
Microsoft-Decision-1.1 مقابل Gemini Decision 1: تقدم بفارق نقطتين بُني تقريبًا بالكامل على اختبار واحد
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 184 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 223 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 87 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 96 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
ضع Microsoft-Decision-1.1 وGemini Decision 1 جنبًا إلى جنب على مؤشر Artificial Analysis Decision Index v2.1، وستبدو الفجوة وكأنها حكم قاطع: 67.78 مقابل 65.98، كما أن نموذج Microsoft أسرع بنحو الضعف تقريبًا عند 123 مللي ثانية لكل مهمة مقابل 211 مللي ثانية، وأقل من نصف التكلفة عند 139.64 دولارًا لكل مليون مهمة مقابل 344.90 دولارًا. وإذا فكّكت النتيجة المركّبة، يصبح الحكم أصغر وأغرب. فميزة Microsoft-Decision-1.1 بأكملها تأتي من مكوّن واحد تبلغ قيمته 10% من المؤشر، ومن قرار واحد على مستوى العملية بشأن كيفية احتساب تكلفة المستند. أما على مكوّني المعرفة، فيفوز نموذج Google — أحدهما بفارق يزيد على ست نقاط، مع دقة خام تقارب الضعف.
هذا الانقسام هو المقارنة بأكملها، وهو يحدد أكثر مما يحدده موقع في لوحة الترتيب. يقرأ Gemini Decision 1 عدد 262,144 رمزًا ويقبل الصوت والفيديو وPDF؛ بينما يقرأ Microsoft-Decision-1.1 عدد 32,768 ويقبل النص وJSON والصور. يعترف نموذج Google بعدم معرفته بنسبة 49.6% في اختبار Omniscience؛ ونموذج Microsoft بنسبة 49.4%. وفي اختبار التوجيه، يتقدم نموذج Microsoft بمقدار 12.5 نقطة. إذا كان قرارك هو "أي من هذه الأدوات الخمس يحتاج إليه هذا الطلب"، فالإجابة ليست متقاربة. وإذا كان قرارك هو "هل هذا البند في هذا العقد المكوّن من 90 صفحة صحيح"، فالإجابة تنقلب، وهي تنقلب بسبب نافذة السياق لا بسبب النموذج.
كلاهما هدّافان، وهما هدّافان على المنوال نفسه.
توافقت واجهتا API على العنصر الأولي نفسه تقريبًا، مما يجعل المقارنة واضحة على نحو غير معتاد. تأخذ كل منهما مُدخلًا مشتركًا ومجموعة من الأسئلة محددة الأنواع، وتُعيد إجابة واحدة محددة النوع لكل سؤال مع احتمال مرفق بها. ولا تكتب أي منهما كلمة واحدة.
• أنواع الأسئلة — يعرض كلاهما الأنواع الثلاثة نفسها: احتمال نعم/لا، واختيار من مجموعة ثابتة مع احتمال لكل خيار، وموضع على مقياس مرتّب. تسمّي مايكروسوفت الأول نعم/لا، وتسمّيه جوجل أيضًا نعم/لا، وهذا ليس مصادفة بقدر ما هو فئة تستقر على مفردات.
• رموز الإخراج — صفر في كليهما، في كل استدعاء. الفوترة على الإدخال فقط، لذا فإن سعر الرمز الذي تقرأه هو السعر الكامل.
• التقييم المتوازي — يقيّم كلاهما كل سؤال مقابل المدخل المشترك بشكل مستقل، لذا لا يمكن للأسئلة رؤية بعضها البعض، وإضافة سؤال عاشر لا يغيّر الأسئلة التسعة الأولى.
• حجم الطلب — توثّق Google من 1 إلى 1000 سؤال لكل استدعاء، وأسئلة الاختيار بخيارات يتراوح عددها من 2 إلى 255، وأسئلة التقييم بمستويات من 2 إلى 255. وتوثّق Microsoft «سؤالًا واحدًا أو أكثر محدد النوع» دون سقف، ويصف منشور الإطلاق الخاص بها طلبات تحمل «مئات الأسئلة».
