Una tarjeta de título generada para el artículo, encabezada por «MAI Decision 1 es en realidad Decision 1.1», con el subtítulo «y el titular de 200x no es de Microsoft», dividida en dos paneles redondeados a cada lado de un disco central con «vs» en negrita. El panel izquierdo, «La publicación que circuló», enumera «10x más rápido», «200x más barato», «frente a un modelo general» y «sin referencia nombrada»; el panel derecho, «La propia afirmación de Microsoft», enumera «50x más rápido», «79x más barato», «frente a GPT-Sol 6.1» y «referencia nombrada». Un pie de página dice «Verificación independiente: 67.78 en el AA Decision Index v2.1, octavo de dieciocho modelos clasificados». El logotipo de OrcaRouter está compuesto en la franja blanca debajo de la ilustración.
Guides & Insights

MAI Decision 1 es en realidad Decision 1.1 — y el titular de 200x no es de Microsoft

Autor

Gideon Frost

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Dos cifras sobre MAI Decision 1 circularon el 17 de noviembre de 2026: que es 10 veces más rápido y 200 veces más barato que un modelo general. Ninguna de las dos cifras aparece en ningún lugar del propio anuncio de Microsoft. El modelo que Microsoft lanzó realmente en Ignite es Microsoft-Decision-1.1, y las afirmaciones publicadas por la compañía son que es 50 veces más rápido y 79 veces más barato que GPT-Sol 6.1 —frente a un modelo concreto con nombre, en un entorno de pruebas concreto, no frente a "un modelo general". Esa diferencia merece encabezar el análisis, porque es la diferencia entre un ratio de marketing y una cifra que se puede comprobar. Esto es lo que se lanzó, lo que Microsoft documentó y dónde lo sitúa un panel independiente.

Primero, el nombre

Los materiales de Microsoft nunca utilizan la cadena «MAI Decision 1». La entrada de Ignite sobre la línea de productos llama al modelo Decision 1.1, el blog de Foundry lo llama Microsoft-Decision-1.1, y la ficha del modelo en el catálogo de Foundry lleva el mismo nombre. La etiqueta «MAI Decision 1» proviene de la cobertura de la keynote por parte de terceros, junto con «MAI Code 2», «MAI Code 2 Flash» y «MAI Cyber 2 Flash»: la misma familia, renombrada por los observadores y no por el proveedor.

Eso importa por una razón práctica: Microsoft-Decision-1.1 no es el primer modelo de decisión que Microsoft ha lanzado. Microsoft-Decision-1 alcanzó la disponibilidad general en Foundry el 8 de octubre de 2026, construido sobre Qwen3.5-9B de A​libaba, solo texto y sin cifras de referencia publicadas en el lanzamiento. Lo que llegó el 17 de noviembre es la versión 1.1 de la misma línea de producto, con un modelo base diferente, entrada multimodal y un historial de rendimiento mucho más completo. Considera que todo lo que leas sobre «MAI Decision 1» se refiere a la 1.1, a menos que se indique lo contrario.

¿Qué hay realmente en la caja?

El contrato no cambia de forma y es considerablemente más amplio en alcance. Usted envía un estado —texto o JSON— más una o más preguntas tipadas, cada una con un conjunto fijo de opciones, y recibe probabilidades en lugar de prosa. Se documentan tres primitivas de pregunta: una de sí/no ("noul" en la API), una de elección entre un conjunto etiquetado y una de puntuación sobre niveles ordenados cuyo valor de retorno es el promedio ponderado por probabilidad de los índices de nivel. Todo en una sola llamada, en una sola pasada, sin bucle de decodificación.

Novedades en 1.1:

• Modelo base — Gemma 4 26B-A4B, la mezcla de expertos de pesos abiertos de Google, con post-entrenamiento de Microsoft. La versión 1 recibió post-entrenamiento con Qwen3.5-9B.

• Entrada: texto e imágenes. La versión 1 era solo texto.

• Gestión de imágenes — PNG o JPEG, de 280 a 1.568 píxeles por lado, hasta 8 imágenes por pregunta, incluidas las referenciadas desde el estado, con un límite de 645.120 píxeles procesados en total. El servicio redimensiona a un tamaño de trabajo fijo, por lo que una carga más grande no consume más tokens.

• Contexto — 32.768 tokens de entrada para la combinación de estado más pregunta, el mismo límite máximo que la versión 1.

