כרטיס כותרת שנוצר שכותרתו 'MAI Decision 1 vs Microsoft Decision 1' ועם כתובית המשנה 'אותו קו מוצרים, בהפרש של שש נקודות מדד', מחולק לשני פאנלים מעוגלים סביב דיסקית 'vs'. הפאנל השמאלי, 'Microsoft-Decision-1.1', נושא את שורת המשנה 'GA 17 בנובמבר 2026' ואת השורות 'מדד החלטה 67.78', '123 מ״ש למשימה', 'תמונות וטקסט' ו'Gemma 4 base'; הפאנל הימני, 'Microsoft-Decision-1', נושא 'GA 8 באוקטובר 2026', 'מדד החלטה 62.07', '274 מ״ש למשימה', 'טקסט בלבד' ו'Qwen3.5 base'. בכותרת התחתונה נכתב 'שניהם רשומים ב־/bin/bash.042 למיליון טוקני קלט.' הלוגו של OrcaRouter משולב ברצועה הלבנה שמתחת לאיור.
Guides & Insights

MAI Decision 1 לעומת Microsoft Decision 1: אותו קו מוצרים, בהפרש של שש נקודות

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

בהשוואה הזו טמונה מלכודת, והמלכודת היא הנחת היסוד. MAI Decision 1 וMicrosoft Decision 1 אינם שני מודלים מתחרים. הם אותו קו מוצרים של Microsoft, בהפרש של גרסה אחת: המודל שסיקור Ignite כינה MAI Decision 1 הוא Microsoft-Decision-1.1, ו-Microsoft-Decision-1 הוא מהדורת אוקטובר שהוא מחליף. אז ההשוואה השימושית אינה "איזה ספק מנצח" — אלא "מה הניבו חמישה שבועות ומודל בסיס חדש, והאם השדרוג שווה הגירה למי שכבר נמצא בייצור על נקודת הקצה הישנה". התשובה הקצרה: שש נקודות אינדקס, חצי מההשהיה, קלט תמונות, ורשימת מחירים שלא זזה.

מתן שמות, נקבע פעם אחת

התווית משמאל להשוואה הזו מגיעה מסיקור keynote, לא מ-Microsoft. המחרוזות של הספק עצמו הן "Decision 1.1" בפוסט ההרכב של Ignite ו-"Microsoft-Decision-1.1" בבלוג וב-model card של Foundry; הקידומת MAI נדדה עם MAI Code 2 ו-MAI Cyber 2 Flash דרך אותם פרסומים של צד שלישי ונדבקה. לכן העמוד הזה משווה גרסה 1.1 מול גרסה 1 של קו מוצרים אחד, והשאלה המעניינת אינה איזה ספק מנצח אלא מה שינו חמישה שבועות ומודל בסיס אחר.

גרסה 1 לא הוסרה. היא עדיין רשומה ב-Foundry ועדיין מקבלת ניקוד בלוח העצמאי, וזו הסיבה ששני השמות ממשיכים להופיע זה לצד זה בטבלאות השוואה — לעיתים כיריבים מחברות שונות, מה שהם אינם.

שישה שבועות, שני דגמים, מחיר אחד

גרסה 1 הגיעה לזמינות כללית (GA) ב-8 באוקטובר 2026: פוסט-אימון טקסטואלי בלבד של Qwen3.5-9B מבית Alibaba, הסתברויות מכוילות על פני קבוצת אפשרויות קבועה, תקרה של 32,768 טוקנים, ללא משקלים וללא נתוני בנצ'מרק שפורסמו. גרסה 1.1 יצאה ב-17 בנובמבר עם בסיס Gemma 4 26B-A4B, קלט תמונות ותמונת ביצועים מלאה — בעוד המחירון נותר בדיוק כפי שהיה, ב-$0.042 למיליון טוקנים.

• מודל בסיס — Qwen3.5-9B, צפוף, 9B בסך הכול לעומת Gemma 4 26B-A4B, תערובת מומחים עם כ-4B פעילים; שניהם עברו אימון לאחר (post-training) פנימי

• מודאליות — טקסט בלבד לעומת טקסט, JSON ותמונות PNG/JPEG, עד 8 לכל שאלה

• תקרת קלט — 32,768 אסימונים לעומת 32,768 אסימונים, ללא שינוי

• סוגי שאלות — כן/לא, בחירה מרובה, דירוג, סיווג, רובריקה לעומת אותה קבוצה, נחשפים כשלושה פרימיטיבים מטיפוסים (noul, choice, score)

• מחיר — $0.042 למיליון טוקנים ב-Global Standard, $0.05 ב-EU וב-APAC לעומת זהה

• השהיה נמדדת — 274.25 ms למשימה לעומת 123.25 ms למשימה, Artificial Analysis

• עלות נמדדת — $142.56 למיליון משימות לעומת $139.64 למיליון משימות, Artificial Analysis

• Decision Index v2.1 — 62.07 לעומת 67.78

• משקלים — אין, מאוחסנים ב-Foundry בלבד לעומת אין, מאוחסנים ב-Foundry בלבד

השורה היחידה שלא השתנתה היא זו שרוב הצוותים מבססים עליה את התקציב, וזו שהשתנתה הכי הרבה היא זו שאף אחד לא מפרסם: זמן השהיה ירד בחצי בעוד המחיר לכל טוקן נשאר ללא שינוי, כי הבסיס החדש הוא מודל דליל שעושה הרבה פחות עבודה בכל קריאה.