• إدخال الصور — كلاهما يقبله الآن. أضافت Microsoft هذه الميزة في 1.1؛ أما Google فتوفرها منذ الإطلاق، إلى جانب الصوت والفيديو، وهو ما لا تدعمه Microsoft صراحةً.
• نقاط النهاية — هنا تحديدًا يختلفان على المستوى المادي. لا يمكن الوصول إلى Gemini Decision 1 إلا عبر واجهة برمجة تطبيقات Decisions من Google ضمن Gemini Developer API v1beta. يُنشر Microsoft-Decision-1.1 كمورد Foundry ويستجيب على /providers/microsoft/v1/systemone على ذلك المورد.
المركّب، المتحلّل
تفوّق بمقدار 1.8 نقطة في المؤشر يقع ضمن مكوّن واحد بوزن 10% ليس ناتجًا عن التقريب، لكنه ادعاء أضيق بكثير من «نموذج أفضل». فيما يلي التفكيك الكامل للمدخلين كليهما، كما تنشره Artificial Analysis، وفق قراءة بتاريخ 19 نوفمبر 2026:
• المؤشر الإجمالي — Microsoft-Decision-1.1 67.78 مقابل Gemini Decision 1 65.98
• مؤشر الدقة (المؤشر الذي أُعيد بناؤه بالاعتماد على الدقة وحدها، مع إزالة الثقة) — 48.45 مقابل 45.53، لذا تتفوق Microsoft في الصحة أيضًا، لكن بفارق أقل
• When2Call، وزن 10% — 95.08 مقابل 80.50. فارق قدره 14.6 نقطة ومصدر التقدّم
• AA-Paperclip، بوزن 30% — درجة القرار 58.67 مقابل 56.83، و36.8% مقابل 33.0% من المستندات صحيحة تمامًا
• EvalSafe-O*NET-AA، 15% — 88.85 مقابل 87.05، بدقة خام تبلغ 83.4% مقابل 82.0%
• AA-Omniscience-Decision v1.1، 15% — 60.46 مقابل 66.28، مع دقة خام تبلغ 33.2% مقابل 44.8% و49.4% مقابل 49.6% في عدم الهلوسة
• HLE-MultiChoice v1.1، 15% — 46.11 مقابل 48.71، مع دقة خام 6.29% مقابل 13.16% وعدم هلوسة 38.4% مقابل 35.8%
• AA-Symmetry، 15% — 75.72 مقابل 70.47، في معدلات نجاح إعادة الصياغة البالغة 47.5% مقابل 38.3%
ينتج عن تلك القائمة أمران. الأول أن أكبر فجوة منفردة تقع على المكوّن الأصغر وزنًا — إذ يسهم When2Call بـ9.5 نقاط في مقياس من 100 نقطة، لذا فإن فارق 14.6 نقطة هناك يعادل نحو 1.5 نقطة من المؤشر، وهو ما يمثل معظم إجمالي 1.8 نقطة. والثاني أن ميزة المعرفة لدى Gemini Decision 1 كبيرة بحق: فنسبة 44.8% مقابل 33.2% في الدقة الخام لـ Omniscience ليست ضجيجًا، وهذا هو سبب امتلاك نموذج Google مؤشر دقة أعلى مما يوحي به مركبه.
بعبارة أخرى، لم يتفوّق مايكروسوفت على جوجل في القياس عبر جميع الجوانب. بل تفوّق على جوجل بشكل حاسم في الاختبار الوحيد الذي يسأل عمّا إذا كان النموذج يعرف متى يستدعي أداة، وتعادل معه تقريبًا في كل ما عدا ذلك، فخسر اختبارات المعرفة وفاز باختبار الاتساق.

التكلفة الفعلية لاختلاف نافذة السياق
نافذة الـ 262,144 رمزًا هي الرقم الذي يحسم أحمال العمل الحقيقية، وهي فجوة بمقدار 8 أضعاف: يقرأ Gemini Decision 1 ثمانية أضعاف ما يقرأه Microsoft-Decision-1.1. وتستهلك وثائق Google هذه الميزانية بطريقة محددة — إذ تغطي النافذة المدخلات المشتركة وجميع الأسئلة معًا، لذا يتنافس عقد طويل واحد مع مئتي سؤال تقييم على المساحة نفسها البالغة 262 ألفًا.
