بطاقة عنوان مُنشأة تحمل عنوان 'Karpo Decision 31B vs Microsoft-Decision-1' مع السطر 'إحداهما لديها درجة في لوحة الصدارة ولا سعر لها. والأخرى لديها قائمة أسعار Azure ولا درجة منشورة لها.' في الأسفل، بطاقتان: 'Karpo Decision 31B' تسرد '73.86 النتيجة الكاملة'، و'لا يوجد سعر منشور' و'أوزان Apache-2.0'؛ و'Microsoft-Decision-1' تسرد '62.07 على Artificial Analysis'، و'Azure API فقط' و'لا يوجد جدول معايير'.
Guides & Insights

Karpo Decision 31B مقابل Microsoft-Decision-1: أحدهما له سعر، والآخر له درجة

الكاتب

Gideon Frost

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

ضع Karpo Decision 31B بجوار Microsoft-Decision-1 وأول ما تلاحظه هو أن أياً من الشركتين لم يمنحك الشيء الذي تحتاجه للاختيار بينهما. Karpo Decision 31B، التعديل الدقيق لـ Gemma 4 ذي 31.3 مليار معامل والذي دفعته MachinePulse إلى Hugging Face في 5 نوفمبر 2026 دون منشور إطلاق، لديه رقم في لوحة الصدارة ولا سعر له. أما Microsoft-Decision-1، المتاح على Microsoft Foundry منذ 8 أكتوبر 2026، فلديه سعر وعقد Azure وحزمة مسؤولة للذكاء الاصطناعي ولا يوجد له جدول معايير قياس منشور على الإطلاق. أحدهما قابل للقياس وغير قابل للبيع. والآخر قابل للبيع، وبمحض اختيار بائعه، غير مقيس.

هذا الانقلاب هو المقارنة بأكملها، ويجدر بنا مقاومة الرغبة في حلّه بالحساب. فرقم 73.86 الذي تحمله Karpo ورقم 62.07 الذي تنسبه Artificial Analysis إلى Microsoft-Decision-1 ليسا قراءتين للشيء نفسه. إنهما يأتيان من لوحات تصنيف مختلفة، وتوليفات مهام مختلفة، ومعادلات تقييم مختلفة، وتصورات مختلفة عن الغرض من نموذج القرار. السؤال المفيد ليس أيّ الرقمين أكبر. بل أيّ الفجوتين — السعر الغائب أم الدرجة الغائبة — يستطيع نشرك أن يستوعبها فعليًا.

ما الذي تبيعه Microsoft، بالضبط

Microsoft-Decision-1 هو نموذج Qwen3.5-9B خضع لتدريب لاحق، ويجيب بتوزيع احتمالي على الخيارات بدلًا من النثر. نطاق الاستخدام ضيّق: نعم/لا، أو اختيار من متعدد، أو مقياس تصنيف، أو مجموعة تصنيفات، أو معيار تقييم، على نص يصل إلى 32,768 رمزًا. لا صور، ولا صوت، ولا حقل شرح، ولا رموز مولّدة. وتوضح Microsoft صراحةً أنه ليس مخصصًا للأسئلة المفتوحة أو الترجمة أو التلخيص، وتوصي بعدم استخدامه أساسًا وحيدًا لاتخاذ قرارات تتعلق بالائتمان أو التوظيف أو الإسكان أو التأمين أو التعليم أو الرعاية الصحية.

ما يقدمه بالفعل هو الجزء الذي لا تستطيع نقطة تفتيش مفتوحة تقديمه: نشر Foundry ضمن محفظة Direct from Azure، بنمط serverless أو unified-endpoint، وبفئة SKU قياسية، ومصادقة Azure، وفاتورة واحدة، واستدلال دفعي معطّل عمدًا، ولا مسار لتنزيل الأوزان أو الضبط الدقيق. وبالنسبة لبنك أو مجموعة مستشفيات، فإن هذه المجموعة الأخيرة من الحقائق غالبًا ما تساوي أكثر من عشرين نقطة على لوحة صدارة، لأنها الفرق بين نموذج يستطيع فريق المنصة اعتماده ونموذج يضطر فريق المنصة إلى بناء مكدس تقديم حوله.

