بطاقة عنوان مُنشأة بعنوان «خط الكلمة الرئيسية، بعد التحقق»، وعنوان فرعي «Microsoft-Decision-1.1 — Artificial Analysis Decision Index v2.1»، تحمل أربع شرائح مكتوب عليها 67.78، و«Jev 1.14 66.2»، و«Gemini Decision 1 65.98»، و«GPT-6 Luna 60.2» فوق تعليق نصه «أربعة نماذج مذكورة على المسرح»، مع تسميتين جانبيتين رماديتين مكتوب عليهما «25 مدخلًا مُرتّبًا» و«عشرة فوق 67.78». وشعار OrcaRouter مركّب في الزاوية السفلية اليمنى.
Guides & Insights

وصل Microsoft-Decision-1.1 إلى الكلمة الرئيسية في Ignite. خط القياس الذي استشهد به صحيح وضيّق.

الكاتب

jinhao.song

تاريخ النشر

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

أصبحت Microsoft-Decision-1.1 متاحة للعموم في 17 نوفمبر 2026، بعد ستة أسابيع من Microsoft-Decision-1، وعلى نموذج أساس مختلف كليًا: Gemma 4 26B A4B، نظام خليط الخبراء متوسط الحجم الذي تسميه مايكروسوفت في منشور الإطلاق الخاص بها، بدلًا من Qwen3.5-9B الذي بُني عليه التدريب اللاحق للإصدار 1. وهذا الاستبدال هو جوهر الإصدار. أما العبارة التي انتشرت على نطاق أوسع فقد جاءت من الكلمة الرئيسية في Ignite، حيث قُدّم Decision 1.1 باعتباره توجيهًا للنماذج «مدمجًا مباشرةً في تطبيقاتك»، ثم عُزّز بجملة واحدة — «على AA Decision Index فإنه يتفوق على Jev وGoogle وOpenAI». وتُشير تلك الأسماء الثلاثة إلى Jev 1.14 بنتيجة 66.2، وGemini Decision 1 بنتيجة 66.0، وGPT-6 Luna (Decisions) بنتيجة 60.2، مقابل 67.78 لـ Microsoft-Decision-1.1. والمقارنات الثلاث كلها صحيحة.

وهي أيضًا أكثر المجموعات الفرعية المكوّنة من أربعة نماذج إطراءً على لوحة تصنّف حاليًا خمسة وعشرين إدخالًا. هذه الليلة، تتجاوز درجات عشرة نماذج قرار درجة Microsoft-Decision-1.1، من d1.2-ultra عند 74.8 مرورًا بـ Drex Max v1.1 وSubQ Snap 1.2 عند 72.6 وصولًا إلى SubQ Snap 1.1 عند 67.9. لم تكن جملة الكلمة الرئيسية كاذبة. بل كانت مقارنة منسّقة تُعرض بقواعد مقارنة كاملة، وهذا الفرق أهم من الإطلاق نفسه، لأنه ما يحدث عندما يحصل مؤشر قياس معياري لأول مرة على شريحة عرض في مؤتمر مطوّرين تابع لإحدى شركات الحوسبة فائقة النطاق.

ما قالته المنصة، وما تقوله اللوحة

النص الكامل للكلمة الرئيسية الذي نشرته مايكروسوفت في اليوم نفسه يفتقر إلى التفاصيل حول الموضوع. بعد استعراض نماذج البرمجة، ينتقل إلى اتخاذ القرار: "تتزايد الحاجة إلى الوكلاء لاتخاذ القرارات، خصوصًا حيث تكون السرعة والتكلفة بالغتي الأهمية. لذا يوفر Decision 1.1 توجيه النماذج مدمجًا مباشرة في تطبيقاتك. وعلى AA Decision Index فإنه يتفوق على Jev وGoogle وOpenAI."