يخلّف سقف 32K لدى مايكروسوفت تأثيرًا من الدرجة الثانية يظهر في عمود التكلفة. تحتسب AA-Paperclip المستند مرة واحدة لكل أسئلته وتستخرج 15 إجابة لكل مستند. أما النموذج الذي لا يستطيع استيعاب المستند في نداء واحد فيجب تطبيقه قطعة قطعة، ما يضاعف عدد النداءات. يبلغ Microsoft-Decision-1.1 386 دولارًا لكل مليون مهمة على Paperclip مقابل 946 دولارًا لـ Gemini Decision 1، لكن الترتيب حسب التكلفة الإجمالية لكل مهمة تفسره بالفعل أسعار الرموز، لا طريقة التعامل مع المستندات.
هناك آلية ثالثة تستحق التسمية، لأنها الآلية التي يغفل عنها المشترون: يُحتسب الإدخال المتكرر بالكامل لدى كليهما. ولا تدعم Decisions API من Google صراحةً التخزين المؤقت للسياق، ولا Batch، ولا Flex، ولا الاستدلال بأولوية، لذا فإن أي قواعد تقييم تُرسَل مع كل طلب تُدفع تكلفتها مع كل طلب. كما لا يتضمن Microsoft-Decision-1.1 أي حديث عن التخزين المؤقت في وثائقه أيضًا. ولا يقدّم أي من المورّدين خصمًا مقابل طرح الأسئلة الـ200 نفسها مليون مرة، وهو تحديدًا عبء العمل الذي صُممت هذه الفئة من أجله.
التسعير، مع فخّ SKU
تُعلن Microsoft عن ثلاثة أسعار للإدخال — 0.042 دولار لكل مليون على Global Standard، و0.046 دولار على US Data Zone، و0.05 دولار على EU Data Zone وAPAC Data Zone — ولا سعر للإخراج. أما Google فتعلن عن سعر واحد: 0.10 دولار لكل مليون رمز إدخال. على مستوى الرقم الرئيسي، Microsoft أرخص بنسبة 58%. وعلى مستوى التكلفة المقيسة عبر المؤشر بأكمله، Microsoft أرخص بنسبة 60% — 139.64 دولارًا مقابل 345.41 دولارًا لكل مليون مهمة — لأنها تستهلك أيضًا رموزًا أقل لكل مهمة في معظم المكوّنات.
لكن سعر 0.042 دولار هو السعر العالمي، بينما يدفع أي عبء عمل مقيم في الاتحاد الأوروبي على SKU منطقة البيانات 0.05 دولار، ما يضيّق الفجوة إلى 50%. لا يتضمن أي من الرقمين تكلفة الاستدعاءات المحيطة بنموذج القرار، والتي تفوق بكثير لدى معظم خطوط الإنتاج استدعاء التقييم نفسه — النموذج الذي يصوغ الإجابات المرشحة، والنموذج الذي يكتب معايير التقييم، والنموذج الذي يتعامل مع أي شيء امتنع المقيّم عن تقييمه. هذا الإنفاق هو حيث يوفّر التوجيه المال فعلاً، وهو الجزء الذي يغطيه OrcaRouter: مفتاح واحد عبر أكثر من 200 نموذج بسعر قائمة المزوّد دون هامش ربح 0%، لذا يظهر تغيير سعر المورّد على النصف التوليدي في اليوم نفسه، وتستطيع خاصية الدمج أو لغة التوجيه DSL وضع مصوغ رخيص خلف مُقيّم مكلف دون عملية تكامل ثانية.

أي واحد ستنشره فعليًا؟
ثلاثة أشكال من عبء العمل، وثلاث إجابات مختلفة، ولا واحدة منها هي «المؤشر الأعلى».