السعر حقيقي لكنه صعب الذكر. لا تعرض صفحة الطراز سعرًا لكل رمز؛ بل تربط إلى واجهة أسعار Azure. ما يتتبعه Artificial Analysis له هو 143 دولارًا لكل مليون مهمة بسعر الإدخال، مقابل 345 دولارًا لكل مليون مهمة لـ Google's Gemini Decision 1. لا يملك Karpo رقمًا مماثلًا لأنه لا يملك أي قائمة أسعار من أي نوع — لا استضافة، ولا لوحة تحكم، ولا نسخة تجريبية، ولا تكلفة منشورة لكل وحدة معالجة رسومات.

ما قاسه مجلس الإدارة، وما لم يقسه

A generated two-panel diagram titled 'Two numbers, two instruments'. The left panel is headed 'Karpo Decision 31B — Decision Index 0.4.1' and lists 'Full score 73.86 — private tests, board-computed', 'Same-skills 70.94', 'New-domains 61.5' and 'Public index 75.05 — vendor run, all 140,178 requests, 11 refused'. The right panel is headed 'Microsoft-Decision-1 — Artificial Analysis Decision Index v2.1' and lists 'Composite 62.07', 'When2Call 88.0', 'AA-Paperclip 51.8 — 20.9% document pass' and 'HLE-MultiChoice 39.4 — 8.6% raw'. The footer reads 'The two panels are different instruments and are not subtractable.'

رقم كاربو رقم مجتمعي. مؤشّر Decision Index، اللوحة المفتوحة التي تتعقّب عمليات إعادة إنتاج Jev من TypeSafe، يضعه عند 73.86 Full في الإصدار 0.4.1 — الأول مناصفةً بين 307 صفوف في بيانات اللوحة المنشورة، متعادلًا مع GLiDE 27B عند 73.37 لأن اللوحة تجمع أي نتيجة ضمن 0.9 نقطة من المتصدّر. درجة Full تلك طرف ثالث بالمعنى المهم: أجرى القائمون على اللوحة اختبارات خاصة لم يرها المورّد قط، مقسّمة تقريبًا إلى 60% من المهارات ذاتها و40% من المجالات الجديدة. ويظهر تقسيم كاربو 70.94 في المهارات المألوفة و61.5 في غير المألوفة منها، وهو الشكل المعتاد لنموذج جرى ضبطه بقوة مقابل مجموعة معروفة.

إنّ الرقم 75.05 الموجود على بطاقة النموذج شيء مختلف تمامًا، والبطاقة صريحة بشأن ذلك: فهو تشغيل MachinePulse الخاص لمجموعة أدوات التقييم الرسمية، وقد جرى تقييم 140,178 طلبًا مع رفض أحد عشر طلبًا لتجاوزها النافذة، واعتمده المجلس بعد أن جاءت إعادة تقييم باستخدام المجموعة مساوية للادعاء. علني وقابل لإعادة الإنتاج، لكنه لا يزال من طرف أول. ويؤكد صف المجلس نفسه الاعتماد، ويلاحظ أن الاتفاق في الاختبار الخاص مع الصفوف المقدمة كان 100% عبر 827 صفًا.

لا يملك Microsoft-Decision-1 أيًا من هذا. فصفحة كتالوجه تحمل علامة تبويب للمعايير القياسية تتضمن فقرة منهجية بلا أرقام: معايير قرار عامة ومجتمعية، ومجموعات داخلية محجوزة، ودقة وخطأ معايرة، وترتيب الخيارات متنوع، واختبارات إحصائية مقترنة مطبقة. وتقر Microsoft بأن النموذج يعمل «على قدم المساواة مع نماذج القرار الرائدة ومتقدمًا على نماذج القرار المفتوحة الأخرى التي جرى تقييمها بالمنهجية نفسها»، ثم تمتنع عن عرض التقييم. وكل ادعاء أداء بشأنه اليوم مصدره البائع وغير مُعاد إنتاجه.

الأداة الوحيدة التي قيّمته هي Artificial Analysis، وفق Decision Index v2.1، والمكوّنات أكثر إفادة من المؤشر المركّب. تسجّل Microsoft-Decision-1 نسبة 88.0 في When2Call، قريبًا من المتصدرين، و86.8 في EvalSafe-O*NET. وتسجّل 51.8 في AA-Paperclip مع معدل نجاح مستندات 20.9% على أساس الكل أو لا شيء، و54.9 في AA-Omniscience-Decision مع معدل عدم هلوسة 21.7%، و39.4 في HLE-MultiChoice مع دقة خام 8.6%. النمط هو مقيّم كفء للحكم في بيئة العمل لكن سلوكه المعرفي ضعيف، ورقم الامتناع هو الذي يستحق التوقف عنده: نموذج يرفض الإجابة عن 78% من أسئلة المعرفة يحمي معايرته على حساب كونه مفيدًا.