A generated two-column comparison scoreboard titled 'MAI Decision 1 vs Microsoft Decision 1 — the scoreboard'. The Microsoft-Decision-1.1 column reads Decision Index 67.78, Latency 123 ms, Base model Gemma 4 26B-A4B, Images up to 8 per question, Brier score 0.160, Price $0.042 per M tokens; the Microsoft-Decision-1 column reads 62.07, 274 ms, Qwen3.5-9B, text only, 0.197 and $0.042 per M tokens. The footer reads 'Index, latency and Brier per Artificial Analysis v2.1, 18 November 2026; price per Microsoft Foundry.' The OrcaRouter logo is composited in the white strip below the artwork.

ממה עשויות שש הנקודות

הפער המשולב של 5.71 אינו מפוזר באופן אחיד, וחוסר האחידות מלמד אותך עבור אילו עומסי עבודה נבנה השדרוג. בשש ההערכות המרכיבות של Artificial Analysis, בקריאת הלוח ב-18 בנובמבר 2026:

• קריאת כלים של When2Call — 95.1 ב-1.1 לעומת 87.9 בגרסה 1, שיפור של 7.1 נקודות, וזה החשוב עבור מעקות הבטיחות של סוכנים

• שיקול דעת במקום העבודה של EvalSafe-O*NET — 88.8 לעומת 86.8

• AA-Symmetry, אי-תלות של ההחלטה בניסוח מחדש — 75.7 לעומת 70.4

• החלטות מסמך AA-Paperclip — 58.7 לעומת 51.8, הקפיצה המוחלטת הגדולה ביותר

• AA-Omniscience, ידע והזיה — 60.5 לעומת 54.9

• הסקה רב-ברירתית HLE — 46.1 לעומת 39.4

כל תת-ציון השתפר, וזה יוצא דופן והופך את המצרף לאמין; מדד משולב שעולה בהערכה אחת ויורד בשתיים הוא בדרך כלל עיוות של שקלול. הרווח באינווריאנטיות הוא זה השקט שראוי לציין. סימטריה מודדת אם החלטה שורדת סדר מחדש של אפשרויותיה או ניסוח מחדש של שאלתה — בדיוק מצב הכשל שהתיעוד של מיקרוסופט עצמה מזהיר מפניו, ובדיוק התכונה שקובעת אם סף שכיוונת בסביבת הבדיקות עדיין יופעל בייצור. מעבר מ-70 ל-76 בזה הוא שינוי תפעולי גדול יותר מאשר מעבר מ-62 ל-68 בנתון הראשי.

הכיול השתפר באותו כיוון. ציון Brier, שמודד את הפער בריבוע בין הסתברות מוצהרת לבין האמת, ירד מ-0.1965 ל-0.1604 — ככל שהוא נמוך יותר, כך טוב יותר. הדיוק של האפשרות שנבחרה עלה מ-40.6 ל-48.5. שני המספרים הם מדידות של Artificial Analysis על משימותיה שלה, ולא של מיקרוסופט, וזו הסיבה לייחס להן משקל: האופן שבו מיקרוסופט עצמה מציגה את ההשקה של 1.1 הוא ציון של 68, "עלייה של שש נקודות מהמודל הראשון שלנו", והדירוג העצמאי מגיע למרחק של פחות מחצי נקודה מכך, כשהוא עומד על 67.78 עם עלייה של 5.71 נקודות. הפעם, הספק והבודק מסכימים במידה רבה.

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, the independent board from which the 67.78 and 62.07 composites, the six constituent evaluation scores, the accuracy figures and the Brier scores in this comparison are taken.

כאשר הדגם הישן יותר הוא עדיין הבחירה הנכונה

יש שלוש סיבות מוצדקות להישאר על Microsoft-Decision-1, ואף אחת מהן אינה קשורה לביצועים.

הראשון הוא הערכה קפואה. אם כיילת ספים מול גרסה 1 על הנתונים המסומנים שלך — וזה מה שהיית אמור לעשות — אז החלפת מודל בסיס מבטלת את העבודה הזו. מודל dense בגודל 9B שעבר אימון-המשך לדירוג ומודל MoE בגודל 26B שעבר אימון-המשך לדירוג אינם נכשלים באותם מקומות, והתיעוד של 1.1 מציין במפורש שהכיול חזק ביותר בסוגי משימות מוכרים ועלול להשתנות עם הניסוח. כיול מחדש הוא עלות ממשית, והיא נופלת על הצוות, לא על הספק.