• Idiomas — entrenados y evaluados en más de 25, frente a más de 35 admitidos directamente por el modelo base. Microsoft afirma explícitamente que la cobertura del modelo base no establece una calibración validada para cada idioma.

• Servicio: un endpoint de decisiones en lugar de una finalización de chat: las solicitudes van a /providers/microsoft/v1/systemone en tu recurso de Foundry, con un nombre de implementación en el campo model. Microsoft dice que ejecuta un motor de inferencia personalizado escrito para cargas de trabajo de decisión en lugar de una pila de generación de texto.

• Precio: $0.042 por millón de tokens en Global Standard, $0.05 en las zonas de datos de la UE y APAC. Igual que la versión 1, y las llamadas de decisión se facturan por tokens de entrada, porque efectivamente no hay salida que facturar.

• Ventana de entrenamiento — de octubre a noviembre de 2026, según la tarjeta del modelo.

• Pesos: ninguno. Se trata de un modelo alojado en la cartera «Direct from Azure» de Foundry. No hay descarga ni ruta de ajuste fino.

Las exclusiones se enuncian con la misma claridad que las características, y aun así definen el producto. Microsoft-Decision-1.1 no sirve para la generación de texto, la respuesta a preguntas abiertas, la conversación, la traducción ni el resumen, y tampoco para tareas que requieran conocimientos ausentes de la entrada. No produce ninguna justificación. La respuesta contiene probabilidades y nada que puedas mostrar a un usuario como explicación, lo que significa que la explicación es tu trabajo y el umbral es tu decisión: 0,7 escala, 0,95 no, y esa línea la establece la aplicación, no el proveedor.

Las dos afirmaciones sobre velocidad y coste, y cuál resiste el escrutinio

La versión que circula —«10 veces más rápida y 200 veces más barata que un modelo general»— no tiene referente. Una proporción frente a un modelo sin nombre no se puede reproducir, y las dos comparaciones publicadas de Microsoft que sí mencionan algo son más acotadas y más amplias a la vez.

La publicación de Ignite dice que Decision 1.1 es «50 veces más rápido y 79 veces más barato que GPT-Sol 6.1». La publicación de lanzamiento de Foundry dice que es «más del doble de rápido que nuestro primer modelo, al mismo coste», y ofrece un ejemplo de Copilot: enrutar entre Copilot y Cowork con la misma precisión que un modelo de lenguaje grande, 2,2 veces más rápido y 4,4 veces más barato. Esas son mediciones del proveedor sobre el propio tráfico de Microsoft y el propio arnés de pruebas de Microsoft. No están mal; están acotadas. Las cifras de 50x y 79x se refieren a un competidor en un tipo de decisión de enrutamiento, no a los modelos de decisión en general.

Una de las afirmaciones se puede verificar con un tercero, y se sostiene. Artificial Analysis mide Decision 1.1 en 123,25 milisegundos por tarea en su Decision Index v2.1, frente a 274,25 ms para Microsoft-Decision-1. Eso es 2,23x, que es lo que significa "más del doble de rápido". La afirmación sobre el costo también se mantiene, en una forma debilitada: AA calcula $139,64 por millón de tareas para 1.1 frente a $142,56 para la versión 1 — aproximadamente un 2 % más barato, no el mismo precio, porque las dos versiones usan recuentos de tokens por tarea diferentes incluso con una tarifa por token idéntica. "Al mismo costo" es preciso en cuanto a la lista de precios y ligeramente generoso en cuanto a la factura.

Dónde se ubica, y la forma de la afirmación que hizo Microsoft

El post de lanzamiento de Microsoft dice que Decision 1.1 "obtiene 68, seis puntos más que nuestro primer modelo y por delante de Jev 1.14, Gemini Decision 1 de Google y GPT-6 Luna (Decisions) de OpenAI". En el Artificial Analysis Decision Index v2.1 consultado el 18 de noviembre de 2026, cada parte de eso es cierta. Decision 1.1 está en 67,78. Jev 1.14 está en 66,23, Gemini Decision 1 en 65,98 y GPT-6 Luna en 60,25. La versión 1 está en 62,07, así que la ganancia de seis puntos también es real.