وبعد التفكيك، فإن هذه مقارنة رباعية يدعمها المؤشر. على مركّب Decision Index v2.1، الذي نشرته Artificial Analysis وقُرئ هنا في 19 نوفمبر 2026، تسجّل Microsoft-Decision-1.1 نتيجة 67.78، وJev 1.14 نتيجة 66.2، وGemini Decision 1 نتيجة 65.98، وGPT-6 Luna (Decisions) نتيجة 60.2. والفروق هي 1.6 و1.8 و7.6 نقاط. ولا شيء في ذلك قابل للجدال.

ما تغفله الجملة هو نصف اللوحة الواقع فوقها. والصفحة نفسها تضع Microsoft-Decision-1.1 في المرتبة الحادية عشرة، والمدخلات العشرة التي تسبقه ليست غامضة:

• d1.2-ultra (Liquid AI) — 74.8، المتصدّر على اللوحة، بتكلفة 133 دولارًا لكل مليون مهمة

• Drex Max v1.1 (نيس) — 72.6 بسعر 103 دولارات، وSubQ Snap 1.2 — 72.6 بسعر 137 دولارًا

• GLiDE v1.2 (Fastino) — 72.5 بسعر $780، Mammoth 27B (Baseten) — 71.4 بسعر $264، d1-ultra — 70.6

• Decider v1.3 (Perplexity) — 70.4 بسعر 68 دولارًا، Decider v1.2 — 69.8، d1.2 — 68.7، SubQ Snap 1.1 — 67.9

إن اختيار مورّد للمنافسين الثلاثة المسمّين بما يجمّل إطلاقه ليس فضيحة؛ فكل منشور إطلاق يفعل ذلك، ومايكروسوفت صريحة على نحو غير معتاد في أن هذه هي النماذج التي اختارت تسميتها. الجزء المثير للاهتمام هو المحفل. فمؤشر مملوك لطرف ثالث — صدرت مراجعته v2 في 8 نوفمبر 2026، قبل Ignite بتسعة أيام، وبُني على 45% من مجموعات بيانات خاصة — جرى الاستشهاد به على المنصة كمرجع لادعاء يخص نموذج مايكروسوفت الخاص بها. هذه حقيقة من نوع مختلف عن لقطة شاشة لمعيار أداء من مورّد، وهي ذات حدين: فهي ترفع من شأن المؤشر، وتضع المؤشر في موضع أصبح فيه الاستشهاد الانتقائي به جزءًا من سمعته.

ما الذي تغيّر فعليًا بين 1 و1.1

بعيدًا عن العرض التقديمي، تصبح الهندسة محددة. فـ Microsoft-Decision-1.1 ليس تعديلًا طفيفًا على نموذج أكتوبر. تغيّر الأساس من Qwen3.5-9B من علي بابا، الذي ما زالت صفحة كتالوج v1 تنسبه إليه، إلى Gemma 4 26B A4B. وتصف Microsoft هذا الاختيار بمصطلحات التكلفة: معاملات نشطة كافية للحكم، وصغيرة بما يكفي للعمل عبر أساطيل A100 وH100/200 وGB200/300. ومحرك استدلال مخصص، مبني للتقييم بدلًا من التوليد رمزًا برمز، هو ما تنسب إليه الشركة زمن الاستجابة.

القدرة التي لم تكن موجودة في v1 هي إدخال الصور. يقبل Microsoft-Decision-1.1 النص أو JSON أو الصور — صورًا فوتوغرافية ولقطات شاشة — ولا يزال يرفض الصوت والفيديو وأي شكل من أشكال التفسير المولّد. أسماء أنواع الأسئلة لم تتغير: noul لاحتمال على عبارة نعم/لا، choice لتسمية واحدة من مجموعة ثابتة مع احتمال لكل خيار، score لموضع على مقياس مرتب. يذهب الطلب إلى مسار ينتهي بـ /providers/microsoft/v1/systemone، وهو إما أقل اسم نقطة نهاية بديهيًا تم إصداره هذا الربع أو تلميح إلى أين ترى Microsoft أن هذه الفئة تقع في المكدس.

