כרטיס כותרת שנוצר, שכותרתו 'קו הנאום המרכזי, נבדק', עם כותרת משנה 'Microsoft-Decision-1.1 — Artificial Analysis Decision Index v2.1', נושא ארבעה צ'יפים שעליהם כתוב 67.78, 'Jev 1.14 66.2', 'Gemini Decision 1 65.98' ו-'GPT-6 Luna 60.2' מעל כיתוב שנקרא 'ארבעה מודלים שהוזכרו על הבמה', עם שתי תוויות צד מואפרות שעליהן כתוב '25 רשומות מדורגות' ו'עשרה מעל 67.78'. הלוגו של OrcaRouter מורכב בפינה הימנית התחתונה.
Guides & Insights

Microsoft-Decision-1.1 הגיע לנאום המרכזי של Ignite. שורת הבנצ'מרק שהוא ציטט היא נכונה וצרה.

מחבר

jinhao.song

תאריך פרסום

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

Microsoft-Decision-1.1 הפך לזמין באופן כללי ב-17 בנובמבר 2026, שישה שבועות אחרי Microsoft-Decision-1 ועל מודל בסיס אחר לגמרי: Gemma 4 26B A4B, מערכת ה-mixture-of-experts בגודל בינוני שמ�icrosoft מציינת בפוסט ההשקה שלה, ומחליפה את Qwen3.5-9B שגרסה 1 עברה אימון-מקדים ממנו. ההחלפה הזו היא מהות השחרור. השורה שהגיעה רחוק יותר הגיעה מה-keynote של Ignite, שבו Decision 1.1 הוצג כניתוב מודלים "משולב ישירות באפליקציות שלך" ואז נתמך במשפט אחד — "במדד AA Decision היא גוברת על Jev, Google ו-OpenAI." שלושת השמות האלה מתפרשים ל-Jev 1.14 עם 66.2, Gemini Decision 1 עם 66.0 ו-GPT-6 Luna (Decisions) עם 60.2, לעומת 67.78 עבור Microsoft-Decision-1.1. כל שלוש ההשוואות נכונות.

הם גם תת-הקבוצה המחמיאה ביותר של ארבעה מודלים בלוח שמדרג כיום עשרים וחמישה רשומות. עשרה מודלי החלטה מקבלים הלילה ציון גבוה מ-Microsoft-Decision-1.1, מ-d1.2-ultra ב-74.8 דרך Drex Max v1.1 ו-SubQ Snap 1.2 ב-72.6 ועד SubQ Snap 1.1 ב-67.9. המשפט מתוך הנאום המרכזי לא היה שקרי. זו הייתה השוואה אצורה שהוצגה בדקדוק של השוואה מלאה, וההבחנה הזו שווה יותר מההשקה עצמה, כי זה מה שקורה בפעם הראשונה שמדד בנצ'מרק מקבל שקופית בכנס מפתחים של ספק ענן היפרסקיילר.

מה שהבמה אמרה, ומה שהלוח אומר

התמלול של ה-keynote שמיקרוסופט פרסמה באותו יום ממעט לעסוק בנושא. לאחר סקירה של מודלי הקידוד, הוא עובר לקבלת החלטות: "יש צורך הולך וגובר בסוכנים שיקבלו החלטות, במיוחד במקומות שבהם מהירות ועלות הן קריטיות. לכן Decision 1.1 מספק ניתוב מודלים המשולב ישירות באפליקציות שלכם. וב-AA Decision Index הוא מנצח את Jev, Google ו-OpenAI."

כשמפרקים את זה, זו השוואה בין ארבעה שמדד האינדקס אכן תומך בה. בציון המשולב של Decision Index v2.1, שפורסם על ידי Artificial Analysis ונקרא כאן ב-19 בנובמבר 2026, Microsoft-Decision-1.1 משיג 67.78, Jev 1.14 משיג 66.2, Gemini Decision 1 משיג 65.98 ו-GPT-6 Luna (Decisions) משיג 60.2. הפערים הם 1.6, 1.8 ו-7.6 נקודות. שום דבר בזה אינו נתון לוויכוח.

