
Microsoft-Decision-1.1 مقابل Microsoft Decision 1: الترقية التي عاد فيها أحد الأرقام إلى الوراء
- 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 · 69 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
كل رقم منشور لـ Microsoft-Decision-1.1 أفضل من الرقم المقابل لـ Microsoft-Decision-1 باستثناء واحد، والاستثناء هو الجزء المثير للاهتمام. على Artificial Analysis Decision Index v2.1 يسجل النموذج الجديد 67.78 مقابل 62.07، وهو أسرع بمقدار 2.2x عند 123 مللي ثانية لكل مهمة مقابل 274 مللي ثانية، ويمتنع عن الإجابة على نحو أكثر موثوقية بكثير — 49.4% عدم اختلاق على AA-Omniscience-Decision مقابل 21.7%. ومع ذلك، في الأسئلة التي أجاب عنها النموذج القديم إجابة صحيحة، يجيب الجديد عنها بعدد أقل: 6.29% دقة خام على HLE-MultiChoice v1.1 مقابل 8.64%، و47.5% من أسئلة AA-Symmetry تمت الإجابة عنها باتساق مقابل 51.7%. إن Microsoft-Decision-1.1 ليس Microsoft-Decision-1 أفضل بشكل صارم. بل هو نموذج معاير بشكل مختلف، واتجاه هذه المقايضة هو ما تتوقف عليه قرارات الترحيل.
يفصل بين الطرازين ستة أسابيع. فقد بلغ Microsoft-Decision-1 مرحلة التوافر العام في 8 أكتوبر 2026 بوصفه مُقيّمًا نصيًا فقط دُرِّب تدريبًا لاحقًا انطلاقًا من Qwen3.5-9B. ثم وصل Microsoft-Decision-1.1 في 17 نوفمبر 2026 خلال Ignite، مبنيًا على Gemma 4 26B A4B، وهو أساس من نمط مزيج الخبراء تصفه Microsoft بأنه يمتلك ما يكفي من المعاملات النشطة للحكم والتقدير مع بقائه صغيرًا بما يكفي للخدمة عبر عتاد A100 وH100/200 وGB200/300. السعر نفسه. وسقف الـ32K نفسه. وأنواع الأسئلة الثلاثة نفسها. لكن العمود الفقري مختلف، وفئة زمن الاستجابة مختلفة، ومجموعة نقاط القوة مختلفة بشكل قابل للقياس.
تغيير النموذج الأساسي هو الإصدار.
الإصدار 1 كان نموذجًا كثيفًا بـ9 مليارات معامل. الإصدار 1.1 هو مزيج خبراء بـ26 مليار معامل مع نحو 4 مليارات معامل نشط لكل رمز، إذا قرأت لاحقة A4B بالطريقة التي تستخدمها Google في خط Gemma. هذه ليست إعادة تدريب تدريجية؛ بل بنية مختلفة، وعائلة مختلفة، ومجموعة مختلفة من خصائص الخدمة. منشور إطلاق Microsoft صريح في أن الاستبدال كان قرارًا متعلقًا بالتكلفة والذكاء، ويقرنه بمحرك استدلال مخصص بُني لحساب الدرجات بدلًا من التوليد رمزًا تلو الآخر.
ما الذي حقّقه التبديل، بالترتيب الذي سيلاحظه المشتري:
• زمن الاستجابة — من 274.25 ms إلى 123.25 ms لكل مهمة، مقاسًا عبر الفهرس بأكمله. وعلى أسرع مكوّن منفرد، When2Call، يبلغ متوسط النموذج الجديد 94 ms مقابل 230 ms للنموذج القديم.
• المعايرة — ارتفعت درجة القرار، وهي الدقة مع تطبيق عقوبة Brier، في كل واحد من مكونات القرار الخمسة. وارتفع Omniscience من 54.89 إلى 60.46، وHLE من 39.42 إلى 46.11، وPaperclip من 51.82 إلى 58.67، وEvalSafe من 86.82 إلى 88.85، وWhen2Call من 87.95 إلى 95.08.
• سلوك الرفض — تضاعف عدم الهلوسة على Omniscience أكثر من الضعف، من 21.74% إلى 49.40%. وعلى HLE ارتفع من 15.05% إلى 38.36%. وبالنسبة لنموذج يكون غرضه كله أن تُطبَّق عليه عتبة، فهذا هو التغيير الأكثر أثرًا في القائمة.
• الوسائط — أصبحت الصور مقبولة كمدخلات إلى جانب النص وJSON. لا يزال الصوت والفيديو مرفوضين، ولا يزال النموذج لا يصدر أي تفسير أو مبرر أو رموز إخراج.
• السياق — بلا تغيير عند 32,768 رمزًا. لم يتحرّك شيء هنا، ويجدر قول ذلك بصراحة لأن "1.1" يستدعي افتراض أن كل شيء قد تحسّن.
