d’abord deux tailles, 0,6B et 9B. Le modèle compact vise les appareils edge, tandis que le modèle de 9B vise les index de haute qualité. Ensuite, le meilleur score annoncé atteint 92,4 % sur MADQA. Enfin, le score le plus faible atteint 61,2 % sur ViDoRe v3 Markdown. La licence MIT et l’auto-hébergement concernent les deux modèles. Ces éléments résument la version pplx-embed-v2-late présentée par Perplexity AI dans l’article de MarkTechPost.