מה שהמשפט משמיט הוא החצי העליון של הלוח. אותו עמוד מדרג את Microsoft-Decision-1.1 במקום ה-11, ועשרת הערכים שלפניו אינם אלמוניים:

• d1.2-ultra (Liquid AI) — 74.8, מוביל הטבלה, במחיר 133$ למיליון משימות

• Drex Max v1.1 (Nace) — 72.6 במחיר 103$, ו-SubQ Snap 1.2 — 72.6 במחיר 137$

• GLiDE v1.2 (Fastino) — 72.5 במחיר $780, Mammoth 27B (Baseten) — 71.4 במחיר $264, d1-ultra — 70.6

• Decider v1.3 (Perplexity) — 70.4 במחיר $68, Decider v1.2 — 69.8, d1.2 — 68.7, SubQ Snap 1.1 — 67.9

ספק שבוחר את שלושת המתחרים הנקובים בשמם שמחמיאים להשקתו אינו שערורייה; כל פוסט השקה עושה זאת, ומיקרוסופט מפורשת באופן יוצא דופן שאלה הדגמים שהיא בחרה לנקוב בשמם. החלק המעניין הוא הזירה. מדד קנייני של צד שלישי — כזה שמהדורת ה-v2 שלו יצאה ב-8 בנובמבר 2026, תשעה ימים לפני Ignite, ונבנה על 45% מערכי נתונים פרטיים — צוטט על הבמה כסמכות לטענה על הדגם של מיקרוסופט עצמה. זהו סוג אחר של עובדה מאשר צילום מסך של בנצ׳מרק מספק, וזה פועל לשני הכיוונים: זה מרומם את המדד, וזה מעמיד את המדד בעמדה שבה ציטוט סלקטיבי ממנו הוא כעת חלק מהמוניטין שלו.

מה בעצם השתנה בין 1 ל-1.1

מעבר למצגת, ההנדסה קונקרטית. Microsoft-Decision-1.1 אינו שינוי קל של המודל של אוקטובר. הבסיס השתנה מ-Qwen3.5-9B של Alibaba, שאותו עמוד הקטלוג של v1 עדיין נותן לו קרדיט, ל-Gemma 4 26B A4B. Microsoft מתארת את הבחירה במונחי עלות: מספיק פרמטרים פעילים לשיקול דעת, וקטן מספיק כדי לרוץ על פני ציי A100, H100/200 ו-GB200/300. מנוע הסקה מותאם אישית, שנבנה לניקוד ולא ליצירה טוקן-אחר-טוקן, הוא מה שהחברה זוקפת לזכותו את השהיה.

היכולת שלא הייתה קיימת ב-v1 היא קלט תמונות. Microsoft-Decision-1.1 מקבלת טקסט, JSON או תמונות — תצלומים, צילומי מסך — ועדיין מסרבת לאודיו, לווידאו ולכל צורה של הסבר מיוצר. שמות סוגי השאלות לא השתנו: noul להסתברות על הצהרת כן/לא, choice לתווית אחת מתוך קבוצה קבועה, עם הסתברות לכל אפשרות, score למיקום על סולם סדור. הבקשה נשלחת לנתיב שמסתיים ב-/providers/microsoft/v1/systemone, שהוא או השם הכי פחות מובן מאליו של נקודת קצה שנשלח ברבעון הזה, או רמז להיכן שמיקרוסופט חושבת שהקטגוריה הזו יושבת בסטאק.

ההקשר הוא הנתון שכדאי לשים לב אליו אם אתם מבצעים מיגרציה: Microsoft מתעדת „קלטים של עד 32K טוקנים”, ו-Artificial Analysis מתעדת חלון של 33k. גרסה 1 הייתה זהה. מודל קבלת החלטות שקורא חוזה של 40,000 טוקנים אינו כלול במהדורה הזו.

שלוש טענות מפוסט ההשקה, שנבדקו מול הלוח

הפוסט של מיקרוסופט עצמה מעלה שלוש טענות כמותיות, והנתונים הבלתי תלויים מכריעים בכל אחת מהן באופן שונה.

• "הציון 68" — ערך המדד הוא 67.78. זהו עיגול, לא אינפלציה, וזו הטענה היחידה שהחזיקה בדייקנות.

"יותר מפי שניים מהר יותר" — גרסה 1 מודדת 274.25 ms למשימה, גרסה 1.1 מודדת 123.25 ms. זה פי 2.23, וזה הופך את המודל החדש לערך החמישי המהיר ביותר בלוח במקום העשרים.

• "באותה עלות" — נכון ברמת הטוקן, ומטעה בפועל. שתי הגרסאות מציגות $0.042 למיליון טוקני קלט. אך העלות הנמדדת למיליון משימות היא $139.64 עבור 1.1 לעומת $142.56 עבור v1, שיפור של 2%, לא הפחתה בחצי. אותו מחיר, בערך אותו חשבון, כפול תפוקה. אם האילוץ שלך הוא השהיה ולא הוצאה, השדרוג גדול; אם הוא הוצאה, השדרוג כמעט ולא קיים.

