
Karpo Decision 31B לעומת Microsoft-Decision-1: לאחד יש מחיר, ולשני יש ציון
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 184 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 215 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
הצב Karpo Decision 31B לצד Microsoft-Decision-1והדבר הראשון שתבחין בו הוא ששום אחת משתי החברות לא נתנה לך את הדבר שאתה זקוק לו כדי לבחור ביניהן. ל-Karpo Decision 31B, אותו פיין-טיון של Gemma 4 עם 31.3 מיליארד פרמטרים ש-MachinePulse העלתה ל-Hugging Face ב-5 בנובמבר 2026 בלי פוסט השקה, יש מספר בטבלת הדירוג — ומחיר אין. ל-Microsoft-Decision-1, שנמצא ב-Microsoft Foundry מאז 8 באוקטובר 2026, יש מחיר, חוזה Azure וחבילת מסמכים בנושא AI אחראי — אבל טבלת בנצ'מרקים מפורסמת אין לו כלל. האחד מדיד ואינו ניתן למכירה. האחר ניתן למכירה, ולפי בחירתו של הספק עצמו — גם אינו מדוד.
ההיפוך הזה הוא כל ההשוואה, וכדאי להתנגד לדחף לפתור אותו באריתמטיקה. ה-73.86 שקארפו נושאת וה-62.07 ש-Artificial Analysis מייחסת ל-Microsoft-Decision-1 אינם שתי קריאות של אותו דבר. הם מגיעים מלוחות שונים, מתמהילי משימות שונים, מנוסחאות ניקוד שונות ומרעיונות שונים לגבי למה נועד מודל החלטות. השאלה השימושית אינה איזה מספר גדול יותר. היא איזה משני הפערים — המחיר החסר או הניקוד החסר — הפריסה שלך יכולה באמת לספוג.
מה בדיוק מיקרוסופט מוכרת
Microsoft-Decision-1 הוא מודל Qwen3.5-9B שעבר אימון-המשך, שמשיב בהתפלגות על פני אפשרויות במקום בפרוזה. החוזה צר: כן/לא, בחירה מרובה, סולם דירוג, קבוצת סיווג או רובריקה, על פני עד 32,768 אסימוני טקסט. ללא תמונות, ללא אודיו, ללא שדה הסבר, ללא אסימונים שנוצרו. Microsoft מציינת באופן מפורש שהוא אינו מיועד לשאלות פתוחות, לתרגום או לתמצות, והיא ממליצה שלא להשתמש בו כבסיס בלעדי להחלטות בנוגע לאשראי, תעסוקה, דיור, ביטוח, חינוך או שירותי בריאות.
מה שכן הוא מביא הוא החלק שצ'קפוינט פתוח אינו יכול להביא: פריסת Foundry תחת תיק Direct from Azure, ללא שרת או בנקודת קצה מאוחדת, SKU סטנדרטי, אימות Azure, חשבונית אחת, הסקה בקבוצות מושבתת במכוון, וללא נתיב להורדת משקולות או כיוונון עדין. עבור בנק או קבוצת בתי חולים, אשכול העובדות האחרון הזה שווה לעתים קרובות יותר מעשרים נקודות בלוח דירוג, משום שהוא ההבדל בין מודל שצוות פלטפורמה יכול לאשר לבין מודל שצוות פלטפורמה נאלץ לבנות סביבו מחסנית הגשה.
המחיר אמיתי אבל לא נוח לציטוט. בעמוד הדגם לא מודפס תעריף לכל טוקן; הוא מקשר אל משטח התמחור של Azure. מה ש-Artificial Analysis עוקב אחריו עבורו הוא $143 למיליון משימות בתעריף הקלט, לעומת $345 למיליון משימות עבור Gemini Decision 1 של Google. ל-Karpo אין נתון דומה, משום של-Karpo אין כרטיס תעריפים מכל סוג — בלי מארח, בלי קונסולה, בלי ניסיון, בלי עלות שפורסמה לכל GPU.
מה שמדד הדירקטוריון, ומה שהוא לא מדד

המספר של Karpo הוא מספר קהילתי. Decision Index, הלוח הפתוח שעוקב אחר שחזורים של Jev מבית TypeSafe, מציב אותו ב-73.86 Full במהדורה 0.4.1 — מקום ראשון משותף מבין 307 שורות במאגר הנתונים שפורסם של הלוח, בשוויון עם GLiDE 27B ב-73.37, מפני שהלוח מקבץ כל דבר בטווח של 0.9 נקודות מהמוביל. ציון ה-Full הזה הוא צד שלישי במובן החשוב: מתחזקי הלוח הריצו מבחנים פרטיים שהספק מעולם לא ראה, בחלוקה של בערך 60% כישורים זהים ו-40% תחומים חדשים. החלוקה של Karpo מראה 70.94 בכישורים המוכרים ו-61.5 באלה הלא מוכרים, שזהו הצורה הרגילה עבור מודל שכוייל בכבדות מול ערכת מבחנים מוכרת.