السياق هو الرقم الذي يجب مراقبته إذا كنت تنتقل: توثّق Microsoft «مدخلات تصل إلى 32K رمزًا»، وتسجّل Artificial Analysis نافذة قدرها 33k. وكان الإصدار 1 بالمثل. النموذج القراراتي الذي يقرأ عقدًا من 40,000 رمز ليس ضمن هذا الإصدار.

ثلاثة ادعاءات من منشور الإطلاق، تم التحقق منها مقابل اللوحة

يقدّم منشور مايكروسوفت نفسه ثلاثة ادعاءات كمية، وتحسم البيانات المستقلة كلًا منها على نحو مختلف.

• "يسجّل 68" — قيمة المؤشر هي 67.78. هذا تقريب، وليس تضخيمًا، وهو الادعاء الوحيد الذي ظل صحيحًا تمامًا.

"أسرع بأكثر من الضعف" — يقيس الإصدار 1 زمنًا قدره 274.25 ms لكل مهمة، بينما يقيس الإصدار 1.1 زمنًا قدره 123.25 ms. أي 2.23 ضعفًا، وهذا يجعل النموذج الجديد خامس أسرع إدخال في لوحة الترتيب بدلًا من العشرين.

• «بنفس التكلفة» — صحيح على مستوى الرموز، ومضلّل عمليًا. تذكر كلتا النسختين ‎$0.042‎ لكل مليون رمز إدخال. لكن التكلفة المقاسة لكل مليون مهمة هي ‎$139.64‎ للإصدار 1.1 مقابل ‎$142.56‎ للإصدار v1، أي تحسّن بنسبة 2%، وليس خفضًا للنصف. السعر نفسه، والفاتورة نفسها تقريبًا، وضعف الإنتاجية. إذا كان قيدك هو زمن الاستجابة وليس الإنفاق، فالترقية كبيرة؛ وإذا كان القيد هو الإنفاق، فالترقية لا تكاد تُذكر.

A generated single-column scoreboard headed 'Microsoft-Decision-1.1 — the scoreboard' with six rows: Decision Index 67.78, 11th of 25; When2Call at 10% weight 95.08; AA-Paperclip at 30% weight 58.67; HLE-MultiChoice 6.29% raw accuracy; non-hallucination 49.4%, was 21.7%; speed 123 ms per task, was 274 ms. A footer reads 'All figures per Artificial Analysis Decision Index v2.1, read 19 November 2026.' The OrcaRouter logo is composited in the bottom-right corner.

حيث يتوقف المركّب عن التوافق مع التسويق

مركّب Decision Index v2.1 ليس لغزًا. فهو ستة مكوّنات مرجّحة، ونتيجة 67.78 الخاصة بـ Microsoft-Decision-1.1 قابلة لإعادة الإنتاج انطلاقًا منها: 30% لـ AA-Paperclip، و15% لـ EvalSafe-O*NET-AA، و10% لـ When2Call، و15% لـ AA-Omniscience-Decision v1.1، و15% لـ HLE-MultiChoice v1.1، و15% لـ AA-Symmetry. اضرب واجمع، وستصل إلى 67.78 بالضبط. هذه الشفافية هي ما يجعل الدرجات الفرعية مقروءة، والدرجات الفرعية هي حيث يصبح سرد الإطلاق مثيرًا للاهتمام.

• When2Call — 95.08. هذا هو اختبار التوجيه، وهو أقوى رقم في المجموعة بفارق كبير. pitches عرض مايكروسوفت هو "توجيه النماذج المدمج في تطبيقاتك"، وعلى المكوّن الوحيد الذي يقيس ذلك تحديدًا، يكون النموذج قريبًا من قمة القائمة.

