
החלטת MAI 1 היא למעשה החלטה 1.1 — והכותרת של פי 200 אינה של מיקרוסופט
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 90 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 87 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 43 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 182 tok/s
שני מספרים על MAI Decision 1התגלגלו ב-17 בנובמבר 2026: שהוא מהיר פי 10 וזול פי 200 ממודל כללי. אף אחד מהנתונים האלה לא מופיע בשום מקום בהכרזה של מיקרוסופט עצמה. המודל שמיקרוסופט למעשה השיקה ב-Ignite הוא Microsoft-Decision-1.1, והטענות שפרסמה החברה הן מהירות פי 50 וזולות פי 79 מ-GPT-Sol 6.1 — מול מודל ספציפי בשמו, בהרנס ספציפי, ולא מול "מודל כללי". שווה לפתוח דווקא בפער הזה, כי זה ההבדל בין יחס שיווקי לבין מספר שאפשר לבדוק. הנה מה שהושק, מה שמיקרוסופט תיעדה, ואיפה לוח עצמאי ממקם אותו.
קודם, השם
החומרים של Microsoft לעולם אינם משתמשים במחרוזת "MAI Decision 1". הפוסט של Ignite על ההרכב קורא למודל Decision 1.1, הבלוג של Foundry קורא לו Microsoft-Decision-1.1, וכרטיס המודל בקטלוג Foundry נושא את אותו שם. התווית "MAI Decision 1" מגיעה מסיקור חיצוני של ה-keynote, יחד עם "MAI Code 2", "MAI Code 2 Flash" ו"MAI Cyber 2 Flash" — אותה משפחה, ששמה שונה על ידי משקיפים ולא על ידי הספק.
זה משנה מסיבה מעשית אחת: Microsoft-Decision-1.1 אינו מודל קבלת ההחלטות הראשון שמיקרוסופט הוציאה. Microsoft-Decision-1 הגיע לזמינות כללית ב-Foundry ב-8 באוקטובר 2026, מבוסס על Qwen3.5-9B של Alibaba, טקסט בלבד, ללא נתוני בנצ'מרק שפורסמו בעת ההשקה. מה שהגיע ב-17 בנובמבר הוא גרסה 1.1 של אותו קו מוצרים, עם מודל בסיס שונה, קלט רב-מודלי ותיאור ביצועים מלא הרבה יותר. התייחס לכל מה שתקרא על "MAI Decision 1" כעל דבר העוסק ב-1.1, אלא אם כן נאמר אחרת.
מה באמת יש בקופסה
החוזה לא השתנה בצורתו, והוא רחב בהרבה בהיקפו. אתם שולחים מצב — טקסט או JSON — בתוספת שאלה טיפוסית אחת או יותר, שלכל אחת מהן סט אפשרויות קבוע, ובחזרה אתם מקבלים הסתברויות במקום פרוזה. מתועדים שלושה פרימיטיבים של שאלות: כן/לא ("noul" ב-API), בחירה מתוך סט מתויג, וציון על רמות מסודרות שערך ההחזרה שלו הוא הממוצע המשוקלל לפי הסתברות של מדדי הרמות. הכול בקריאה אחת, במעבר אחד, בלי לולאת פענוח.
מה חדש ב-1.1:
• מודל בסיס — Gemma 4 26B-A4B, מיקס-אוף-אקספרטס בקוד פתוח {{1}}של Google{{/1}}, שעבר אימון-המשך על ידי Microsoft. גרסה 1 עברה אימון-המשך על Qwen3.5-9B.
• קלט — טקסט ותמונות. גרסה 1 הייתה טקסט בלבד.
• טיפול בתמונות — PNG או JPEG, 280 עד 1,568 פיקסלים בכל צד, עד 8 תמונות לכל שאלה כולל כל תמונה שמפנים אליה מהמצב, עם תקרה של 645,120 פיקסלים מעובדים בסך הכול. השירות משנה את הגודל לגודל עבודה קבוע, כך שהעלאה גדולה יותר לא צורכת יותר טוקנים.
• הקשר — 32,768 אסימוני קלט עבור הצירוף של מצב ושאלה, אותה תקרה כמו בגרסה 1.
• שפות — אומנו והוערכו ביותר מ-25 שפות, לעומת יותר מ-35 שנתמכות ישירות על ידי מודל הבסיס. מיקרוסופט מציינת במפורש ש�-covered by the base model אינו מבסס כיול מאומת לכל שפה.
• הגשה — נקודת קצה להחלטות ולא השלמת צ'אט: הבקשות נשלחות אל /providers/microsoft/v1/systemone במשאב ה-Foundry שלך, עם שם פריסה בשדה model. מיקרוסופט אומרת שהיא מריצה מנוע הסקה מותאם אישית שנכתב עבור עומסי עבודה של החלטות ולא עבור מערך ליצירת טקסט.