ה־75.05 שעל כרטיס המודל הוא סיפור אחר לגמרי, והכרטיס מודה בכך בכנות: זוהי הרצה של MachinePulse עצמה של ערכת הניקוד הרשמית, ובה 140,178 בקשות שקיבלו ניקוד, כש־11 נדחו בשל חריגה מהחלון; ההרצה אומצה על ידי המועצה לאחר שניקוד מחדש בערכה יצא זהה לטענה. פומבי ובר־שחזור, אך עדיין של צד ראשון. השורה של המועצה עצמה מאשרת את האימוץ ומציינת שההתאמה במבחן הפרטי לשורות שהוגשו עמדה על 100% על פני 827 שורות.
Microsoft-Decision-1 אינו כולל שום דבר מכל זה. עמוד הקטלוג שלו כולל לשונית Benchmarks ובה פסקת מתודולוגיה וללא נתונים: מדדי השוואה ציבוריים וקהילתיים לקבלת החלטות, סטים פנימיים מוחזקים, דיוק ושגיאת כיול, סדר האפשרויות משתנה, ומבחנים סטטיסטיים מזווגים מיושמים. Microsoft מציינת שהמודל פועל "באופן דומה למודלי קבלת החלטות מובילים ולפני מודלי קבלת החלטות פתוחים אחרים שנבחנו באותה מתודולוגיה", ואז נמנעת מלהציג את ההערכה. כל טענת ביצועים לגביו כיום היא מטעם הספק ואינה משוחזרת.
הכלי היחיד שנתן לו ציון הוא Artificial Analysis, לפי Decision Index v2.1, והרכיבים אינפורמטיביים יותר מאשר הציון המשולב. Microsoft-Decision-1 מקבל 88.0 ב-When2Call, סמוך למובילים, ו-86.8 ב-EvalSafe-O*NET. הוא מקבל 51.8 ב-AA-Paperclip עם שיעור מעבר מסמכים של 20.9% בשיטת הכול-או-כלום, 54.9 ב-AA-Omniscience-Decision עם שיעור אי-הזיה של 21.7%, ו-39.4 ב-HLE-MultiChoice עם דיוק גולמי של 8.6%. הדפוס הוא של מעריך מוכשר של שיפוט בעבודה עם התנהגות ידע חלשה, ונתון ההימנעות הוא זה שצריך לעכל: מודל שמסרב לענות על 78% משאלות הידע מגן על הכיול שלו על חשבון היותו שימושי.
צורות הבקשה, זו לצד זו

• פרמטרים — Karpo 31.3B ב-bf16 בתוספת readout של 255 × 5,376 ב-fp32, כ-62.5 GB בדיסק; Microsoft-Decision-1, בסיס dense עם 9B פרמטרים, שסופק רק כ-API.
• קלט — Karpo מקבל טקסט, JSON ותמונות, כאשר צילום מסך מועבר בתור state.viewport_screenshot; Microsoft-Decision-1 מקבל טקסט בלבד, שעובר סריאליזציה ל־32,768 טוקנים.
• הקשר — 32,768 טוקנים לשניהם, עם הבדל חשוב באופן הכשל: Karpo מפצל בקשה ארוכה לפי שאלה ומסרב לכל מה שעדיין לא נכנס, בעוד התקרה של Microsoft היא הקלט בתוספת מערך האפשרויות, ללא דרך להעלות אותה.
• סוגי שאלות — בחירה של Karpo עם עד 255 אפשרויות, noul עבור נכון/לא נכון, ניקוד עבור רמה מסודרת; Microsoft כן/לא, בחירה מרובה, דירוג, סיווג ורובריקה, עם אפשרויות הימנעות כגון "לא ניתן לדעת" הנתמכות בתוך הקבוצה.
• עיבוד באצוות — Karpo מקודד מצב אחד ושאלות רבות ברצף אחד, כך שמאה שאלות על חשבונית אחת עולות בערך למעבר אחד על החשבונית; החוזה המפורסם של Microsoft הוא מצב אחד ומערך השאלות שלו בכל הפעלה, כאשר הרוחב מושג באמצעות קיבוץ.