• AA-Paperclip — درجة قرار 58.67، و36.8% من المستندات أُجيب عنها إجابات كاملة. هذا هو المكوّن البالغ 30%، وهو 1,500 مستند خاص يحمل كل منها خمسة قرارات وعشر حقائق، ويُقيَّم بنظام الكل أو لا شيء. نجحت النسخة 1 بنسبة 20.9%. إن القفزة البالغة خمس عشرة نقطة في معدل المستندات الكاملة هي أكبر مكسب هندسي منفرد في الإصدار، وهي أيضاً سبب تحرك النتيجة المركّبة بالقدر الذي تحرك به.

• HLE-MultiChoice v1.1 — درجة قرار 46.11 على دقة خام تبلغ 6.29%، مع 38.4% عدم هلوسة. دقة بنسبة ستة في المئة في اختبار معرفي صعب ليست ميزة؛ ودرجة القرار لا تُعدّ محترمة إلا لأن النموذج صادق بشأن كونه تائهًا. ويقول منشور مايكروسوفت نفسه إن هذه النماذج «غير مضبوطة صراحةً بعد للمشكلات الأصعب»، وهذا الصف هو حيث يظهر هذا الإقرار علنًا.

• AA-Omniscience-Decision v1.1 — 60.46 مع دقة 33.2% وعدم هلوسة 49.4%. سجّلت النسخة 1 نسبة 21.7% في عدم الهلوسة، لذا تعلّم النموذج أن يمتنع بموثوقية تقارب الضعف مع اكتساب نقطتين في الدقة. وبالنسبة إلى نموذج قرار، تمثل هذه المقايضة جوهر اللعبة بأكملها.

عند قراءتها معًا، يكون الملف متماسكًا: فهذا موجّه سريع ومُعايَر جيدًا بقاعدة معرفية ضحلة. ذلك منتج يمكن الدفاع عنه. لكنه ليس المنتج الذي توحي به جملة العرض الرئيسي.

A screenshot of the Artificial Analysis page for Microsoft-Decision-1.1, headed 'Release, Decision Index Score, Performance & Price'. The headline figures read a Decision Index of 68 at rank 11 of 25, 123 ms per task and about $140 per million tasks. The comparison summary states the model is above average on the Decision Index but somewhat expensive and notably fast, supports text input and carries a 33k-token context window, with board medians of 66, 206 ms and $137. Component rows for Decision Index, AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision v1.1 and HLE-MultiChoice v1.1 sit below.

التسعير، بالوحدات التي تستخدمها الفاتورة فعليًا

تسرد Foundry ثلاثة أسعار إدخال لـ Microsoft-Decision-1.1 ولا سعر إخراج على الإطلاق، لأن النموذج لا يصدر أي رموز إخراج: 0.042 دولار لكل مليون رمز إدخال على Global Standard، و0.046 دولار على US Data Zone، و0.05 دولار على عمليات نشر EU وAPAC Data Zone. اختر SKU منطقة البيانات وستدفع 19% أكثر من الرقم المعلن مقابل الموقع الجغرافي. هذا هو أول موضع يُعدَّل فيه ادعاء "أرخص نموذج قرار" بهدوء.

الموضع الثاني هو عمود التكلفة لكل مهمة، وهو ما ينتج عند ضرب سعر الرمز في مقدار المدخلات التي تستهلكها المهمة فعليًا. بتكلفة ‎$139.64‎ لكل مليون مهمة، تضع ‎AA‎ نموذج ‎Microsoft-Decision-1.1‎ في المرتبة الخامسة عشرة من أصل خمس وعشرين من حيث التكلفة — أرخص من ‎Gemini Decision 1‎ بسعر ‎$344.90‎، وأغلى من ‎Celeris-1.1 Decision‎ بسعر ‎$14‎ و‎Decider v1.3‎ بسعر ‎$68‎. النموذج سريع ومتوسط السعر. وهو ليس الصفقة الرابحة في فئته، ولم تدّعِ مايكروسوفت ذلك قط.