• التوجيه والبوّابات واختيار الأدوات — Microsoft-Decision-1.1. تُعدّ درجة 95.08 في When2Call مقابل 80.50 أكبر فجوة لمكوّن واحد في لوحة النتائج، والتوجيه هو عبء العمل الذي بنت Microsoft النموذج من أجله. كما تهمّ هنا قيمة الوسيط البالغة 123 ms: فالمُوجّه يقع في مسار الطلب، والفرق بين 123 ms و211 ms هو الفرق بين خطوة لا يلاحظها أحد وخطوة يتعيّن على ميزانية الكمون استيعابها.
• استخراج المستندات والتقييم وفق معايير على المدخلات الطويلة — قرار Gemini 1. إذا كان على استدعاء واحد أن يرى عقدًا من 90 صفحة إضافةً إلى الأسئلة المتعلقة به، فإن سقف Microsoft البالغ 32K يفشل ببساطة، ولا أي قدر من أداء When2Call ينقذ استدعاءً لم يحدث قط. وتعزز دقة Omniscience البالغة 44.8% ودقة HLE البالغة 13.2% لدى Google الاستنتاج نفسه من اتجاه مختلف: فهو يعرف المزيد، ويستطيع قراءة المزيد.
• الفحص ذو الحجم الكبير حيث تكون الفاتورة هي العامل المهيمن — لا هذا ولا ذاك، وهذه هي الإجابة الصادقة. يسجّل Celeris-1.1 Decision نتيجة 62.0 بتكلفة 14 دولارًا لكل مليون مهمة؛ ويسجّل Decider v1.3 نتيجة 70.4 بتكلفة 68 دولارًا. كلاهما يتفوق على Microsoft-Decision-1.1 من حيث التكلفة لكل مهمة، وأحدهما يتفوق عليه في المؤشر. إذا كان قرارك رخيصًا ومتكررًا، فإن خيارات مزودي الخدمات السحابية الكبرى هي المكلفة.
ثمة تحذير واحد ينطبق على الثلاثة جميعًا: فجوة الـ1.8 نقطة وصفوف المعايرة تأتي من مؤشر عدّل أوزانه في 8 نوفمبر 2026، إذ خفّض وزن Omniscience وHLE من 25% لكل منهما إلى 15%، وأدخل مكوّنًا للمستندات بنسبة 30%. وقد تؤثر إعادة الترجيح في هذا التصنيف أكثر مما يفعل إصدار نموذج جديد. تعامل مع المقارنة باعتبارها حالية ومؤرخة، لا دائمة.

حيث سيتباين النموذجان بعد ذلك
Microsoft-Decision-1.1 هو محاولة ثانية على قاعدة جديدة — Gemma 4 26B A4B بدلًا من Qwen3.5-9B — مع محرك استدلال مخصص وطرح خاص بالتوجيه. Gemini Decision 1 هو أول إصدار من Google، مرتبط بواجهة API واحدة ومعرّف نموذج واحد. يشير المساران إلى اتجاهين متعاكسين: فـ Microsoft تكرّر على النموذج الأساسي ومكدّس الخدمة، بينما تكرّر Google على وسائط الإدخال وميزانية السياق.
ما يعنيه ذلك لقرار يُتخذ هذا الشهر ليس مبهرًا. تحقق مما إذا كان أطول مُدخل لديك يتسع ضمن 32K قبل أن تقرأ رقمًا واحدًا من أرقام المقاييس، لأن هذا القيد يستبعد أحد هذين النموذجين نهائيًا. وإذا كان يتسع، فشغّل عشرين مثالًا موسومًا من عندك عبر كليهما، وقارن توزيعات الثقة بدلًا من إجابات أفضل-1 — فالمُقيّم الذي لا يمكنك وضع عتبة له هو مُقيّم لا يمكنك إطلاقه، والاثنان ضمن 0.2 نقطة من بعضهما في عدم الهلوسة، وهو الصف الذي يحكم ما إذا كان الامتناع يتصرف بالطريقة نفسها على بياناتك كما فعل على مجموعة اختبار عامة.
مقارنات في هذه المقالة1
مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا
