
MAI Decision 1 vs Microsoft Decision 1: la misma línea de productos, con seis puntos de diferencia
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 182 tok/s
Esta comparativa tiene una trampa, y la trampa es la premisa. MAI Decision 1 y Microsoft Decision 1 no son dos modelos competidores. Son la misma línea de productos de Microsoft, con una versión de diferencia: el modelo que la cobertura de Ignite etiquetó como MAI Decision 1 es Microsoft-Decision-1.1, y Microsoft-Decision-1 es la versión de octubre a la que reemplaza. Así que la comparación útil no es "qué proveedor gana" —es "qué aportaron cinco semanas y un nuevo modelo base, y vale la pena migrar para quien ya está en producción con el endpoint anterior". La respuesta corta: seis puntos de índice, la mitad de latencia, entrada de imágenes y una lista de precios que no se movió.
Denominación, resuelta de una vez
La etiqueta de la izquierda de esta comparación proviene de la cobertura de la keynote, no de Microsoft. Las propias cadenas del proveedor son "Decision 1.1" en la publicación de la alineación de Ignite y "Microsoft-Decision-1.1" en el blog de Foundry y en la tarjeta del modelo; el prefijo MAI viajó con MAI Code 2 y MAI Cyber 2 Flash a través de los mismos artículos de terceros y se quedó. Así que esta página compara la versión 1.1 con la versión 1 de una misma línea de productos, y la pregunta interesante no es qué proveedor gana, sino qué cambiaron cinco semanas y un modelo base diferente.
La versión 1 no ha sido retirada. Sigue apareciendo en Foundry y sigue puntuando en el panel independiente, y por eso los dos nombres continúan apareciendo uno al lado del otro en las tablas comparativas —a veces como rivales de empresas distintas, aunque no lo son.
Seis semanas, dos modelos, un precio
La versión 1 alcanzó disponibilidad general el 8 de octubre de 2026: un posentrenamiento solo de texto de Qwen3.5-9B de Alibaba, probabilidades calibradas sobre un conjunto fijo de opciones, un límite de 32.768 tokens, sin pesos y sin cifras de referencia publicadas. La versión 1.1 llegó el 17 de noviembre con una base Gemma 4 26B-A4B, entrada de imágenes y una historia de rendimiento completa —mientras que la lista de precios se mantuvo exactamente igual, en $0,042 por millón de tokens.
• Modelo base — Qwen3.5-9B, denso, 9B en total frente a Gemma 4 26B-A4B, mezcla de expertos con unos 4B activos; ambos con post-entrenamiento interno
• Modalidad — solo texto frente a texto, JSON e imágenes PNG/JPEG, hasta 8 por pregunta
• Límite de entrada — 32.768 tokens frente a 32.768 tokens, sin cambios
• Tipos de preguntas — sí/no, opción múltiple, valoración, clasificación, rúbrica frente al mismo conjunto, expuestos como tres primitivas tipadas (noul, choice, score)
• Precio — $0.042/M de tokens en Global Standard, $0.05 en UE y APAC frente a idéntico
• Latencia medida — 274,25 ms por tarea frente a 123,25 ms por tarea, Artificial Analysis
• Costo medido: $142,56 por millón de tareas frente a $139,64 por millón de tareas, Artificial Analysis
• Decision Index v2.1 — 62.07 frente a 67.78
• Pesos — ninguno, alojados solo en Foundry vs ninguno, alojados solo en Foundry
La única línea que no cambió es aquella en la que la mayoría de los equipos basa su presupuesto, y la que más cambió es la que nadie anuncia: la latencia se redujo a la mitad mientras que el precio por token se mantuvo igual, porque la nueva base es un modelo disperso que hace mucho menos trabajo por llamada.

De qué están hechos los seis puntos
La brecha compuesta de 5.71 no está distribuida de manera uniforme, y esa desigualdad te indica para qué cargas de trabajo se diseñó la actualización. En las seis evaluaciones constituyentes de Artificial Analysis, al leer la tabla el 18 de noviembre de 2026:
• Llamada a herramientas de When2Call: 95,1 en 1.1 frente a 87,9 en la versión 1, una mejora de 7,1 puntos y la que importa para las salvaguardas de los agentes
• Criterio laboral de EvalSafe-O*NET — 88.8 frente a 86.8
• Simetría AA, invariancia de decisión ante reformulación — 75,7 frente a 70,4
• Decisiones de documentos de AA-Paperclip — 58,7 frente a 51,8, el mayor salto absoluto
• AA-Omniscience, conocimiento y alucinación — 60.5 frente a 54.9
• Razonamiento de opción múltiple de HLE — 46,1 frente a 39,4
Todas las subpuntuaciones mejoraron, lo cual es inusual y hace que el agregado sea confiable; un compuesto que sube en una evaluación y baja en dos suele ser un artefacto de ponderación. La ganancia de invariancia es la silenciosa que vale la pena señalar. La simetría mide si una decisión sobrevive a que se reordenen sus opciones o se reformule su pregunta —precisamente el modo de fallo que advierte la propia documentación de Microsoft, y precisamente la propiedad que decide si un umbral que ajustaste en staging sigue activándose en producción. Pasar de 70 a 76 en eso es un cambio operativo mayor que pasar de 62 a 68 en la métrica principal.
La calibración mejoró en la misma dirección. La puntuación de Brier, que mide la diferencia al cuadrado entre una probabilidad declarada y la verdad, bajó de 0,1965 a 0,1604; cuanto más baja, mejor. La precisión de la opción elegida subió de 40,6 a 48,5. Ambas cifras son mediciones de Artificial Analysis en sus propias tareas, no las de Microsoft, y esa es la razón para darles peso: el planteamiento de lanzamiento propio de Microsoft para 1.1 es una puntuación de 68, «seis puntos más que nuestro primer modelo», y el panel independiente queda a medio punto de eso, en 67,78, con una ganancia de 5,71 puntos. Por una vez, el proveedor y el auditor coinciden en líneas generales.