إلى أين يترك هذا فريقًا يريد أن يحسم الأمر

المسار الخاص بالطرف الأول هو Foundry: انشر النموذج، ثم أرسل حالة بالإضافة إلى خريطة للأسئلة محددة النوع إلى نقطة نهاية القرار. سيهتم المشترون المؤسسيون بأن Microsoft تستخدمه بالفعل كحَكَم داخل Foundry Evaluations وكموجّه في Copilot، حيث تذكر الشركة أن قرار التوجيه نفسه يُتخذ أسرع بـ2.2x وبتكلفة أقل بـ4.4x من نموذج لغوي كبير — وهو رقم أبلغت عنه Microsoft استنادًا إلى أداة الاختبار الخاصة بها، ولم يُعَد إنتاجه خارجها.

ما يجدر قوله بصراحة هو ما تحمله OrcaRouter وما لا تحمله. نحن لا نستضيف Microsoft-Decision-1.1، ولا Gemini Decision 1، ولا أي نقطة نهاية لتقييم القرارات، لأن واجهة برمجية تعتمد على الاحتمالات فقط ليست هدفًا لإكمال المحادثات، والتظاهر بخلاف ذلك سيكون من نوع ادعاءات التوفر التي تبدو جيدة على الورق وتفشل في بيئة الإنتاج. أما ما نحمله فهو النصف الخاص بخط أنابيب القرار الذي يولّد فعلًا — وهناك نافذة على هذا الإصدار غير معتادة في حرفيتها: Gemma 4 26B A4B، النموذج الأساسي نفسه الذي قامت Microsoft بضبطه الدقيق، متاح في كتالوجنا بسعر 0.06 دولار لكل مليون رمز إدخال و0.33 دولار لكل مليون رمز إخراج، إلى جانب Jev 1.14 بسعر 0.042 دولار، وهو النموذج الذي يُقاس عليه Microsoft-Decision-1.1. إذا أردت أن ترى كم من سلوك القرار يعود إلى النموذج الأساسي وكم يعود إلى التدريب اللاحق، فإن طرفي تلك المقارنة يمكن الوصول إليهما من مفتاح واحد، بسعر قائمة المزوّد مع تمرير هامش ربح 0%.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, headed with the model name and typesafe as the provider. Pricing shows $0.04 input and $0.04 output per million tokens, with a code sample posting a state and two typed questions to https://api.orcarouter.ai/v1/systemone. A performance panel lists a p50 time-to-first-token of 181 ms, a European Union inference region and zero data retention available, with 171.8M tokens of usage shown.

ماذا تشاهد بعد ذلك

أصبح أمران الآن قابلين للاختبار علنًا ولم يكونا كذلك الأسبوع الماضي. الأول هو ما إذا كان Decision Index يستمر في الظهور على شاشات العروض الرئيسية: فالمعيار يتحول إلى وثيقة شراء في اللحظة التي يبدأ فيها المورّدون باقتباسه تحت شعاراتهم، وأي مورّد يفعل ذلك لاحقًا سيقتبس مجموعة فرعية مختلفة من أربعة نماذج. الثاني هو ما إذا كان Microsoft-Decision-1.1 يحافظ على موقعه في التوجيه عندما تنمو لوحة التصنيف — إذ يحمل When2Call وزنًا بنسبة 10% ويوفّر معظم تفوق النموذج على Gemini Decision 1، ما يعني أن مراجعة روتينية للمؤشر قد تحرّك هذا التصنيف أكثر مما سيفعل أي تحديث للنموذج.

في الوقت الحالي، الجملة الدقيقة أضيق نطاقًا من شريحة العرض وأكثر نفعًا: أطلقت Microsoft نموذج قرار أسرع بمرتين من سابقه عند السعر نفسه لكل رمز، وأفضل معايرة بدرجة ملحوظة، وأصبح قادرًا حديثًا على قراءة الصور، ولا يزال محدودًا عند 32K رمز، وصادقًا بشأن ما لا يعرفه، ويحتل المرتبة الحادية عشرة في اللوحة المستقلة الوحيدة التي تصنفه. قال العرض الرئيسي إنه يتفوق على Google وOpenAI. وهو كذلك. لكنه لا يتفوق على الجميع.