# Perplexity AI bringt zwei neue Embedding-Modelle heraus

> Das Unternehmen veröffentlicht pplx-embed-v2-late in zwei Größen: ein Modell mit 0.6 billion Parametern für den Einsatz auf Geräten und eine Variante mit 9 billion Parametern, die im MADQA-Benchmark 92.4% erreicht.

Oossa · 2026-10-08 · https://oossa.com/de/perplexity-ai-adds-two-new-embedding-models-one-for-edge-devices

Perplexity AI hat zwei neue Varianten seines Modells pplx-embed-v2-late angekündigt. Die kleinere Version hat 0.6 billion Parameter und ist für den Einsatz auf Edge-Geräten wie Smartphones oder IoT-Geräten ausgelegt. Die größere Variante hat 9 billion Parameter und eignet sich für den Aufbau hochwertiger Vektorindizes für Such- oder Empfehlungssysteme. Beide Modelle stehen unter der MIT-Lizenz und können daher von allen heruntergeladen und auf eigenen Servern gehostet werden.

## Leistung der Modelle

In eigenen Tests erreichte das Modell mit 9 billion Parametern im MADQA-Benchmark, einem Standardtest für die Genauigkeit bei der Beantwortung von Fragen, einen Wert von 92.4%. Im ViDoRe v3 Markdown-Benchmark, der den Umgang mit Texten im Markdown-Format misst, kam dasselbe Modell auf 61.2%. Laut Unternehmen ist das Modell mit 0.6 billion Parametern auf Geschwindigkeit und geringen Speicherbedarf optimiert, während bei der Variante mit 9 billion Parametern die Genauigkeit im Vordergrund steht.

## Die Fakten

- Perplexity AI hat pplx-embed-v2-late in zwei Größen veröffentlicht: ein Edge-Modell mit 0.6 billion Parametern und ein Indexierungsmodell mit 9 billion Parametern.
- Das Modell mit 9 billion Parametern erreichte im MADQA-Benchmark 92.4%.
- Dasselbe Modell erzielte im ViDoRe v3 Markdown-Benchmark 61.2%.
- Beide Modelle stehen unter der MIT-Lizenz und können selbst gehostet werden.

## Warum es wichtig ist

Entwickler können jetzt ein leichtgewichtiges Embedding-Modell direkt auf Smartphones oder kleinen Geräten ausführen, ohne einen Cloud-Dienst zu benötigen. Größere Teams, die präzise Such- oder Empfehlungsfunktionen brauchen, können das leistungsfähigere Modell nutzen und zugleich die volle Kontrolle über ihre Daten behalten, da beide Versionen Open Source sind.

## Quellen und Referenzen

1. [Perplexity AI Releases pplx-embed-v2-late: A 0.6B Edge Model and a 9B Model Scoring 92.4% on MADQA](https://www.marktechpost.com/2026/10/07/perplexity-ai-releases-pplx-embed-v2-late-a-0-6b-edge-model-and-a-9b-model-scoring-92-4-on-madqa/) – MarkTechPost, 2026-10-08

Zuletzt aktualisiert: 2026-10-08