أشكال الطلب، جنبًا إلى جنب

A generated two-column comparison titled 'The request shapes, side by side'. The Karpo Decision 31B column reads '31.3B bf16 plus fp32 readout — about 62.5 GB', 'text, JSON and images', '32,768 tokens, split by question, refuses overflow', 'choice up to 255 options, noul, score', '94 ms median per request' and 'Apache-2.0 weights'. The Microsoft-Decision-1 column reads '9B dense, API only, no weights', 'text only', '32,768 tokens, no way to raise it', 'yes/no, multiple choice, rating, classification, rubric', '274 ms per task' and 'no published rate on the model card'. A footer line reads 'Latency figures are not the same measurement: per request for one, per task over a document set for the other.'

• المعلمات — Karpo 31.3B بصيغة bf16 بالإضافة إلى قراءة fp32 بحجم 255 × 5,376، بمساحة نحو 62.5 GB على القرص؛ Microsoft-Decision-1 قاعدة كثيفة بحجم 9B قُدّمت فقط كواجهة API.

• المُدخلات — يستقبل Karpo النصوص وJSON والصور، مع تمرير لقطة شاشة كـ state.viewport_screenshot؛ ويستقبل Microsoft-Decision-1 النصوص فقط، بعد تسلسلها إلى 32,768 رمزًا.

• السياق — 32,768 رمزًا لكلٍّ منهما، مع اختلاف مهم في نمط الفشل: يقسّم Karpo الطلب الطويل حسب السؤال ويرفض أي شيء لا يزال لن يتناسب، بينما سقف Microsoft هو المدخلات بالإضافة إلى مجموعة الخيارات دون أي طريقة لرفعه.

• أنواع الأسئلة — اختيار Karpo حتى 255 خيارًا، وnoul لصواب/خطأ، وscore لمستوى مُرتّب؛ وMicrosoft نعم/لا، والاختيار من متعدد، والتقييم، والتصنيف، والروبرِك، مع دعم خيارات الامتناع مثل «لا يمكن تحديد ذلك» داخل المجموعة.

• التجميع — يرمّز Karpo حالة واحدة وأسئلة كثيرة في تسلسل واحد، لذا فإن مئة سؤال عن فاتورة واحدة تكلّف نحو تمريرة واحدة على الفاتورة؛ أما العقد المنشور من Microsoft فهو حالة واحدة ومجموعة أسئلتها لكل استدعاء، مع مجيء الاتساع من التجميع.

• زمن الاستجابة — 94 مللي ثانية وسيطًا لكل طلب على العتاد المرجعي للمتتبع، بوحدة GPU واحدة، وطلب واحد في المرة الواحدة بالنسبة إلى Karpo؛ و274 مللي ثانية لكل مهمة بالنسبة إلى Microsoft-Decision-1 وفق قياس AA، وهو رقم لكل مهمة على مجموعة مستندات لا رقم لكل طلب.

• الترخيص والوصول — أوزان Apache-2.0 مع شروط Gemma 4 إلى جانبها لـ Karpo؛ لا أوزان على الإطلاق لـ Microsoft-Decision-1، الذي لا يتوفر إلا عبر واجهة برمجة التطبيقات بموجب شروط Azure.

• السعر — لا يوجد سعر منشور لـ Karpo؛ 143 دولارًا لكل مليون مهمة على تتبّع AA لـ Microsoft-Decision-1، مع إبقاء سعر الإدخال لكل رمز على صفحة تسعير Azure بدلاً من بطاقة الطراز.

المعايرة هي المحور الذي لدى كليهما ما يقولانه بشأنه

بالنسبة لنموذج يكون ناتجه بالكامل احتمالًا، فإن الرقم الذي يحكم النشر ليس الدقة بل ما إذا كان الاحتمال يعني ما يقوله. تُبلغ بطاقة Karpo عن خطأ معايرة قدره 4.8 نقاط: عبر 34,411 استجابة مُقيّمة، بلغ متوسط ثقته 87.96% مقابل دقة 83.19%، وفي أعلى فئة ثقة — 68.5% من جميع الاستجابات — كان صحيحًا 95.7% من الوقت بينما ادعى 98.7%. هذا نموذج يمكنك تطبيق عتبة عليه، مع انحراف معروف عند الطرف الأعلى.