A generated single-column scoreboard headed 'Microsoft-Decision-1.1 — the scoreboard' with six rows: Decision Index 67.78, 11th of 25; When2Call at 10% weight 95.08; AA-Paperclip at 30% weight 58.67; HLE-MultiChoice 6.29% raw accuracy; non-hallucination 49.4%, was 21.7%; speed 123 ms per task, was 274 ms. A footer reads 'All figures per Artificial Analysis Decision Index v2.1, read 19 November 2026.' The OrcaRouter logo is composited in the bottom-right corner.

איפה שהקומפוזיט מפסיק להתיישב עם השיווק

המדד המשולב Decision Index v2.1 אינו תעלומה. הוא מורכב משישה רכיבים משוקללים, והציון 67.78 של Microsoft-Decision-1.1 ניתן לשחזור מהם: 30% AA-Paperclip, 15% EvalSafe-O*NET-AA, 10% When2Call, 15% AA-Omniscience-Decision v1.1, 15% HLE-MultiChoice v1.1, 15% AA-Symmetry. מכפילים ומחברים, ומגיעים בדיוק ל-67.78. השקיפות הזו היא מה שהופך את ציוני המשנה לקריאים, וציוני המשנה הם המקום שבו הנרטיב של ההשקה נעשה מעניין.

• When2Call — 95.08. זהו מבחן הניתוב, וזה המספר החזק ביותר בקבוצה בפער ניכר. ההצעה של מיקרוסופט היא "ניתוב מודלים משולב באפליקציות שלך", וברכיב היחיד שמודד בדיוק את זה, המודל נמצא קרוב לראש הטבלה.

• AA-Paperclip — ציון החלטות של 58.67, 36.8% מהמסמכים נענו בצורה מושלמת. זהו רכיב ה-30%, 1,500 מסמכים פרטיים שכל אחד מהם נושא חמש החלטות ועשר עובדות, והניקוד הוא הכול-או-כלום. גרסה 1 עברה 20.9%. זינוק של חמש-עשרה נקודות בשיעור המסמכים המושלמים הוא הרווח ההנדסי הגדול ביותר בגרסה, והוא גם הסיבה לכך שהציון המשולב זז כפי שזז.

• HLE-MultiChoice v1.1 — ציון Decision Score של 46.11 על דיוק גולמי של 6.29%, עם 38.4% אי-הזיה. דיוק של שישה אחוזים במבחן ידע קשה אינו יתרון; ציון ה-Decision Score מכובד רק משום שהמודל כן לגבי היותו אבוד. הפוסט של מיקרוסופט עצמה אומר שהמודלים האלה "מפורשות עדיין לא מכווננים לבעיות הקשות יותר", וזו השורה שבה ההודאה הזו מופיעה בפומבי.

• AA-Omniscience-Decision v1.1 — 60.46 על 33.2% דיוק ו-49.4% אי-הזיה. גרסה 1 קיבלה 21.7% באי-הזיה, כך שהמודל למד לסרב בערך פי שניים באמינות תוך עלייה של שתי נקודות בדיוק. עבור מודל החלטות, הפשרה הזו היא כל המשחק.

בקריאה כוללת, הפרופיל קוהרנטי: זהו ראוטר מהיר ומכויל היטב עם בסיס ידע רדוד. זהו מוצר שניתן להגן עליו. הוא אינו המוצר שמשתמע ממשפט הנאום המרכזי.

A screenshot of the Artificial Analysis page for Microsoft-Decision-1.1, headed 'Release, Decision Index Score, Performance & Price'. The headline figures read a Decision Index of 68 at rank 11 of 25, 123 ms per task and about $140 per million tasks. The comparison summary states the model is above average on the Decision Index but somewhat expensive and notably fast, supports text input and carries a 33k-token context window, with board medians of 66, 206 ms and $137. Component rows for Decision Index, AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision v1.1 and HLE-MultiChoice v1.1 sit below.

תמחור, ביחידות שחשבון באמת משתמש בהן

Foundry מפרטת שלושה תעריפי קלט עבור Microsoft-Decision-1.1 ואף לא תעריף פלט, משום שהמודל אינו מפיק טוקני פלט: $0.042 לכל מיליון טוקני קלט ב-Global Standard, $0.046 ב-US Data Zone, ו-$0.05 בפריסות EU ו-APAC Data Zone. אם בוחרים ב-SKU של אזור נתונים, משלמים 19% יותר ממספר הכותרת תמורת מיקום. זה המקום הראשון שבו הטענה ל"מודל ההחלטות הזול ביותר" מתוקנת בשקט.