• מחיר — $0.042 למיליון טוקנים ב-Global Standard, ו-$0.05 באזורי הנתונים EU ו-APAC. זהה לגרסה 1, וקריאות החלטה מחויבות לפי טוקני קלט, מכיוון שאין למעשה פלט שעבורו יש לחייב.
• חלון האימון — אוקטובר עד נובמבר 2026, לפי כרטיס המודל.
• משקלים — אין. זהו מודל מתארח בתיק "Direct from Azure" של Foundry. אין הורדה ואין מסלול כוונון עדין.
ההחרגות מנוסחות באותה פשטות כמו התכונות, והן עדיין מגדירות את המוצר. Microsoft-Decision-1.1 אינו מיועד ליצירת טקסט, למענה על שאלות פתוחות, לשיחה, לתרגום או לסיכום, ולא למשימות הדורשות ידע שאינו מופיע בקלט. הוא אינו מפיק הנמקה. התגובה מכילה הסתברויות ולא דבר שאפשר להציג למשתמש כהסבר, מה שאומר שההסבר הוא באחריותך והסף הוא החלטתך: 0.7 מפעיל הסלמה, 0.95 לא, והגבול הזה נקבע על ידי היישום, לא על ידי הספק.
שתי טענות המהירות והעלות, ואיזו מהן עומדת בבדיקה מדוקדקת
הגרסה הנפוצה — "מהיר פי 10 וזול פי 200 ממודל כללי" — אין לה נקודת ייחוס. לא ניתן לשחזר יחס מול מודל שאינו נקוב בשמו, ושתי ההשוואות שפרסמה מיקרוסופט ושכן נוקבות במשהו הן צרות יותר וגדולות יותר בו-זמנית.
בפוסט של Ignite נאמר ש-Decision 1.1 הוא {{1}}מהיר פי 50 וזול פי 79 מ-GPT-Sol 6.1{{/1}}. בפוסט ההשקה של Foundry נאמר שהוא {{2}}מהיר יותר מפי שניים מהמודל הראשון שלנו, באותה עלות{{/2}}, ומובאת בו דוגמה מ-Copilot: ניתוב בין Copilot ל-Cowork ברמת דיוק זהה לזו של מודל שפה גדול, {{3}}מהיר פי 2.2 וזול פי 4.4{{/3}}. אלה מדידות של ספק על התעבורה של Microsoft עצמה ועל מערכת הבדיקות של Microsoft עצמה. הן לא שגויות; הן מוגבלות בהיקף. הנתונים של {{4}}פי 50 ופי 79{{/4}} מתייחסים למתחרה אחד בסוג אחד של החלטת ניתוב, לא למודלי החלטות באופן כללי.
אחת הטענות ניתנת לבדיקה מול צד שלישי, והיא עומדת. Artificial Analysis מודדת את Decision 1.1 ב-123.25 מילישניות למשימה ב-Decision Index v2.1 שלה, לעומת 274.25 מ״ש עבור Microsoft-Decision-1. זה פי 2.23, וזה מה ש״יותר מפי שניים מהר יותר״ אומר. טענת העלות גם שורדת, בצורה מוחלשת: AA מחשבת $139.64 למיליון משימות עבור 1.1 לעומת $142.56 עבור גרסה 1 — זול בכ-2%, לא אותו מחיר, כי שתי הגרסאות משתמשות במספרי טוקנים שונים למשימה אפילו בקצב זהה לטוקן. ״באותה עלות״ מדויקת לגבי המחירון ומעט נדיבה לגבי החשבונית.
היכן זה מדורג, וצורת הטענה שמיקרוסופט הציגה
פוסט ההשקה של Microsoft אומר ש-Decision 1.1 "מקבל ציון 68, עלייה של שש נקודות מהמודל הראשון שלנו ומקדים את Jev 1.14, Gemini Decision 1 של Google, ו-GPT-6 Luna (Decisions) של OpenAI". במדד Decision Index v2.1 של Artificial Analysis, כפי שנקרא ב-18 בנובמבר 2026, כל חלק מזה נכון. Decision 1.1 נמצא ב-67.78. Jev 1.14 נמצא ב-66.23, Gemini Decision 1 ב-65.98, GPT-6 Luna ב-60.25. גרסה 1 נמצאת ב-62.07, כך שגם העלייה של שש נקודות אמיתית.