• השהיה — 94 מ"ש חציוני לבקשה על חומרת הייחוס של הטראקר, GPU אחד, בקשה אחת בכל פעם עבור Karpo; 274 מ"ש למשימה עבור Microsoft-Decision-1 במדידה של AA, נתון לכל משימה על פני מערך מסמכים ולא נתון לכל בקשה.
• רישיון וגישה — משקולות Apache-2.0 עם התנאים של Gemma 4 לצידן עבור Karpo; ללא משקולות כלל עבור Microsoft-Decision-1, שהוא API בלבד תחת תנאי Azure.
• מחיר — אין תעריף מפורסם ל-Karpo; 143 דולר למיליון משימות במעקב של AA עבור Microsoft-Decision-1, כאשר תעריף הקלט לפי טוקן מופיע בעמוד התמחור של Azure ולא בכרטיס המודל.
כיול הוא הציר שבו לשניהם יש מה לומר
עבור מודל שכל הפלט שלו הוא הסתברות, המספר שקובע את הפריסה אינו הדיוק אלא האם ההסתברות מתכוונת למה שהיא אומרת. הכרטיס של Karpo מדווח על שגיאת כיול של 4.8 נקודות: לאורך 34,411 תגובות עם ציון, הביטחון הממוצע שלו עמד על 87.96% לעומת דיוק של 83.19%, ובקטגוריית הביטחון העליונה — 68.5% מכלל התגובות — הוא צדק ב-95.7% מהמקרים בעודו הצהיר על 98.7%. זה מודל שאפשר להחיל עליו סף, עם סטייה ידועה בקצה העליון.
Microsoft אינה מפרסמת Expected Calibration Error, אינה מפרסמת Brier Score ואינה מפרסמת עקומת מהימנות. מה שציוני הרכיבים של AA מרמזים הוא מודל שהביטחון שלו מושקע באופן שמרני: שיעורי אי-ההזיה הגבוהים ב-Omniscience וב-HLE אומרים שהוא נמנע מלהשיב כשהוא אינו בטוח, וזו ההתנהגות שמנגנון הגנה רוצה ושמסווג אינו רוצה. האם ה-0.8 שלו אומר 0.8 מחוץ להערכה של Microsoft עצמה אינו ידוע, והתיעוד של Microsoft אומר זאת בדרכו שלו בכך שהוא מורה למפתחי אינטגרציה לאמת על נתונים מייצגים ולקבוע ספים לפי עלות השגיאות שלהם.
לאי-הסימטריה הזו יש השלכה מעשית. עם Karpo יורשים עקומת כיול שפורסמה וניתן לקבוע סף התחלתי לפני שמריצים משהו. עם Microsoft-Decision-1 יורשים מתודולוגיה והבטחה, והשבועיים הראשונים שלך הם פרויקט מדידה. אף אחד מהם אינו פוסל; הם פשוט סוגים שונים של עבודה.
הגרסה שאף אחד לא מזכיר בכותרת שלו
{{1}}Microsoft-Decision-1{{/1}} אינו עוד המודל הנוכחי במשפחה שלו. {{2}}Microsoft-Decision-1.1{{/2}} הגיע ב-17 בנובמבר 2026 ב-Ignite על בסיס Gemma 4 26B A4B מסוג mixture-of-experts, באותו מחיר ובאותה תקרה של 32K, ו-Artificial Analysis מדרגת אותו ב-67.78 — 5.7 נקודות מעל גרסה 1, ב-123 מילישניות למשימה במקום 274 מילישניות, עם שיעור אי-הזיה ב-Omniscience שעלה מ-21.7% ל-49.4%. הוא גם נעשה גרוע יותר בדברים שכלי ניקוד אמור להיות יציב בהם: 6.29% דיוק גולמי ב-HLE-MultiChoice לעומת 8.64%, ו-47.5% ממשפחות השאלות של AA-Symmetry נענו באופן עקבי לעומת 51.7%.
לפיכך, כל מי שמשווה את Karpo ל„מודל קבלת ההחלטות של Microsoft” בסוף נובמבר משווה אותו לגרסה שהוחלפה. זה לא הופך את ההשוואה לחסרת משמעות — גרסה 1 היא עדיין מה שהרבה מאוד מפריסות Foundry הותאמו אליו — אבל זה כן אומר שהמספר שיש לנצח בצד של Microsoft הוא 67.78, ושאלת המשנה היא האם מודל שמחליף דיוק ידע במשמעת הימנעות הוא הצורה המתאימה ל-pipeline שלך מלכתחילה.