השנייה היא כיסוי שפות. גרסה 1 כללה סיפור לאחר-אימון של 25 שפות על בסיס Qw​en עם הרבה יותר מ-200 שפות זמינות. גרסה 1.1 כוללת סיפור של 25+ שפות על בסיס Gemma המתועד ב-35+. עשרים וחמש פלוס זה לא עשרים וחמש, ואם אתם מריצים תור רב-לשוני, המהלך הכנה הוא לבדוק ולא להניח שהמספר עלה.

השלישי הוא צורת התלות שלך. שתי הגרסאות מוצעות באירוח בלבד, ספק יחיד, מחירון אחד, משטר הגבלת קצב אחד. שדרוג משנה את תחום הכשל שלך מבלי להקטין אותו. אם כבר עטפת את נקודת הקצה מאחורי מנגנון גיבוי משלך, הישארות בגרסה 1 עולה לך בשיהוי ובדיוק אך לא בזמינות; אם לא, שדרוג קונה לך מודל מהיר יותר מאחורי אותה נקודת כשל יחידה.

להריץ את שניהם זה לצד זה לפני ביצוע קומיט

ההגירה עצמה קטנה, וזה החלק הנעים. צורת ה-endpoint לא השתנתה — מצב בתוספת שאלות עם טיפוסים לנתיב ההחלטה במשאב Foundry — והפריסה היא שינוי גרסת מודל ולא שכתוב של האינטגרציה. מה שכן משתנה הוא כל מה שנמצא במורד הזרם מהתגובה: ההסתברויות, הספים ותתי-הציונים שלמעלה.

אז {{1}}הרץ את שניהם{{/1}}. שלח את אותה אצווה מתויגת לשתי הפריסות, השווה את דיוק האפשרות הנבחרת בסף שבו אתה באמת משתמש, והסתכל ספציפית על הזנבות — המקרים שבהם גרסה 1 החזירה 0.55 וגרסה 1.1 מחזירה 0.88 הם אלה שישנו בשקט את שיעור ההסלמה שלך. {{2}}רווח הסימטריה{{/2}} מרמז ש-1.1 אמורה להיות יציבה יותר תחת שינוי סדר האפשרויות; אמת זאת על הפרומפטים שלך במקום לסמוך על המספר.

השופט והדבר הנשפט על מפתח אחד הם ההגדרה שרוב הצוותים בסופו של דבר רוצים, ואף אחד משני מודלי Decision לא יכול לתת לך את זה: שניהם נקודות קצה מתארחות ב-Foundry בלבד, כך שהראוטר שלפניהם הוא הקוד שלך. מה שהראוטר יכול לעשות בינתיים הוא לספק בקרות. Gemma 4 26B A4B — גרסת הבסיס 1.1 שממנה בוצע post-training — מנותב דרך OrcaRouter במחיר $0.25 למיליון אסימוני קלט ו-$2.90 למיליון פלט, ו-Jev 1.14, מודל Decision שמיקרוסופט מודדת את עצמה מולו, במחיר $0.042 למיליון קלט ופלט. אף אחד מהם אינו משחזר את התשובות המכוילות של 1.1. שניהם אומרים לך אם מודל כללי על הנתונים שלך נמצא בפער של כמה נקודות ממודל Decision, וזו השאלה שמכריעה אם אתה צריך אחד בכלל.

A screenshot of the OrcaRouter model page for obsidian/gemma-4-26B-A4B, showing the OrcaRouter navigation, the model name obsidian/gemma-4-26B-A4B with Vision, Tools, JSON and Reasoning tags, a 2026-07-02 date, a description noting a mixture-of-experts build of Gemma 4 with 26B total parameters, about 4B active per token and a 262K-token context window, and pricing of $0.25 per million input tokens and $2.90 per million output tokens.

התשובה לשאלת הגרסה

אם אתם בוחרים היום ואין לכם ספי מורשת להגן עליהם, בחרו ב-1.1. הוא מהיר יותר במדידה עצמאית פי 2.2, זול מעט יותר לכל משימה, מכויל טוב יותר, טוב יותר בשעילת קריאות לכלים, והיחיד מבין השניים שיקרא צילום מסך. רשימת המחירים זהה, כך שהשדרוג הוא ללא עלות בשוליים.

אם אתם כבר בייצור על גרסה 1, השדרוג שווה עשייה ואינו דחוף במובן שתיקון אבטחה דחוף. הקצו זמן לכיול מחדש, השאירו את הפריסה הישנה פעילה עד שהספים החדשים יחזיקו בתעבורה חיה, והתייחסו לשיפור הסימטריה כסיבה לצפות לפחות הפתעות ולא כהבטחה שלא יהיו כאלה.

מה שההתמודדות הזו אינה היא בחירה בין ספקים. שני השמות מצביעים על קו ההחלטה של מיקרוסופט, בהפרש של חמישה שבועות ומודל בסיס אחד, באותו $0.042 למיליון טוקנים. השאלה המעניינת מעולם לא הייתה איזה מהם מנצח; היא האם השני טוב מספיק כדי להצדיק תשלום על כיול מחדש. בלוח בלתי תלוי, התשובה היא כן.