המקום השני הוא עמודת העלות למשימה, כלומר מה שמתקבל כשמכפילים את מחיר הטוקן בכמות הקלט שמשימה צורכת בפועל. בשיעור של 139.64 דולר למיליון משימות, AA מציב את Microsoft-Decision-1.1 במקום החמישה עשר מתוך עשרים וחמישה מבחינת עלות — זול יותר מ-Gemini Decision 1 ב-344.90 דולר, ויקר יותר מ-Celeris-1.1 Decision ב-14 דולר ומ-Decider v1.3 ב-68 דולר. המודל מהיר ובעל מחיר בינוני. הוא אינו המציאה בקטגוריה של עצמו, ומיקרוסופט מעולם לא טענה שכן.

לאן זה משאיר קבוצה שרוצה לקרוא לזה

המסלול הקנייני הוא Foundry: פרסו את המודל, ואז שלחו מצב יחד עם מיפוי של שאלות עם טיפוסים לנקודת הקצה של ההחלטה. לקונים ארגוניים יהיה חשוב שמיקרוסופט כבר משתמשת בו כשופט בתוך Foundry Evaluations וכמנתב ב-Copilot, כאשר החברה מדווחת שאותה החלטת ניתוב מתקבלת פי 2.2 מהר יותר ובבעלות נמוכה פי 4.4 מאשר מודל שפה גדול — נתון שדווח על ידי הספק מתוך מערכת הבדיקות של מיקרוסופט עצמה, ולא שוחזר מחוצה לה.

מה שראוי לומר בפשטות הוא מה OrcaRouter מספקת ומה לא. איננו מארחים את Microsoft-Decision-1.1, או Gemini Decision 1, או כל נקודת קצה לדירוג החלטות, מפני ש-API של הסתברויות בלבד אינו יעד ל-chat-completions, ולהעמיד פנים אחרת היה סוג של טענת זמינות שנשמעת טוב ונשברת בייצור. מה שכן אנחנו מספקים הוא החצי של צינור החלטות שכן מייצר — וחלון אחד אל הגרסה הזו הוא מילולי באופן יוצא דופן: Gemma 4 26B A4B, הבסיס המדויק שמיקרוסופט כיווננה, נמצא בקטלוג שלנו במחיר $0.06 למיליון קלט ו-$0.33 למיליון פלט, לצד Jev 1.14 במחיר $0.042, המודל שמולו נמדד Microsoft-Decision-1.1. אם אתם רוצים לראות כמה מהתנהגות ההחלטה נובעת ממודל הבסיס וכמה מה-post-training, שני הקצוות של ההשוואה הזו נגישים ממפתח אחד, במחיר המחירון של הספק עם 0% תוספת שעוברת הלאה.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, headed with the model name and typesafe as the provider. Pricing shows $0.04 input and $0.04 output per million tokens, with a code sample posting a state and two typed questions to https://api.orcarouter.ai/v1/systemone. A performance panel lists a p50 time-to-first-token of 181 ms, a European Union inference region and zero data retention available, with 171.8M tokens of usage shown.

מה לראות בהמשך

שני דברים ניתנים כעת לבדיקה בפומבי שלא היו בשבוע שעבר. הראשון הוא האם Decision Index ממשיך להופיע על מסכי הרצאות מרכזיות: מדד הופך למסמך רכש ברגע שספקים מתחילים לצטט אותו תחת הלוגו שלהם, והספק הבא שיעשה זאת יצטט תת-קבוצה אחרת של ארבעה מודלים. השני הוא האם Microsoft-Decision-1.1 שומר על עמדת הניתוב שלו כשהלוח גדל — ל-When2Call יש משקל של 10% והוא מספק את רוב היתרון של המודל על פני Gemini Decision 1, מה שאומר שעדכון שגרתי של המדד יכול להזיז את הדירוג הזה יותר מכל עדכון מודל.

לעת עתה, המשפט המדויק צר יותר מהשקופית ומועיל יותר: Microsoft השיקה מודל החלטות שמהיר פי שניים מקודמו באותו מחיר לטוקן, מכויל טוב יותר באופן ניכר, מסוגל כעת לקרוא תמונות, עדיין מוגבל ל-32K טוקנים, ישר בנוגע למה שאינו יודע, ומדורג במקום ה-11 בלוח העצמאי היחיד שמדרג אותו. בנאום המפתח נאמר שהוא מנצח את Google ואת OpenAI. זה אכן כך. הוא פשוט לא מנצח את כולם.