حيث يكون 1.1 أسوأ، ولماذا تنبئ صياغة مايكروسوفت نفسها بذلك
التراجعات ليست عشوائية. إنها تتجمع في المكوّنين اللذين يطلبان من النموذج أن يعرف شيئًا بدلًا من أن يقرر شيئًا.
على HLE-MultiChoice v1.1، انخفضت الدقة الخام من 8.64% إلى 6.29% — أي انخفاض نسبي بنسبة 27% في حصة الأسئلة الصعبة التي جرى الإجابة عنها بشكل صحيح. ومع ذلك، ارتفع Decision Score من 39.42 إلى 46.11، لأن ثقة النموذج في الإجابات التي قدّمها أصبحت أكثر توافقًا بكثير مع ما إذا كانت تلك الإجابات صحيحة. وبعبارة أخرى: أصبح أسوأ في التخمين وأفضل بكثير في إدراك أنه كان يخمّن. المقياس المركّب يكافئ الثاني ويكاد لا يلاحظ الأول.
في AA-Symmetry تكون الصورة أكثر دقة وأقل مجاملة. يقيس التناظر ما إذا كان السؤال نفسه، بعد إعادة صياغته — بإعادة ترتيب الخيارات، أو تبديل التسميات، أو نفي سؤال بنعم/لا — يُنتج الإجابة نفسها بالاحتمال نفسه. اجتاز الإصدار 1 نسبة 51.7% من إعادات الصياغة عند مستوى النجاح التام؛ في حين يجتاز الإصدار 1.1 نسبة 47.5%. درجته في التناظر، ومع ذلك، تحسّنت من 70.42 إلى 75.72، لأنه عندما ينحرف الآن فإنه ينحرف مسافة أقل. تشغيلات مثالية أقل، وأخطاء أصغر. هذا شكل يمكن الدفاع عنه لمقياس تقييم، لكنه تراجع في الخاصية الوحيدة التي يُفترض أن يضمنها نموذج قرار: ألا تغيّر الصياغة الإجابة.
قالت الكلمة الرئيسية لـ Microsoft ما يُضمر عادةً بصوت عالٍ — فهذه النماذج «لم تُضبط بعد صراحةً للمشكلات الأصعب، مثل البحث في العلوم الأساسية والعمل الوكيلي ذي الأفق الطويل جدًا»، لأن ضبطها لتلك القدرات سيرفع سعر كل مهمة روتينية. القرار 1.1 هو ما تبدو عليه تلك السياسة عند تنفيذها. لقد أصبح مقياس المعرفة أسوأ عن قصد، أو على الأقل دون اعتراض.

ما لم يتغيّر: بطاقة السعر، وحاجز 32K
يسرد كلا الإصدارين $0.042 لكل مليون رمز إدخال على Global Standard، و$0.046 على US Data Zone، و$0.05 على عمليات نشر EU Data Zone وAPAC Data Zone، مع عدم تحصيل أي رسوم على الإخراج لعدم وجود إخراج. وتقول Microsoft في عبارتها «أسرع بأكثر من الضعف وبالتكلفة نفسها»، وسعر الرمز يدعم ذلك تمامًا.
التكلفة المقاسة لكل مهمة تقول شيئًا مختلفًا قليلًا. يأتي الإصدار 1 بتكلفة 142.56 دولارًا لكل مليون مهمة على المؤشر؛ ويأتي الإصدار 1.1 بتكلفة 139.64 دولارًا. تحسّن بنسبة 2%، وليس مضاعفة. والسبب هو أن التكلفة لكل مهمة تساوي سعر الرمز مضروبًا في المدخلات المستهلكة، والنموذج الجديد لا يستهلك نصف الرموز — بل يجيب في نصف الوقت. إذا كان قيدك هو ميزانية الوقت الفعلي أو خطوة توجيه داخل مسار الطلب، فإن الترقية كبيرة وواضحة. أما إذا كان قيدك هو الإنفاق، فإن الإصدار 1.1 لا يغيّر فاتورتك، ولم تدّعِ مايكروسوفت أبدًا أنه سيفعل ذلك.
الرقم الآخر الذي لم يتغيّر هو الحد الأقصى. يقرأ كلا الطرازين 32,768 رمزًا، وتكرّر وثائق Microsoft الخاصة بالإصدار 1.1 عبارة «مدخلات تصل إلى 32 ألف رمز» شبه حرفيًا من صفحة الإصدار v1. لا يوجد دعم موثّق للتخزين المؤقت لأي منهما، ما يعني أن قائمة تقييم من 200 سؤال يُدفع ثمنها بالكامل في كل استدعاء، على كلا الإصدارين، وفي كل فئة حجم. وهذا هو أكبر رافعة منفردة في اقتصاديات هذه الفئة، ولا يمسّها أي من الإصدارين.

