Gemini Decision 1 مقابل Microsoft-Decision-1: مقيّمان من عمالقة السحابة بفارق أربع نقاط

أصبح أكبر مورّدَي خدمات سحابية الآن يبيعان نموذجًا يجيب باحتمال بدلًا من جملة، ولا يخبرك أيٌّ منهما بمدى جودة أدائه. Microsoft-Decision-1 أُتيح عمومًا على Microsoft Foundry في 8 أكتوبر 2026: قاعدة Qwen3.5-9B خضعت لتدريب لاحق من Microsoft، بإدخال نصي، وسياق من 32,768 رمزًا، وإخراج توزيعات معايَرة، وأوزان غير موزّعة. Gemini Decision 1 وصل في 11 نوفمبر 2026 عبر Gemini Developer API: نص وصورة وفيديو وصوت وPDF كمدخلات، وسياق من 262,144 رمزًا، وما يصل إلى 1,000 سؤال مكتوب لكل طلب، و$0.10 لكل مليون رمز إدخال، والأوزان غير موزّعة أيضًا. يشحن كلاهما قسمًا للمنهجية دون جدول نتائج، ما يجعل أداة مستقلة واحدة المكان الوحيد الذي يمكن فيه مقارنتهما — Artificial Analysis، حيث يفصل بينهما أربع نقاط، وهما في المرتبتين التاسعة والعاشرة من أصل ثمانية عشر.

أربع نقاط ليست هي الفجوة المثيرة للاهتمام. الفجوة المثيرة للاهتمام هي أنه في التقييم الذي تُشترى من أجله معظم نماذج القرار فعليًا، لا تفصل بين الاثنين سوى خمس نقاط، بينما يقع كلاهما قرب مؤخرة الميدان، والنموذج الذي يفوز بالتصنيف الإجمالي يحقق ذلك في مكان آخر تمامًا.

ما يضعه كل واحد أمامك

أشكال الطلبات متقاربة بما يكفي بحيث يتكيف عميل مكتوب لأحدهما مع الآخر في غضون فترة ما بعد ظهر واحدة، ومختلفة بما يكفي بحيث يُتخذ الاختيار عادةً قبل قراءة أي معيار أداء.

• المدخلات — تستقبل Gemini Decision 1 النصوص والصور والفيديو والصوت وملفات PDF، بما يصل إلى 100 ميغابايت مضمّنة لكل طلب و15 ميغابايت لكل رابط خارجي. أما Microsoft-Decision-1 فتستقبل النصوص، مسلسلةً إلى 32,768 رمزًا. ويُعدّ النموذج الممسوح ضوئيًا أو تسجيل المكالمة مدخلًا أصليًا لأحدهما ومهمة معالجة مسبقة للآخر.

• السياق — 262,144 توكنًا لـ Gemini Decision 1، مشتركة بين الإدخال وكل سؤال. 32,768 لـ Microsoft-Decision-1، إذ يستهلكها الإدخال مع مجموعة الخيارات، ولا توجد ميزانية توليد تُطرح لأنه لا يوجد توليد.

• أشكال الأسئلة — يُرسي Gemini Decision 1 ثلاثة أشكال بشكل رسمي: نعم/لا محصورة بين 0.01 و0.99، والاختيار من 2 إلى 255 خيارًا مُسمّى، والدرجة على 2 إلى 255 مستوى مرتّبًا تُعيد مستوى متوقّعًا مرجّحًا بالاحتمالات. ويغطّي Microsoft-Decision-1 نعم/لا، والاختيار من متعدد، والتقييم، والتصنيف، والتقييم وفق معايير، ويدعم صراحةً خيارات الامتناع مثل "لا يمكن الجزم" ضمن مجموعة الخيارات.

• التجميع ضمن طلب واحد — ما يصل إلى 1,000 سؤال مستقل لـ Gemini Decision 1، كل منها معزول عن الآخر، وجميعها مقابل قراءة واحدة مفوترة للمدخل المشترك. إن العقد المنشور الخاص بـ Microsoft-Decision-1 هو حالة واحدة ومجموعة أسئلتها لكل استدعاء، لذا يأتي الاتساع من تجميع الأسئلة بدلاً من حد أقصى موثّق لكل طلب.