Dónde el modelo anterior sigue siendo la opción correcta
Hay tres razones defendibles para permanecer en Microsoft-Decision-1, y ninguna de ellas es el rendimiento.
La primera es una evaluación congelada. Si calibraste umbrales con la versión 1 sobre tus propios datos etiquetados —y deberías haberlo hecho—, entonces un cambio de modelo base invalida ese trabajo. Un modelo denso de 9B con postentrenamiento para puntuar y un MoE de 26B con postentrenamiento para puntuar no fallan en los mismos puntos, y la documentación de 1.1 es explícita en que la calibración es más sólida en tipos de tareas conocidas y puede cambiar con la formulación. Volver a ajustar tiene un costo real, y recae en el equipo, no en el proveedor.
La segunda es la cobertura de idiomas. La versión 1 traía una cobertura de postentrenamiento de 25 idiomas sobre una base Qwen con bastante más de 200 idiomas disponibles. La versión 1.1 trae una cobertura de 25+ idiomas sobre una base Gemma documentada en 35+. Veinticinco más no es veinticinco, y si gestionas una cola multilingüe, lo honesto es probar en lugar de suponer que el número aumentó.
La tercera es la forma de su dependencia. Ambas versiones son solo alojadas, de un único proveedor, con una sola lista de precios y un único régimen de límites de velocidad. Actualizar cambia su dominio de fallos sin reducirlo. Si ya ha envuelto el endpoint detrás de su propio mecanismo de respaldo, quedarse en la versión 1 le cuesta latencia y precisión, pero no disponibilidad; si no lo ha hecho, actualizar le proporciona un modelo más rápido detrás del mismo punto único de fallo.
Ejecutar los dos en paralelo antes de confirmar
La migración en sí es pequeña, que es la parte agradable. La forma del endpoint no cambia —un estado más preguntas tipadas a la ruta de decisión en un recurso de Foundry— y el despliegue es un cambio de versión del modelo, no una reescritura de la integración. Lo que cambia es todo lo que está después de la respuesta: las probabilidades, los umbrales y las subpuntuaciones anteriores.
Así que ejecuta ambos. Envía el mismo lote etiquetado a ambos despliegues, compara la precisión de la opción elegida en el umbral que realmente usas y fíjate específicamente en las colas: los casos en los que la versión 1 devolvía 0,55 y la versión 1.1 devuelve 0,88 son los que cambiarán tu tasa de escalado sin que te des cuenta. La ganancia de simetría sugiere que la 1.1 debería ser más estable ante la reordenación de opciones; verifícalo con tus propios prompts en lugar de confiar en el número.
Tener al juez y a lo juzgado en una sola clave es la configuración que la mayoría de los equipos acaba queriendo, y ninguno de los modelos Decision puede darte eso: ambos son endpoints alojados exclusivos de Foundry, así que el router que va delante de ellos es tu propio código. Lo que el router sí puede hacer mientras tanto es aportar controles. Gemma 4 26B A4B —la versión base a partir de la cual se postentrenó la 1.1— se enruta a través de OrcaRouter a $0.25 por millón de tokens de entrada y $2.90 por millón de salida, y Jev 1.14, el modelo de decisión con el que Microsoft se compara en sus benchmarks, a $0.042 por millón de entrada y salida. Ninguno reproduce las respuestas calibradas de la 1.1. Ambos te dicen si un modelo general con tus propios datos queda a unos pocos puntos del modelo de decisión, que es la pregunta que decide si lo necesitas siquiera.

La pregunta sobre la versión, respondida
Si eliges hoy y no tienes umbrales heredados que defender, toma 1.1. Es más rápido en una medición independiente por un factor de 2,2, ligeramente más barato por tarea, está mejor calibrado, es mejor para controlar cuándo permitir llamadas a herramientas y es el único de los dos que leerá una captura de pantalla. La lista de precios es idéntica, así que la actualización es gratis en el margen.
Si ya está en producción con la versión 1, vale la pena hacer la actualización y no es urgente en el sentido en que lo es un parche de seguridad. Reserve tiempo para el reajuste, mantenga la implementación anterior activa hasta que los nuevos umbrales se sostengan con tráfico real, y considere la mejora de simetría como la razón para esperar menos sorpresas en lugar de como una promesa de que no habrá ninguna.
Esta comparación no consiste en elegir entre proveedores. Ambos nombres apuntan a la línea de decisión de Microsoft, separados por cinco semanas y un modelo base, con el mismo precio de $0.042 por millón de tokens. La pregunta interesante nunca fue cuál gana; es si el segundo es lo suficientemente mejor como para pagar por una recalibración. En una tabla independiente, sí lo es.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