מה שהמשפט לא אומר הוא היכן המודל נמצא בשדה המלא. הוא נמצא במקום השמיני בלוח, שבע נקודות מאחורי מוביל מוחלט ונקודה וחצי לפני המודל שמיקרוסופט נקבה בשמו:
• 74.85 — d1.2-ultra (Liquid AI)
• 72.62 — Drex Max v1.1 (Nace.AI)
• 72.58 — SubQ Snap 1.2 (תת־ריבועי)
• 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

שבעה מודלים משיגים ציון גבוה יותר, והמוביל ביתרון של 7.1 נקודות. הטענה הנפרדת של מיקרוסופט — "הדיוק הממוצע הגבוה ביותר מבין שמונה מודלי החלטה" במערך פנימי בן 102 מבחנים ו-385,000 שאלות — היא אמירה על תחום שמיקרוסופט בחרה, דבר נורמלי לספק לפרסם ודבר גרוע לקרוא כדירוג. התחום הבלתי תלוי כולל שמונה-עשר מודלים מדורגים, ומיקרוסופט נמצאת במחצית העליונה שלו.
תתי-הציונים מספקים מידע רב יותר מהציון המשולב, מפני שהם מראים מה אימון-ההמשך הניב. בשש ההערכות המרכיבות של AA, Decision 1.1 משיג 95.1 בקריאת כלים ב-When2Call, 88.8 ב-EvalSafe-O*NET, 75.7 בסימטריה, 58.7 בהחלטות מסמכים ב-AA-Paperclip, 60.5 ב-omniscience ו-46.1 ב-HLE בבחירה מרובה. מדד הדיוק שלו הוא 48.45 לעומת 40.59 בגרסה 1, וציון Brier שלו — מדד הכיול, ככל שהוא נמוך יותר כך טוב יותר — משתפר מ-0.1965 ל-0.1604. השינוי הזה ב-Brier הוא המספר המשמעותי ביותר בשחרור הגרסה: הוא אומר שההסתברויות התקרבו לאמת, וזו התכונה היחידה שהופכת החלת סף על מודל החלטות לבחירה הנדסית שפויה.

החלפת מודל הבסיס היא הסיפור האמיתי
גרסה 1 הייתה פוסט-אימון של Qwen3.5-9B, מודל צפוף בעל 9B פרמטרים. גרסה 1.1 היא פוסט-אימון של Gemma 4 26B-A4B, תערובת מומחים עם כ-4B פרמטרים פעילים. ההסבר של מיקרוסופט עצמה עוסק בכלכלת ההגשה ולא באיכות: מספיק פרמטרים פעילים לשיקול דעת, קטן מספיק כדי לרוץ על פני ציי A100, H100/200 ו-GB200/300, עם מנוע מותאם אישית שמנתב בקשות בין מאגר ה-GPU לפי עלות ולא רק לפי השהיה.
שלוש השלכות נובעות מכך, ואלה הן שהצוות של פלטפורמה צריך לדאוג להן. ראשית, MoE עם 4B פעילים זול להגשה לכל קריאה בדיוק מפני שרוב המודל אינו פעיל — משם מגיעים 123 ms. שנית, המעבר מאפס את סיפור השפה והכיול: הבסיס השתנה, הטענה על 25 שפות מתייחסת לבסיס החדש, וכל כיול שמדדתם בגרסה 1 אינו עובר. שלישית, הרישוי על הבסיס הוא של Google, בעוד שהמודל לאחר האימון הוא של Microsoft ומתארח בלבד — כך ששושלת המשקולות הפתוחות לא קונה לכם דבר מבחינה תפעולית. אי אפשר להוריד את המודל הזה, והעובדה שהבסיס פתוח לא משנה זאת.
כמה עולה שיחה, ביחידות שבהן אתה משלם בפועל
בתעריף של $0.042 למיליון טוקנים של קלט, קריאת ניתוב הנושאת פנייה בת 1,200 טוקנים ושאלה עם שלוש אפשרויות עולה כ-$0.00005 — חמש מאיות הסנט. מיליון קריאות כאלה עולות בערך $50 לפי המחירון; הנתון הנמדד של AA, $139.64 למיליון משימות, גבוה יותר משום שהמשימות שלה ארוכות מפניית תמיכה, וזו התזכורת השימושית לכך שמחירים לפי טוקן ועלויות לפי משימה הם יחידות שונות, והשנייה היא זו שמופיעה בסקירת תקציב.
ההשוואה שמבהירה את הכלכלה היא מול מודל כללי שעושה את אותה עבודה במצב JSON. אתה משלם על טוקני הפלט שלו, שבמקרה של תשובה מובנית הם עשרות עד מאות טוקנים לכל קריאה במקום אפס, ואתה משלם על החשיבה שהוא מבצע לפני המענה. זה הפער שמיקרוסופט מתארת עם 79x, והפער אמיתי גם כשהמכפיל המדויק הוא בחירתו של ספק לגבי קו הבסיס.