Lo que la frase no dice es en qué posición queda el modelo en la clasificación completa. Ocupa el octavo puesto de la tabla, siete puntos por detrás de un líder absoluto y uno y medio por delante del modelo que Microsoft nombró:

• 74.85 — d1.2-ultra (Liquid AI)

• 72.62 — Drex Max v1.1 (Nace.AI)

• 72.58 — SubQ Snap 1.2 (subcuadrático)

• 72.52 — GLiDE v1.2 (Fastino)

• 71.36 — Mammoth 27B (Base Labs)

• 70.41 — Decider v1.3 (Perplexity)

• 68.69 — d1.2 (Liquid AI)

• 67.78 — Microsoft-Decision-1.1

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, headed 'Artificial Analysis Decision Index v2.1' with the subheading describing a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, and the constituent evaluation labels AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision, HLE-MultiChoice and AA-Symmetry.

Siete modelos obtienen una puntuación superior, y el líder aventaja por 7,1 puntos. La afirmación separada de Microsoft —«la mayor precisión media de ocho modelos de decisión» en su propio conjunto interno de 102 pruebas de referencia y 385.000 preguntas— es una declaración sobre un ámbito que Microsoft eligió, algo normal que publique un proveedor y algo malo de interpretar como una clasificación. El ámbito independiente abarca dieciocho modelos clasificados, y Microsoft está en su mitad superior.

Las subpuntuaciones son más informativas que el compuesto, porque muestran lo que compró el posentrenamiento. En las seis evaluaciones constituyentes de AA, Decision 1.1 obtiene 95,1 en llamada de herramientas de When2Call, 88,8 en EvalSafe-O*NET, 75,7 en simetría, 58,7 en decisiones documentales de AA-Paperclip, 60,5 en omnisciencia y 46,1 en opción múltiple de HLE. Su índice de precisión es 48,45 frente a 40,59 de la versión 1, y su puntuación Brier —la medida de calibración, cuanto más baja mejor— mejora de 0,1965 a 0,1604. Ese movimiento de Brier es el número más significativo del lanzamiento: indica que las probabilidades se acercaron más a ser verdaderas, que es la única propiedad que convierte aplicar umbrales a un modelo de decisión en una opción de ingeniería sensata.

A generated single-column scoreboard card titled 'Microsoft-Decision-1.1 — the scoreboard' with six rows: AA Decision Index v2.1 67.78, eighth of eighteen; latency per task 123 ms; cost per million tasks 139.64 dollars; Brier score 0.160, lower is better; input context 32,768 tokens; price per million input tokens 0.042 dollars. The footer reads 'Index, latency, cost and Brier per Artificial Analysis v2.1, read 18 November 2026; price per Microsoft Foundry's list.' The OrcaRouter logo is composited in the white strip below the artwork.

El cambio al modelo base es la verdadera historia

La versión 1 fue un post-entrenamiento de Qwen3.5-9B, un modelo denso de 9B. La versión 1.1 es un post-entrenamiento de Gemma 4 26B-A4B, una mezcla de expertos con aproximadamente 4B de parámetros activos. La explicación de Microsoft se centra en la economía del servicio más que en la calidad: suficientes parámetros activos para el juicio, lo bastante pequeño como para ejecutarse en flotas de A100, H100/200 y GB200/300, con un motor personalizado que enruta las solicitudes a través del conjunto de GPU en función del coste y no solo de la latencia.

Se derivan tres consecuencias, y son las que un equipo de plataforma debería tener en cuenta. Primero, un MoE con 4B activos es barato de servir por llamada precisamente porque la mayor parte del modelo está inactiva; de ahí vienen los 123 ms. Segundo, el cambio reinicia el planteamiento sobre idiomas y calibración: la base cambió, la afirmación de los 25 idiomas se refiere a la nueva base, y cualquier calibración que hayas medido en la versión 1 no se traslada. Tercero, la licencia de la base es de G​oogle, mientras que el modelo postentrenado es de Microsoft y solo se ofrece alojado; por lo tanto, el linaje de pesos abiertos no te aporta nada a nivel operativo. No puedes descargar este modelo, y que la base sea abierta no cambia eso.

Lo que cuesta una llamada, en las unidades que realmente pagas

A $0,042 por millón de tokens de entrada, una llamada de enrutamiento que transporta un ticket de 1.200 tokens y una pregunta de tres opciones cuesta unos $0,00005: cinco centésimas de centavo. Un millón de llamadas de ese tipo cuesta aproximadamente $50 según la lista de precios; los $139,64 por millón de tareas medidos por AA son más altos porque sus tareas son más largas que un ticket de soporte, lo cual es el recordatorio útil de que los precios por token y los costos por tarea son unidades diferentes y la segunda es la que aparece en una revisión presupuestaria.