• السعر — 0.10 دولار لكل مليون رمز إدخال بالنسبة إلى Gemini Decision 1، مع عدم وجود رسوم إخراج لأن الإخراج صفر من الرموز. ويسجّل المجلس 345 دولارًا لكل مليون مهمة له، و143 دولارًا لكل مليون مهمة لـ Microsoft-Decision-1 بالسعر المطبق على الإدخال الذي يتتبعه.

• الوصول — Gemini Developer API عند v1beta فقط، مع طبقة مجانية بحد 200 طلب في الدقيقة و10,000 في اليوم، وطلبات يومية غير محدودة من الطبقة 2، ولا إدراج لـ Vertex AI في الوثائق التي أصدرتها Google. Microsoft-Decision-1 كتوزيع Foundry ضمن محفظة Direct from Azure، مع خيارات بلا خادم ونقطة نهاية موحدة، وSKU قياسية، ومصادقة Azure ومسار فوترة واحد، واستدلال الدفعات معطّل، ولا مسار لتنزيل الأوزان أو الضبط الدقيق.

خط الوصول هو المكان الذي تُتخذ فيه قرارات الشراء بدلاً من القرارات التقنية. إذا كانت مؤسستك تشتري عبر التزام Azure، فإن Microsoft-Decision-1 فاتورة تعرف بالفعل كيفية دفعها. وإذا كانت تشتري عبر Google Cloud، فإن Gemini Decision 1 ليس كذلك في الوقت الحالي — الباب الوحيد الموثّق هو مفتاح Gemini API، وهو بند ميزانية مختلف، وبالنسبة لبعض المؤسسات، عملية موافقة مختلفة.

لوحة النتائج، مكوّنًا بمكوّن

يحسب مؤشر Decision Index من Artificial Analysis كل تقييم على أنه الدقة ناقص عقوبة Brier المرتبطة بثقة الإجابة، مع ترجيح ذلك عبر ستة مكونات. وإليك كيفية توزيع النموذجين لهذه المكونات:

• AA-Paperclip، بوزن 30% — Gemini Decision 1 بنتيجة 56.8 مقابل Microsoft-Decision-1 بنتيجة 51.8. كلاهما ضعيف. نسبة النجاح في اختبار المستندات بنظام "الكل أو لا شيء" هي 33% لـ Gemini Decision 1 و20.9% لـ Microsoft-Decision-1، مقابل 63% للمتصدر في المجال. لا يستخرج أيٌّ من نموذجَي عمالقة السحابة الخمسة عشر حقيقة من مستند كثيف بصورة موثوقة.

• EvalSafe-O*NET-AA، 15% — 87.1 مقابل 86.8. متطابقان فعليًا، وكلاهما قريب من قمة مجال متقارب بإحكام.

• When2Call، 10% — 80.5 مقابل 88.0. يفوز Microsoft-Decision-1 هنا بوضوح ويحتل مركزًا قريبًا من المتصدرين؛ أما Gemini Decision 1 فهو الرابع عشر من أصل ثمانية عشر.

• AA-Omniscience-Decision v1.1, 15% — 66.3 مقابل 54.9. تحلّ Gemini Decision 1 بالمركز الأول في هذا المجال؛ ويعود السبب في ذلك إلى معدل عدم الهلوسة لديها البالغ 49.6%. وتُبلغ Microsoft-Decision-1 عن معدل عدم هلوسة قدره 21.7% هنا، وهو الرقم الذي ينبغي أن يقلق أي شخص يخطط لتحديد عتبة لامتناعاته.

• HLE-MultiChoice v1.1، 15% — 48.7 مقابل 39.4. المركز الأول مقابل المركز الحادي عشر. الدقة الخام هي 13.2% مقابل 8.6%، وعدم الهلوسة 35.7% مقابل 15.1%.