מה שכל צד לא יכול לתת לך
Karpo לא יכולה לתת לך חוזה. אין נקודת קצה, אין כרטיס תעריפים, אין מסלול תמיכה, אין SLA ואין הצהרת ספק מעבר לכרטיס מודל ול-README. אם הארגון שלך לא יכול להריץ צ'קפוינט בנפח 62.5 GB על החומרה שלו, ההשוואה נגמרת שם ללא קשר לציון. גם טעינה שלו כמודל צ'אט רגיל לא תשחזר את תשובותיו: גם תשומת הלב הענפית וגם קריאת 255 הקודים נדרשות, וחבילת ה-Python וPOST /v1/systemone שרת קיים בדיוק משום שמערך הסקה גנרי לא יעשה את העבודה.
Microsoft-Decision-1 לא יכול לתת לך מספר בלי שתקבל אותו באמון, לא ניתן לכוונן אותו על נתוני ההחלטות שלך, לא יכול לקרוא צילום מסך, ולא ניתן להריץ אותו במצב לא מקוון. כמו כן, לא תוכל להריץ עליו בנצ'מרק באמצעות אותו כלי מדידה שבו אתה בודק את Karpo, משום ש-Decision Index הוא מרשם של שחזורים פתוחים ולמודל API סגור אין משקולות לשחזור. שני המודלים ימשיכו לפספס זה את זה: לוח אחד לעולם לא יציג את המודד של Microsoft, ול-Artificial Analysis אין שורה עבור Karpo.
יש עמדה שלישית שהיא שימושית יותר מכל אחת משתי העמודות. אם מה שאתם באמת צריכים הוא שכבת החלטה לצד צינור גנרטיבי, הרי שהמחולל הוא החצי שכבר אפשר לתקנן. OrcaRouter לא מארח את Karpo Decision 31B או את Microsoft-Decision-1, ואף אחד מהם לא מיועד לשבת מאחורי נתיב chat-completions. מה שכן מתארח אצלו הם שני המודלים שההשוואה הזו ממשיכה להסתובב סביבם: Gemma 4 31B, הבסיס שממנו כוונן Karpo, וJev 1.14 של TypeSafe, המודל שלוח השחזור הפתוח נועד לרדוף אחריו. שניהם יושבים מאחורי מפתח אחד תואם OpenAI לצד יותר מ-200 מודלים אחרים במחיר המחירון של הספק, מועבר ללא תוספת רווח, כך שהורדת מחיר של ספק מגיעה אלינו באותו יום, ומעבר אוטומטי לגיבוי שומר על לולאת ניקוד פעילה כשספק אחד מהסס.
איזה מהם לבחור

קחו את Microsoft-Decision-1, או בצורה הגיונית יותר את Microsoft-Decision-1.1, אם שכבת ההחלטה צריכה לחיות בתוך סביבת Azure, אם אתם זקוקים למסלול אישורים יותר מאשר למיקום בלוח מובילים, ואם הקלטים שלכם הם טקסט שנכנס ל-32K. תקצבו מחקר כיול, כי Microsoft לא סיפקה לכם אחד, והגדירו את ספי ההימנעות שלכם לפי עלות השגיאות שלכם ולא לפי תיאור הספק שלהן.
קח את Karpo Decision 31B אם יש לך את ה-GPU, אם צילומי מסך או מצב JSON הם חלק מהעבודה, אם Apache-2.0 חשוב למוצר שאתה מתכוון להשיק, ואם ציון מבחן פרטי של צד שלישי בתוספת עקומת כיול שפורסמה הם הראיות שהצוות שלך מקבל. קבל בתמורה שאתה כעת הספק: אין תמיכה, אין SLA, אין מחיר לתקצב לפיו, ומודל בן שבועיים שהמאגר שלו עדיין נערך ב-16 בנובמבר.
אל תבחרו באף אחד מהשניים רק בגלל 73.86 לעומת 62.07. המספרים האלה הופקו על ידי ארגונים שמעולם לא דירגו את אותו מבחן, על מערכי מבחנים עם שיעורים שונים של מבחנים פרטיים ונוסחאות ניקוד שונות, והקריאה הכנה היא ששני המודלים סבירים ושאיש מהם לא הוכח כעדיף על פני האחר. המבחן שיכריע את העניין — הופעתו של Karpo בלוח עצמאי שמדרג גם את המודל של Microsoft, או פרסום מצד Microsoft של טבלת התוצאות שסעיף המתודולוגיה שלה מתאר — לא התרחש. עד שזה יקרה, ההחלטה תלויה ברכש, בחומרה ובאופן הקלט, וזה המקום שבו היא הייתה צריכה להיות תלויה מלכתחילה.