המקום שבו זה נעשה מביך הוא אותו מקום שבו זה תמיד נעשה עם מדרג מתארח של ספק יחיד: יש רשימת מחירים אחת, מגבלת קצב אחת וסיפור אזור אחד. Foundry מציעה פריסות Global Standard ו-Data Zone Standard, והווריאנט Data Zone עולה 19% יותר, ב-$0.05 למיליון טוקנים. אם עומס העבודה שלך רגיש להשהיה, התיעוד ממליץ למקם את משאב Foundry באותו מיקום כמו האפליקציה שלך, וזה ייעוץ כן שגם אומר לך שהמודל אינו קסם — הוא MoE קטן מאחורי תור.
להגיע לזה בלי לבנות מחדש את הסטאק שלך
נקודת הקצה של decision עצמה אינה בקטלוג של OrcaRouter, וגם קודמתה לא — מיקרוסופט משלחת את המודל הזה דרך Foundry ורק שם. מה שכן נמצא בקטלוג, במחיר המחירון של הספק עם 0% תוספת שהועברה הלאה, הם שני האובייקטים שתצטרכו כדי לתמחר את ההחלטה לפני שתקנו אותה. Gemma 4 26B A4B הוא הבסיס של ה-post-train ומנותב במחיר של $0.25 למיליון טוקנים בקלט ו-$2.90 למיליון בפלט; זה הבסיס ולא ה-post-train, כך שהוא לא יחזיר את ההסתברויות המכויילות של Decision 1.1, אבל זו אותה ארכיטקטורה והרצפה הכנה למה שעולה מודל כללי בצורה הזו. Jev 1.14, שמיקרוסופט נוקבת בשמו ומנצחת אותו ב-1.55 נקודות בלוח הבלתי תלוי, מנותב במחיר של $0.042 למיליון טוקנים בקלט ובפלט.
השילוב הזה שימושי בשלב ההערכה ולא בשלב הייצור. אם אתם מחליטים אם מודל החלטות שייך בכלל לנתיב ניתוב, תוכלו להשוות את הביצועים של שתי נקודות הקצה הניתנות לניתוב על כרטיסים מתויגים משלכם דרך מפתח אחד, עם מעבר אוטומטי בין ספקים במקרה כשל, לפני שתפתחו בכלל פריסת Azure. אם התשובה היא כן והנתונים תומכים ב-Decision 1.1, תפרסו אותו ב-Foundry ותשאירו את הנתב מלפנים — נקודת קצה אחת גם לקריאות החלטה וגם לקריאות גנרטיביות, כך שמגבלת הקצב של מודל החלטות לא תהפוך להפסקת שירות של האפליקציה שלכם.

מי צריך לזוז עכשיו, ומי צריך להמתין שבועיים
עברו עכשיו אם אתם כבר משלמים למודל כללי כדי לסווג, לדרג או לשמש כשער, ונפח השימוש שלכם גבוה מספיק כך שעלות לכל קריאה נראית על גרף. החציון של 123 ms והמחיר של $0.042 הם ניצחון ישיר על מודל חזיתי שמבצע את אותו שיקול דעת, והקלט הרב-מודלי הוא ההבדל בין מדרג שאפשר להפנות לצילומי מסך לבין כזה שאי אפשר.
המתינו אם ההחלטה שלכם נוגעת לאנשים — אשראי, תעסוקה, דיור, ביטוח, שירותי בריאות, משפט — כי הכרטיס של Microsoft עצמה אומר שלא להשתמש בו כמקבל ההחלטות היחיד שם, ושום דבר ב-1.1 לא משנה את זה. המתינו גם אם אתם צריכים כיול שאתם יכולים להגן עליו: ה-Brier של 1.1 שעומד על 0.160 הוא שיפור, לא ערובה, והמסמכים גלויים בדבר כך שהציונים משתנים עם ניסוח וסדר אפשרויות. בצעו ולידציה על התוויות שלכם, ערבבו באקראי את סדר האפשרויות, וקבעו ספים לפי העלות של שני סוגי השגיאות ולא לפי תרשים של ספק.
הסיכום הכנה של 17 בנובמבר קטן ושימושי יותר מכותרת ה-200x: מיקרוסופט שחררה מדרג החלטות מהיר יותר, רב-מודלי ומכויל טוב יותר, במחיר שהופך שיקול דעת לכל בקשה לבר-השגה, והוא טוב מספיק כדי להימצא בחצי העליון של השוואה עצמאית ולא בראשה. המודל אמיתי. היחס בציוץ לא.