• AA-Symmetry v1.1، 15% — 70.5 مقابل 70.4. تعادل تام، وكلاهما في منتصف الجدول، ويحتفظان بالإجابة نفسها عند إعادة الترتيب والنفي في 38.3% و51.7% من عائلات الأسئلة على التوالي.

تحلّ النتيجة المركبة عند 65.98 و62.07، في المركزين التاسع والعاشر. وبقراءة المكوّنات تصبح بنية كل منتج واضحة. يُعد Microsoft-Decision-1 مقيِّمًا متينًا لاستدعاء الأدوات والحكم في سياقات العمل، غير أن سلوكه في المعرفة والامتناع ضعيف. أما Gemini Decision 1 فهو العكس: أفضل درجات المعرفة والامتناع على لوحة النتائج، مقترنةً باستخلاص متوسط الترتيب وضعف في التمييز بين اختيارات الأدوات.

ما يشتركون فيه هو ما ينبغي أن نشك فيه.

لا ينشر أيٌّ من البائعين جدولًا للمقاييس المرجعية. تصف بطاقة Microsoft-Decision-1 منهجيته — معايير قرار عامة ومجتمعية، ومجموعات داخلية محجوزة، والدقة وخطأ المعايرة، مع تنويع ترتيب الخيارات، واختبارات إحصائية مقترنة — وتزعم أن النموذج «يؤدي على قدم المساواة مع نماذج القرار الرائدة ويتقدم على نماذج القرار المفتوحة الأخرى التي جرى تقييمها بالمنهجية نفسها». لا يوجد جدول أسفل تلك الجملة. تعلن ملاحظات إصدار Gemini Decision 1 عن النموذج وتربط بوثائق API، التي تسرد القدرات المدعومة وغير المدعومة ولا تتضمن أي رقم دقة على الإطلاق.

هذا مهم لأن الواجهة بأكملها لنموذج اتخاذ قرار هي رقم تتفرّع عليه شيفرتك. فنموذج محادثة أضعف ببضع نقاط ينتج نصوصًا أدنى جودة؛ أما مُقيِّم غير معايَر بدقة فإنه يوجّه بصمت 8% من تذاكرك إلى قائمة الانتظار الخاطئة، ولا شيء في الاستجابة يخبرك بذلك. وقد أطلقت شركتان رائدتان في الطليعة منتجين ادعاؤهما المحوري — بأن الاحتمال يعني ما ينص عليه — مذكور في النثر، ولا يقيسه إلا طرف ثالث.

يُحسب للطرف الثالث أنه يقيس كليهما بالأداة نفسها، وهو ما يجعل هذه المقارنة ممكنة أصلاً. لكن لوحة واحدة تبقى لوحة واحدة، وأكبر مكوّن فيها بيانات خاصة بنسبة 45%، ولم يمضِ على تقييمه نماذج القرار سوى أسابيع. اعتبر 66 و62 أول قراءة خارجية، لا قدرة مستقرة.

أيّ واحد تضعه خلف عتبتك؟

اختر Microsoft-Decision-1 عندما يكون القرار استدعاء أداة أو حكمًا على مستند عمل، وعندما تكون المدخلات نصًا تتسع له 32K tokens بيسر، وعندما تكون بوابة النشر عقد Azure بفوترة موحدة وحزمة Responsible AI مرفقة. إن تسجيله 88.0 على When2Call و86.8 على EvalSafe-O*NET يمثلان نقاط قوة حقيقية، وتتيح خيارات الامتناع الصريحة لديه تصميم مخرج "لا يمكن الجزم" ضمن مجموعة الخيارات بدلًا من إضافته لاحقًا.

اختر Gemini Decision 1 عندما يكون الإدخال طويلاً أو متعدد الوسائط أو مشتركاً عبر أسئلة كثيرة، وعندما تكون الأسئلة المعرفية والتحكم في الهلوسة هما المقصود، وعندما تكون مستعداً لدفع مقابل السياق. إن حلوله في المركز الأول على كلا مكوّني المعرفة ومعدل عدم الهلوسة لديه البالغ 49.6% على AA-Omniscience هما سببان لاختياره بدلاً من نموذج Microsoft الأرخص، أما معدل اجتياز المستندات لديه البالغ 33% فهو سبب لعدم اختياره لأعمال الاستخراج.