La comparación que hace comprensible la economía es con un modelo general que realiza el mismo trabajo en modo JSON. Pagas por sus tokens de salida, que para una respuesta estructurada son decenas o cientos de tokens por llamada en lugar de cero, y pagas por el razonamiento que realiza antes de responder. Esa es la brecha que Microsoft describe con 79x, y la brecha es real incluso cuando el múltiplo exacto es la elección de un proveedor para la línea base.

Donde esto se vuelve incómodo es en el mismo punto de siempre con un scorer alojado de un solo proveedor: hay una única lista de precios, un único límite de velocidad y una única historia regional. Foundry ofrece implementaciones Global Standard y Data Zone Standard, y la variante Data Zone cuesta un 19 % más, a $0.05 por millón de tokens. Si tu carga de trabajo es sensible a la latencia, la documentación recomienda co-ubicar el recurso de Foundry con tu aplicación, un consejo honesto que además te dice que el modelo no es magia: es un pequeño MoE detrás de una cola.

Llegar a ello sin reconstruir tu stack

El endpoint de decisión en sí no está en el catálogo de OrcaRouter, y su predecesor tampoco: Microsoft distribuye este modelo a través de Foundry y en ningún otro sitio. Lo que sí está en el catálogo, al precio de lista del proveedor con un 0 % de margen repercutido, son los dos objetos que necesitas para calcular el precio de la decisión antes de comprarla. Gemma 4 26B A4B es la base del post-entrenamiento y se enruta a $0,25 por millón de tokens de entrada y $2,90 por millón de salida; es la base y no el post-entrenamiento, así que no devolverá las probabilidades calibradas de Decision 1.1, pero es la misma arquitectura y el suelo honesto de lo que cuesta un modelo general de esa forma. Jev 1.14, al que Microsoft nombra y supera por 1,55 puntos en el ranking independiente, se enruta a $0,042 por millón de tokens de entrada y de salida.

Esa combinación es útil para la fase de evaluación en lugar de la de producción. Si estás decidiendo si un modelo de decisión tiene cabida en una ruta de enrutamiento, puedes comparar los dos endpoints enrutables con tus propios tickets etiquetados mediante una sola clave, con conmutación por error automática entre proveedores, antes siquiera de abrir una implementación de Azure. Si la respuesta es sí y las cifras favorecen a Decision 1.1, lo despliegas en Foundry y mantienes el router delante —un único endpoint para llamadas de decisión y llamadas generativas por igual, de modo que el límite de velocidad de un modelo de decisión no se convierta en una caída de tu aplicación.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, showing the OrcaRouter navigation, a models breadcrumb for the typesafe vendor, the model name typesafe/jev-1.14, HF and ZDR badges, a Data retention panel noting that Zero Data Retention is available and that with ZDR on requests go only to providers, and the page's Code samples and Pricing sections.

¿Quién debería moverse ahora y quién debería esperar quince días?

Muévete ahora si ya estás pagando un modelo general para clasificar, calificar o filtrar, y tu volumen es lo bastante alto como para que el coste por llamada se vea en un gráfico. La mediana de 123 ms y el precio de $0,042 son una ventaja clara frente a un modelo de frontera que hace el mismo juicio, y la entrada multimodal es la diferencia entre un evaluador que puede examinar capturas de pantalla y uno que no.

Espera si tu decisión afecta a personas —crédito, empleo, vivienda, seguros, atención sanitaria, ámbito legal— porque la propia ficha de Microsoft indica que no debe usarse como único responsable de la decisión en esos casos, y nada en 1.1 cambia eso. Espera también si necesitas una calibración que puedas defender: el Brier de 0.160 de 1.1 es una mejora, no una garantía, y la documentación reconoce con franqueza que las puntuaciones cambian según la redacción y el orden de las opciones. Valida con tus propias etiquetas, aleatoriza el orden de las opciones y establece umbrales en función del coste de los dos tipos de error en lugar de basarte en un gráfico del proveedor.

El resumen honesto del 17 de noviembre es más pequeño y más útil que el titular de 200x: Microsoft lanzó un evaluador de decisiones más rápido, multimodal y mejor calibrado a un precio que hace asequible el juicio por solicitud, y es lo suficientemente bueno como para estar en la mitad superior de un campo independiente en lugar de en la cima de este. El modelo es real. La proporción del tuit no lo es.