كيف تهاجر دون قفزة إيمان
بنية واجهة API مستقرة بما يكفي بحيث يكون الترحيل في معظمه إعدادات، لكن ليس بالكامل. توثّق Microsoft استدعاء v1.1 على أنه state بالإضافة إلى خريطة أسئلة محددة النوع — noul، choice، score — يُرسَل إلى /providers/microsoft/v1/systemone على مورد Foundry، مع احتواء الحقل model على اسم النشر الخاص بك بدلًا من اسم الطراز. تعيد الاستجابة الطراز الأساسي، لذا يمكن لنشر سُمّي وفق عبء العمل الخاص بك أن يخبرك أي إصدار أجاب.
ثلاث خطوات يجدر تنفيذها بالترتيب، بدلًا من تبديل اسم النشر ومراقبة لوحة معلومات:
1. أعِد تسجيل توزيع الثقة في مجموعتك الموسومة، لا دقتها. إن التحوّل من 21.7% إلى 49.4% في معدل عدم الهلوسة يعني أن 1.1 سيرفض نسبة أكبر بدرجة جوهرية من الأسئلة عند العتبة نفسها. وإذا كانت خطوط معالجتك تتعامل مع الإجابة المفقودة كفشل صارم بدلاً من إشارة توجيه، فستبدو هذه الترقية كتراجع في بيئة الإنتاج بينما تقول كل الاختبارات المعيارية إنها تحسين.
2. أعد ضبط العتبة. فحد القطع المختار وفق مقياس الثقة في الإصدار 1 يُطبَّق على توزيع تغيّر. وإرشادات Microsoft نفسها توصي بالتحقق من العتبات مقابل أمثلة موسومة قبل أتمتة أي بوابة، وهي النصيحة نفسها كالمعتاد، وقد أصبحت الآن محورية.
٣. اختبر انحدار التماثل على صياغتك الخاصة. إذا كانت مطالباتك تُولَّد من قوالب ذات ترتيب خيارات متغيّر — ومعظم مطالبات التوجيه كذلك — فإن معدّل النجاح الكامل البالغ 47.5% هو الرقم الذي ينبغي أن تقلق بشأنه، لا المركّب. كرّر عشرين من أسئلتك مع إعادة ترتيب الخيارات، وقِس عدد المرات التي تتحرّك فيها قيمة argmax.
ما يجعل تلك الخطوة الثالثة رخيصة هو أن للامتناع مكانًا يذهب إليه. ولا يكون نموذج القرار الذي يمتنع مفيدًا إلا إذا كان الشيء الذي يمتنع عن التعامل معه قادرًا على الإجابة، وهذا هو الجزء من خط المعالجة الذي يقدمه OrcaRouter: مفتاح واحد عبر أكثر من 200 نموذج مع تجاوز الفشل التلقائي، لذا يمكن توجيه نتيجة اختيار منخفضة الثقة إلى نموذج عام بدلًا من استدعاء إنسان، ويمكن للغة DSL للتوجيه أن تجمع الاثنين في تسلسل استدعاء واحد. Gemma 4 26B A4B — النموذج الأساسي داخل Decision 1.1 — متوفر في كتالوجنا بسعر $0.06 لكل مليون من المدخلات و$0.33 لكل مليون من المخرجات، بسعر قائمة المزود مع تمرير هامش ربح بنسبة 0%، مما يجعل أرخص فحص معقولية ممكن لأي قرار مريب استدعاءً فعليًا لنموذجه الأساسي.

ما إذا كان ينبغي الانتقال على الإطلاق
هناك مبرر للبقاء على الإصدار 1، وهو ضيق لكنه حقيقي. إذا كان عبء عملك يتمثل في أسئلة معرفية صعبة يكون فيها الجواب الخاطئ أسوأ من عدم الإجابة — أي نمط HLE — فقد أجاب الإصدار 1 عن عدد أكبر منها. وإذا كانت موجّهاتك قوالبَ تعيد ترتيب الخيارات، فقد كان الإصدار 1 أكثر استقرارًا عند إعادة الصياغة. وإذا كنت قد ضبطت عتبة بالفعل وتحققت منها مقابل بيانات إنتاج موسومة، فإن توزيع الثقة الجديد يُبطل ذلك العمل.
أما بالنسبة لكل الآخرين، فالأمر واضح ومباشر: ضعف الإنتاجية بالسعر نفسه لكل رمز، ومعدل اجتياز للمستندات ارتفع من 20.9% إلى 36.8%، وإدخال للصور لم يكن موجودًا من قبل، ونموذج يقول «لا أعرف» ضعف عدد المرات في المواقف نفسها بالضبط التي يكون فيها الالتزام الخاطئ مكلفًا. هذه هي الخصائص التي تُشترى من أجلها طبقة القرار. أما اختبار المعرفة الذي تنازل عنه فلم يكن ما يشتري أي شخص هذا النموذج من أجله.
الهجرة، في سطر واحد: انتقل إلى 1.1 من أجل زمن الاستجابة والامتناع عن الإجابة، وأعد ضبط عتباتك في الأسبوع نفسه، واحتفظ بأرقام الإصدار 1 في درج ليوم يسأل فيه أحدهم لماذا توقف النموذج الجديد عن الإجابة عن سؤال كان القديم يجيب عنه.
