بطاقة عنوان مُنشأة عنوانها «MAI Decision 1 مقابل Microsoft Decision 1» وعنوانها الفرعي «نفس خط المنتجات، بفارق ست نقاط مؤشر»، مقسّمة إلى لوحتين مستديرتي الزوايا حول قرص «vs». اللوحة اليسرى، «Microsoft-Decision-1.1»، تحمل السطر الفرعي «GA 17 نوفمبر 2026» والصفوف «مؤشر القرار 67.78»، «123 مللي ثانية لكل مهمة»، «صور ونصوص» و«Gemma 4 الأساسي»؛ بينما تحمل اللوحة اليمنى، «Microsoft-Decision-1»، «GA 8 أكتوبر 2026»، «مؤشر القرار 62.07»، «274 مللي ثانية لكل مهمة»، «نص فقط» و«Qwen3.5 الأساسي». ويقرأ التذييل «يُدرج كلاهما بسعر /bin/bash.042 لكل مليون رمز إدخال.» ويظهر شعار OrcaRouter مركّبًا في الشريط الأبيض أسفل العمل الفني.
Guides & Insights

MAI Decision 1 مقابل Microsoft Decision 1: خط المنتجات نفسه، بفارق ست نقاط

الكاتب

jinhao.song

تاريخ النشر

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

هذه المواجهة تنطوي على فخ، والفخ هو الفرضية. MAI Decision 1 وMicrosoft Decision 1 ليسا نموذجين متنافسين. إنهما خط المنتجات نفسه لدى Microsoft، بفارق إصدار واحد: النموذج الذي وسمته تغطية Ignite باسم MAI Decision 1 هو Microsoft-Decision-1.1، وMicrosoft-Decision-1 هو إصدار أكتوبر الذي يحل محله. لذا فالمقارنة المفيدة ليست "أي مورّد يفوز" — بل "ما الذي جلبته خمسة أسابيع ونموذج أساسي جديد، وهل تستحق الترقية الترحيل لأي شخص يعمل بالفعل في الإنتاج على نقطة النهاية الأقدم". الجواب المختصر: ست نقاط مؤشر، ونصف زمن الاستجابة، وإدخال الصور، وقائمة أسعار لم تتغير.

التسمية، محسومة مرة واحدة

التسمية الموجودة على يسار هذه المقارنة تأتي من تغطية الكلمة الرئيسية، وليس من مايكروسوفت. فالنصوص الخاصة بالمورّد نفسه هي "Decision 1.1" في منشور تشكيلة Ignite، و"Microsoft-Decision-1.1" على مدونة Foundry وبطاقة الطراز؛ وقد انتقلت بادئة MAI مع MAI Code 2 وMAI Cyber 2 Flash عبر المقالات الخارجية نفسها والتصقت بهما. لذا تقارن هذه الصفحة الإصدار 1.1 بالإصدار 1 من خط منتجات واحد، والسؤال المثير للاهتمام ليس أي مورّد يفوز، بل ما الذي غيّرته خمسة أسابيع وطراز أساس مختلف.

الإصدار 1 لم يُسحَب. لا يزال مُدرجًا في Foundry ولا يزال يُقيَّم على اللوحة المستقلة، وهذا هو سبب استمرار ظهور الاسمين جنبًا إلى جنب في جداول المقارنة — أحيانًا كمنافسين من شركتين مختلفتين، وهو ما ليسا عليه.

ستة أسابيع، طرازان، سعر واحد

أصبح الإصدار 1 متاحًا للعموم (GA) في 8 أكتوبر 2026: تدريب لاحق نصي فقط لـ Qw​en3.5-9B من A​libaba، واحتمالات معايَرة على مجموعة خيارات ثابتة، وسقف قدره 32,768 رمزًا، وبلا أوزان، ودون أرقام قياس أداء منشورة. صدر الإصدار 1.1 في 17 نوفمبر بقاعدة Gemma 4 26B-A4B، وإدخال صور، وسرد كامل للأداء — بينما بقيت قائمة الأسعار كما هي تمامًا، عند $0.042 لكل مليون رمز.

• النموذج الأساسي — Qw​en3.5-9B، كثيف، بإجمالي 9B مقابل Gemma 4 26B-A4B، مزيج من الخبراء بنحو 4B نشط؛ وكلاهما خضع لتدريب لاحق داخليًا

• الوسائط — نص فقط مقابل نص وصور JSON وPNG/JPEG، بما يصل إلى 8 صور لكل سؤال

• الحد الأقصى للإدخال — 32,768 رمزًا مقابل 32,768 رمزًا، دون تغيير

• أنواع الأسئلة — نعم/لا، اختيار من متعدد، تقييم، تصنيف، سلم تقدير مقابل المجموعة نفسها، مُتاحة كثلاثة عناصر أولية محددة النوع (noul، choice، score)

• السعر — 0.042 دولار/مليون رمز في Global Standard، و0.05 دولار في الاتحاد الأوروبي وآسيا والمحيط الهادئ مقابل مثيل مطابق

• الكمون المقاس — 274.25 مللي ثانية لكل مهمة مقابل 123.25 مللي ثانية لكل مهمة، Artificial Analysis

• التكلفة المقاسة — 142.56 دولارًا لكل مليون مهمة مقابل 139.64 دولارًا لكل مليون مهمة، Artificial Analysis

• Decision Index v2.1 — 62.07 مقابل 67.78

• الأوزان — لا شيء، مستضافة في Foundry فقط مقابل لا شيء، مستضافة في Foundry فقط

البند الوحيد الذي لم يتغيّر هو البند الذي تبني عليه معظم الفرق ميزانيتها، والبند الذي تغيّر أكثر من غيره هو البند الذي لا يعلن عنه أحد: انخفض زمن الاستجابة إلى النصف بينما ظل سعر الرمز ثابتًا، لأن الأساس الجديد نموذج متناثر يؤدي عملًا أقل بكثير في كل استدعاء.

A generated two-column comparison scoreboard titled 'MAI Decision 1 vs Microsoft Decision 1 — the scoreboard'. The Microsoft-Decision-1.1 column reads Decision Index 67.78, Latency 123 ms, Base model Gemma 4 26B-A4B, Images up to 8 per question, Brier score 0.160, Price $0.042 per M tokens; the Microsoft-Decision-1 column reads 62.07, 274 ms, Qwen3.5-9B, text only, 0.197 and $0.042 per M tokens. The footer reads 'Index, latency and Brier per Artificial Analysis v2.1, 18 November 2026; price per Microsoft Foundry.' The OrcaRouter logo is composited in the white strip below the artwork.

مِمَّ تتكوَّن النقاط الست؟

الفجوة المركّبة البالغة 5.71 ليست موزعة بالتساوي، وعدم التساوي هذا يخبرك بأحمال العمل التي صُمّمت الترقية من أجلها. وفي التقييمات الستة المكوّنة لدى Artificial Analysis، عند قراءة لوحة النتائج في 18 نوفمبر 2026:

• استدعاء الأدوات في When2Call — 95.1 في الإصدار 1.1 مقابل 87.9 في الإصدار 1، بزيادة 7.1 نقطة، وهي الزيادة المهمة بالنسبة لضوابط حماية الوكلاء

• حُكم EvalSafe-O*NET في مكان العمل — 88.8 مقابل 86.8

• AA-Symmetry، ثبات القرار عند إعادة الصياغة — 75.7 مقابل 70.4

• قرارات مستند AA-Paperclip — 58.7 مقابل 51.8، وهي أكبر قفزة مطلقة

• AA-Omniscience، المعرفة والهلوسة — 60.5 مقابل 54.9

• HLE للاستدلال في أسئلة الاختيار من متعدد — 46.1 مقابل 39.4

كل درجة فرعية قد تحسّنت، وهذا أمر غير معتاد ويجعل المُجمَّع جديرًا بالثقة؛ فالمركّب الذي يرتفع عند تقييم واحد وينخفض عند تقييمين هو عادةً أثر ناتج عن طريقة الترجيح. أما مكسب الثبات فهو المكسب الهادئ الجدير بالالتفات. يقيس التماثل ما إذا كان القرار يظل صامدًا عند إعادة ترتيب خياراته أو إعادة صياغة سؤاله — وهو تحديدًا نمط الفشل الذي تحذّر منه وثائق مايكروسوفت نفسها، وتحديدًا الخصيصة التي تحدد ما إذا كانت العتبة التي ضبطتها في بيئة الاختبار ما زالت تنطلق في بيئة الإنتاج. والانتقال من 70 إلى 76 في ذلك المقياس تغيير تشغيلي أكبر من الانتقال من 62 إلى 68 في الرقم الرئيسي.

تحسّنت المعايرة في الاتجاه نفسه. انخفضت درجة بريير، التي تقيس الفجوة المربعة بين الاحتمال المعلن والحقيقة، من 0.1965 إلى 0.1604 — والأقل أفضل. وارتفعت دقة الخيار المختار من 40.6 إلى 48.5. كلا الرقمين قياسان أجرتهما Artificial Analysis على مهامها الخاصة، لا مهام Microsoft، وهذا هو سبب ترجيحهما: فإطار الإطلاق الخاص بـ Microsoft للنموذج 1.1 هو درجة 68 «بزيادة ست نقاط عن نموذجنا الأول»، وتقع اللجنة المستقلة في حدود نصف نقطة من ذلك عند 67.78 بزيادة 5.71 نقطة. ولمرة واحدة، يتفق البائع والمدقق اتفاقًا واسعًا.

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, the independent board from which the 67.78 and 62.07 composites, the six constituent evaluation scores, the accuracy figures and the Brier scores in this comparison are taken.

حيث يظل الطراز الأقدم هو الخيار الصائب

هناك ثلاثة أسباب يمكن الدفاع عنها للبقاء على Microsoft-Decision-1، ولا يتمثل أي منها في الأداء.

أولًا: تقييم مُجمّد. إذا قمت بمعايرة العتبات مقابل الإصدار 1 على بياناتك المصنّفة — وكان ينبغي أن تفعل ذلك — فإن تغيير النموذج الأساسي يُبطل ذلك العمل. النموذج الكثيف 9B المُدرَّب تدریبًا لاحقًا للتقييم و26B MoE المُدرَّب تدریبًا لاحقًا للتقييم لا يفشلان في المواضع نفسها، ووثائق 1.1 صريحة في أن المعايرة تكون أقوى على أنواع المهام المألوفة وقد تتغير مع الصياغة. إعادة الضبط تكلفة حقيقية، وتقع على عاتق الفريق لا المورّد.

الثانية هي تغطية اللغات. حملت النسخة 1 قصة تدريب لاحق بـ25 لغة على قاعدة Qw​en مع أكثر من 200 لغة متاحة. تحمل النسخة 1.1 قصة بـ25+ لغة على قاعدة Gemma موثّقة عند 35+. خمس وعشرون زائدًا ليست خمسًا وعشرين، وإذا كنت تدير قائمة انتظار متعددة اللغات فإن التصرف الأمين هو الاختبار بدلًا من افتراض أن العدد ارتفع.

الثالث هو شكل اعتمادك. كلا الإصدارين مستضافان فقط، ومن مورّد واحد، وبقائمة أسعار واحدة، ونظام واحد لحدود المعدل. ترقية الإصدار تغيّر نطاق فشلك دون أن تقلّله. إذا كنت قد غلّفت نقطة النهاية بالفعل خلف آلية احتياطية خاصة بك، فإن البقاء على 1 يكلّفك زمن وصول ودقة لكن ليس التوافر؛ وإذا لم تكن قد فعلت ذلك، فإن الترقية تمنحك نموذجًا أسرع خلف نفس نقطة الفشل الواحدة.

تشغيل الاثنين جنبًا إلى جنب قبل الالتزام

الترحيل نفسه صغير، وهذا هو الجزء المبهج. فشكل نقطة النهاية لم يتغير — حالة بالإضافة إلى أسئلة محددة الأنواع تُرسل إلى مسار القرار على مورد Foundry — كما أن النشر تغيير في إصدار النموذج لا إعادة كتابة للتكامل. وما يتغير هو كل ما يأتي بعد الاستجابة: الاحتمالات، والعتبات، والدرجات الفرعية أعلاه.

لذا شغّلهما كليهما. أرسِل الدفعة نفسها الموسومة إلى كلا عمليتي النشر، وقارن دقة الخيار المختار عند العتبة التي تستخدمها فعليًا، وانظر تحديدًا إلى الأذيال — الحالات التي أعاد فيها الإصدار 1 القيمة 0.55 وأعاد فيها الإصدار 1.1 القيمة 0.88 هي التي ستغيّر معدل التصعيد لديك بصمت. يشير مكسب التماثل إلى أنه ينبغي أن يكون 1.1 أكثر استقرارًا عند إعادة ترتيب الخيارات؛ تحقّق من ذلك على مطالباتك الخاصة بدلًا من الوثوق بالرقم.

القاضي والشيء الذي يُحكَم عليه بمفتاح واحد هو الإعداد الذي يريد معظم الفرق أن ينتهي إليه، ولا يمكن لأي من نموذجي Decision أن يمنحك ذلك: فكلاهما نقطتا نهاية مستضافتان لدى Foundry فقط، لذا فالموجّه الذي أمامهما هو كودك الخاص. وما يمكن للموجّه فعله في الأثناء هو توفير الضوابط.Gemma 4 26B A4B — الإصدار الأساسي الذي جرى تدريب الإصدار 1.1 بعديًّا انطلاقًا منه — يمر عبر OrcaRouter بتكلفة $0.25 لكل مليون رمز إدخال و$2.90 لكل مليون رمز إخراج، وJev 1.14، نموذج القرار الذي تقارن Microsoft نفسها به، بتكلفة $0.042 لكل مليون إدخال وإخراج. لا يعيد أي منهما إنتاج إجابات 1.1 المعايَرة. كلاهما يخبرك ما إذا كان نموذج عام على بياناتك الخاصة يقترب ضمن بضع نقاط من نموذج القرار، وهو السؤال الذي يحدد ما إذا كنت تحتاج إلى واحد على الإطلاق.

A screenshot of the OrcaRouter model page for obsidian/gemma-4-26B-A4B, showing the OrcaRouter navigation, the model name obsidian/gemma-4-26B-A4B with Vision, Tools, JSON and Reasoning tags, a 2026-07-02 date, a description noting a mixture-of-experts build of Gemma 4 with 26B total parameters, about 4B active per token and a 262K-token context window, and pricing of $0.25 per million input tokens and $2.90 per million output tokens.

الإجابة عن سؤال الإصدار

إذا كنت تختار اليوم وليس لديك عتبات قديمة تدافع عنها، فاختر 1.1. فهو أسرع في قياس مستقل بمعامل 2.2، وأرخص قليلاً لكل مهمة، وأفضل معايرة، وأفضل في التحكم في استدعاء الأدوات، وهو الوحيد من بين الاثنين الذي سيقرأ لقطة شاشة. قائمة الأسعار متطابقة، لذا فإن الترقية مجانية على الهامش.

إذا كنت بالفعل في مرحلة الإنتاج على الإصدار 1، فإن الترقية تستحق التنفيذ، وليست عاجلة بالطريقة التي تكون بها رقعة أمنية عاجلة. خصص ميزانية لإعادة المعايرة، وأبقِ النشر القديم قائمًا حتى تصمد العتبات الجديدة على حركة المرور الحية، واعتبر تحسين التماثل سببًا لتوقع مفاجآت أقل، لا وعدًا بأنه لن تكون هناك أي مفاجآت.

ما ليست عليه هذه المواجهة هو أنها اختيار بين مورّدين. كلا الاسمين يشير إلى خط قرار Microsoft، بفارق خمسة أسابيع ونموذج أساسي واحد، وبالسعر نفسه البالغ $0.042 لكل مليون رمز. لم يكن السؤال المثير للاهتمام يومًا أيّهما يفوز؛ بل هل الثاني أفضل بما يكفي لتبرير دفع تكلفة إعادة المعايرة. وعلى لوحة مستقلة، فهو كذلك.