لا تختر أياً منهما للاستخراج بكميات كبيرة. يقع كلا المُقيّمَين الخاصين بشركات الحوسبة الضخمة في النصف الأدنى من مكوّن المستندات ذي الوزن 30%، والنماذج المتصدرة هناك — نموذج متعدد الوسائط بحجم 27B من Nace.AI ومُشفّر بحجم 421M من Convai Innovations يمكنك ضبطه الدقيق بنفسك — تكلّف أقل لكل مهمة، وفي حالة الأوزان المفتوحة، يمكن تدريبها على مستنداتك الخاصة.

لا يجب أن يكون باقي خط المعالجة رهينة لهذا.

لا يوفّر OrcaRouter أيًّا من الطرازين. فكلاهما نقطتا نهاية للاحتمالات فقط — إحداهما على Gemini Developer API والأخرى على Foundry — ولا يمثّل أيٌّ منهما هدف chat-completions، لذا لا ندرجهما. أما ما يوفّره الكتالوج فهو typesafe/jev-1.14 من TypeSafe، وهو نموذج قرار بدرجة 66.23 على المؤشر نفسه، ويُعد خيارًا ثالثًا معقولًا إذا أردت أن يكون استدعاء التقييم على المفتاح نفسه الذي تستخدمه مع كل شيء آخر.

النداء الذي يحيط بالمُقيِّم هو حيث يكسب المُوجِّه مكانته، وهو النصف الذي يتعمّد هذان المنتجان عدم معالجته. فلا بد لشيء ما أن يكتب معايير التقييم التي يُقيِّم المُقيِّم على أساسها، أو يلخّص الوثيقة ذات الستين صفحة إلى 32K من الرموز، أو يصوغ الإجابة المرشّحة التي يجري ترتيبها — وذلك الشيء هو نموذج توليدي يتغيّر سعره وجودته كل بضعة أسابيع. ويجري ذلك النداء عبر نقطة نهاية واحدة تضم أكثر من 200 نموذج بسعر قائمة أسعار المزوّد مع تمريره بهامش ربح 0%، مع تحويل تلقائي عند تدهور أداء أحد المزوّدين ولغة توجيه مخصّصة (DSL) إن أردت عدة نماذج تؤلّف إجابة واحدة. حافِظ على قابلية نقل نصف الكتابة، يبقَ قرار التقييم قابلاً للعكس، وهذا يستحق أكثر من أربع نقاط في المؤشر حين يعيد كلا البائعَين التنقيح بوتيرة ربع سنوية.

ماذا تشاهد

ثلاث إشارات كانت ستغيّر الترتيب، ولم تصل أيٌّ منها. جدول معايير أداء من Microsoft مزوَّد بمنحنيات معايرة سيتيح لعملاء Azure لديها تحديد عتبات استنادًا إلى الأدلة؛ أما البطاقة فتقدم حاليًا منهجية وادعاءً فقط. وإن إدراج Gemini Decision 1 في Vertex AI سينقله من شراء عبر مفتاح API إلى شراء عبر عقد سحابي، وسيغيّر مقارنة المشتريات بالكامل. كما أن لوحة تقييم مستقلة ثانية تُقيّم النموذجين ستخبرنا ما إذا كانت الفجوة البالغة أربع نقاط إشارة أم ضوضاء من لوحة صدارة عمرها ثلاثة أسابيع.

حتى ذلك الحين، فإن القراءة القابلة للدفاع هي هذه: Gemini Decision 1 هو النموذج الأفضل في المكوّنين اللذين تكون فيهما معرفة متى ترفض هي المهارة، وMicrosoft-Decision-1 هو الأفضل في اختيار الأدوات وأرخص بشكل طفيف، وكلاهما في منتصف الجدول في استخراج المستندات الذي تتكوّن منه فعليًا معظم أعباء قرارات المؤسسات. شغّل 200 عنصر موسوم من عندك عبر كل منهما قبل أن يحسم أيٌّ من الرقمين أي أمر.