لا تنشر مايكروسوفت خطأ معايرة متوقعاً، ولا درجة برير، ولا منحنى موثوقية. وما تعنيه درجات مكوّنات AA هو نموذج تُنفَق ثقته على نحو متحفظ: فمعدلات عدم الهلوسة المرتفعة في Omniscience وHLE تعني أنه يمتنع عن الإجابة بدل أن يجيب عندما لا يكون متأكداً، وهو السلوك الذي تريده ضوابط الحماية ولا يريده المصنّف. أما ما إذا كانت 0.8 لديه تعني 0.8 خارج التقييم الخاص بمايكروسوفت، فذلك غير معروف، وتوثيق مايكروسوفت يقول ذلك بطريقته الخاصة حين يوجّه المدمجين إلى التحقق على بيانات تمثيلية وضبط العتبات انطلاقاً من تكلفة أخطائهم.

لهذا التباين عاقبة عملية. مع Karpo، ترث منحنى معايرة منشورًا ويمكنك تعيين عتبة بداية قبل أن تشغّل أي شيء. مع Microsoft-Decision-1، ترث منهجية ووعدًا، ويكون أسبوعاك الأولان مشروع قياس. لا شيء من هذا يستبعد أحدهما؛ إنهما ببساطة نوعان مختلفان من العمل.

الإصدار الذي لا يذكره عنوان أي شخص

لم يعد Microsoft-Decision-1 النموذج الحالي في عائلته. فقد وصل Microsoft-Decision-1.1 في 17 نوفمبر 2026 خلال Ignite على قاعدة Gemma 4 26B A4B بمزيج من الخبراء، وبالسعر نفسه والحد الأقصى نفسه البالغ 32K، ويمنحه Artificial Analysis درجة 67.78 — أي أعلى بـ5.7 نقاط من الإصدار 1، وبزمن 123 مللي ثانية لكل مهمة بدلًا من 274 مللي ثانية، مع ارتفاع عدم الهلوسة في Omniscience من 21.7% إلى 49.4%. كما ساء أداؤه في الأمور التي يُفترض أن يكون المقيّم مستقرًا فيها: دقة خام بلغت 6.29% في HLE-MultiChoice مقابل 8.64%، وتمت الإجابة عن 47.5% من عائلات أسئلة AA-Symmetry باتساق مقابل 51.7%.

وعليه، فإن أي شخص يقارن Karpo بـ«نموذج القرار» لدى Microsoft في أواخر نوفمبر إنما يقارنه بنسخة متجاوَزة. وهذا لا يجعل المواجهة بلا معنى — فالنسخة 1 لا تزال هي ما حُدِّدت على أساسه أحجام كثير جدًا من عمليات نشر Foundry — لكنه يعني أن الرقم الذي يجب تجاوزه في جانب Microsoft هو 67.78، وأن السؤال من الدرجة الثانية هو ما إذا كان نموذج يقايض دقة المعرفة بانضباط الامتناع هو الشكل المناسب لخط أنابيبك من الأساس.

ما لا يستطيع كل طرف أن يقدمه لك

لا يمكن لـ Karpo أن يمنحك عقدًا. لا توجد نقطة نهاية، ولا بطاقة أسعار، ولا مسار دعم، ولا اتفاقية مستوى خدمة (SLA)، ولا بيان من المورّد يتجاوز بطاقة نموذج وملف README. إذا تعذّر على مؤسستك تشغيل نقطة تحقق بحجم 62.5 GB على عتادها الخاص، فتنتهي المقارنة عند هذا الحد بصرف النظر عن النتيجة. كما أن تحميله كنموذج دردشة عادي لن يعيد إنتاج إجاباته: فكل من انتباه الفروع وقراءة الشيفرة المكوّنة من 255 رمزًا مطلوبان، وحزمة Python وخادم POST /v1/systemone موجودان تحديدًا لأن حزمة استدلال عامة لن تفي بالغرض.

لا يستطيع Microsoft-Decision-1 أن يمنحك رقمًا لم تأخذه على الثقة، ولا يمكن ضبطه بدقة على بيانات قراراتك الخاصة، ولا يمكنه قراءة لقطة شاشة، ولا يمكن تشغيله دون اتصال. كما لا يمكنك قياس أدائه على الأداة نفسها التي تقيس بها Karpo، لأن Decision Index سجل لإعادة إنتاج مفتوحة، والنموذج المغلق عبر API لا يملك أوزانًا يمكن إعادة إنتاجها. سيظل النموذجان يغيب كل منهما عن الآخر: فلن تُدرج لوحة واحدة مُقيِّم Microsoft أبدًا، ولا يوجد لدى Artificial Analysis صف لـ Karpo.

هناك موقف ثالث أكثر فائدة من أي من العمودين. إذا كان ما تحتاجه فعلاً هو طبقة قرار بجوار خط توليدي، فإن المولّد هو النصف الذي يمكنك توحيده بالفعل. لا تستضيف OrcaRouter نموذج Karpo Decision 31B ولا Microsoft-Decision-1، وليس أيٌ منهما مكانه خلف مسار chat-completions. ما تستضيفه هو النموذجان اللذان تدور حولهما هذه المقارنة: Gemma 4 31B، الأساس الذي ضُبط Karpo منه، وJev 1.14 من TypeSafe، النموذج الذي وُجدت لوحة إعادة الإنتاج المفتوح لملاحقته. كلاهما يقف خلف مفتاح واحد متوافق مع OpenAI إلى جانب أكثر من 200 نموذج آخر بسعر قائمة المزوّد يُمرَّر دون أي هامش ربح، لذا يصل تخفيض سعر البائع إلى جانبنا في اليوم نفسه، ويبقي الفشل التلقائي حلقة تقييم حيّة عندما يتعثر أحد المزوّدين.

أيّ واحدٍ يجب أن تختار

A generated decision card titled 'Which one to reach for'. The left card is headed 'Microsoft-Decision-1.1' with the subtitle 'when the estate is Azure' and the rows 'approval trail, one invoice', 'text that fits in 32K', 'budget a calibration study first' and '67.78 on Artificial Analysis'. The right card is headed 'Karpo Decision 31B' with the subtitle 'when you own the hardware' and the rows 'screenshots and JSON inputs', 'Apache-2.0 weights', 'published 4.8-point calibration error' and '73.86 Full score, private tests'. A wide strip underneath reads 'Do not choose on 73.86 versus 62.07. Different boards, different suites, no shared grading.'

اختر {{1}}Microsoft-Decision-1{{/1}}، أو {{2}}Microsoft-Decision-1.1{{/2}} على نحو أكثر منطقية، إذا كان لا بد أن تعيش طبقة القرار داخل بيئة Azure، وإذا كنت تحتاج إلى سجل موافقات أكثر مما تحتاج إلى مركز على لوحة الصدارة، وإذا كانت مدخلاتك نصًا يتسع في 32K. خصص ميزانية لدراسة معايرة، لأن Microsoft لم تقدم لك واحدة، واضبط حدود الامتناع لديك بناءً على تكلفة أخطائك لا على وصف البائع لها.

اختر Karpo Decision 31B إذا كانت لديك وحدة GPU، وإذا كانت لقطات الشاشة أو حالة JSON جزءًا من المهمة، وإذا كانت Apache-2.0 مهمة لمنتج تنوي إطلاقه، وإذا كانت نتيجة اختبار خاص من طرف ثالث بالإضافة إلى منحنى معايرة منشور هي الأدلة التي يقبلها فريقك. واقبل بالمقابل أنك أنت المورّد الآن: لا دعم، ولا SLA، ولا سعر يمكن وضع ميزانية له، ونموذج عمره أسبوعان كان مستودعه لا يزال قيد التعديل في 16 نوفمبر.

لا تختَر أيًّا منهما استنادًا إلى 73.86 مقابل 62.07. فقد أنتجت تلك الأرقام منظمات لم تُقيّم قط نفس الورقة، وعلى مجموعات اختبار تختلف فيها حصص الاختبارات الخاصة وتختلف فيها صيغ التقييم، والقراءة الصادقة هي أن كلا النموذجين معقول ولم يُثبت تفوق أحدهما على الآخر. أما الاختبار الذي من شأنه أن يحسم الأمر — ظهور Karpo في هيئة مستقلة تُقيّم أيضًا نموذج Microsoft، أو نشر Microsoft جدول النتائج الذي يصفه قسم المنهجية لديها — فلم يحدث. وإلى أن يحدث ذلك، يتوقف القرار على المشتريات والعتاد وطريقة الإدخال، وهو ما كان ينبغي أن يتوقف عليه القرار منذ البداية.