
Microsoft-Decision-1.1 לעומת Microsoft Decision 1: השדרוג שבו מספר אחד נע אחורה
- 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 · 223 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 · 96 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 · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 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
כל נתון שפורסם עבור Microsoft-Decision-1.1 טוב יותר מהנתון עבור Microsoft-Decision-1 פרט לאחד, והחריג הוא החלק המעניין. במדד Artificial Analysis Decision Index v2.1 המודל החדש מקבל 67.78 לעומת 62.07, מהיר פי 2.2 — 123 מ״ש למשימה לעומת 274 מ״ש — ונמנע בצורה מהימנה הרבה יותר: 49.4% אי־הזיה ב-AA-Omniscience-Decision לעומת 21.7%. ואולם בשאלות שהמודל הישן ענה עליהן נכון, המודל החדש עונה נכון על פחות מהן: 6.29% דיוק גולמי ב-HLE-MultiChoice v1.1 לעומת 8.64%, ו-47.5% משאלות AA-Symmetry נענו בעקביות לעומת 51.7%. Microsoft-Decision-1.1 אינו Microsoft-Decision-1 טוב יותר באופן מוחלט. הוא מכויל אחרת, וכיוון החלופה הזו הוא מה שהחלטת הגירה תלויה בו.
בין שני המודלים מפרידים שישה שבועות. Microsoft-Decision-1 הגיע לזמינות כללית ב-8 באוקטובר 2026 כמודל ניקוד טקסט בלבד שעבר אימון המשך מ-Qwen3.5-9B. Microsoft-Decision-1.1 הגיע ב-17 בנובמבר 2026 ב-Ignite על גבי Gemma 4 26B A4B, בסיס mixture-of-experts שמיקרוסופט מתארת כבעל מספיק פרמטרים פעילים לשיקול דעת, תוך שהוא נשאר קטן מספיק כדי לשרת על פני חומרת A100, H100/200 ו-GB200/300. אותו מחיר. אותה תקרת 32K. אותם שלושה סוגי שאלות. שלד שונה, מחלקת השהיה שונה, ומכלול חוזקות שונה באופן מדיד.
שינוי מודל הבסיס הוא השחרור
גרסה 1 הייתה מודל צפוף בעל 9 מיליארד פרמטרים. גרסה 1.1 היא תערובת מומחים בעלת 26 מיליארד פרמטרים, עם כ-4 מיליארד פרמטרים פעילים לכל טוקן, אם קוראים את הסיומת A4B כפי ש-Google משתמשת בה בסדרת Gemma. זה אינו אימון מחדש מצטבר; זו ארכיטקטורה אחרת, משפחה אחרת, ומערכת אחרת של מאפייני הגשה. פוסט ההשקה של Microsoft מבהיר במפורש שההחלפה נעשתה משיקולי עלות ואינטליגנציה, ומצרף לה מנוע הסקה מותאם אישית שנבנה לניקוד ולא ליצירה טוקן אחר טוקן.
מה שההחלפה השיגה, לפי הסדר שבו קונה היה מבחין:
• השהיה — מ-274.25 ms ל-123.25 ms למשימה, כפי שנמדד על פני האינדקס כולו. ברכיב הבודד המהיר ביותר, When2Call, המודל החדש מגיע בממוצע ל-94 ms לעומת 230 ms של המודל הישן.
• כיול — ציון ההחלטה, שהוא דיוק לאחר יישום קנס Brier, עלה בכל אחד מחמשת מרכיבי ההחלטה. Omniscience עלה מ-54.89 ל-60.46, HLE מ-39.42 ל-46.11, Paperclip מ-51.82 ל-58.67, EvalSafe מ-86.82 ל-88.85, When2Call מ-87.95 ל-95.08.
• התנהגות סירוב — אי־הזיה ב-Omniscience יותר מהוכפל, מ־21.74% ל־49.40%. ב-HLE הוא עלה מ־15.05% ל־38.36%. עבור מודל שכל ייעודו הוא לשמש כמודל סף, זהו השינוי המשמעותי ביותר ברשימה.
• מודאליות — תמונות הצטרפו לטקסט ול-JSON כקלט מקובל. שמע ווידאו עדיין נדחים, והמודל עדיין אינו מייצר הסבר, נימוק או אסימוני פלט.
• הקשר — ללא שינוי ב־32,768 אסימונים. שום דבר כאן לא זז, וכדאי לומר זאת בפשטות, מפני ש"1.1" מזמין את ההנחה שהכול השתפר.
היכן ש-1.1 גרוע יותר, ומדוע המסגור של מיקרוסופט עצמה צופה זאת
הרגרסיות אינן אקראיות. הן מתקבצות בשני הרכיבים שמבקשים מהמודל לדעת משהו ולא להחליט משהו.
ב-HLE-MultiChoice v1.1, הדיוק הגולמי ירד מ-8.64% ל-6.29% — ירידה יחסית של 27% בשיעור השאלות הקשות שנענו נכון. ציון ההחלטה (Decision Score) בכל זאת עלה, מ-39.42 ל-46.11, משום שהביטחון של המודל בתשובות שכן סיפק הפך מותאם הרבה יותר לשאלה אם אותן תשובות היו נכונות. במילים אחרות: הוא נעשה גרוע יותר בניחוש והרבה יותר טוב בלדעת שהוא מנחש. הציון המשולב מתגמל את השני וכמעט אינו מבחין בראשון.
ב-AA-Symmetry התמונה עדינה יותר ופחות מחמיאה. Symmetry מודדת אם אותה שאלה, בניסוח מחדש — אפשרויות מסודרות מחדש, תוויות מוחלפות, כן/לא שנשלל — מפיקה את אותה תשובה באותה הסתברות. גרסה 1 עברה 51.7% מהניסוחים מחדש ברמת all-pass; גרסה 1.1 עוברת 47.5%. ה-Symmetry שלה — הציון בכל זאת השתפר, מ-70.42 ל-75.72, מפני שכאשר הוא אכן סוטה, הוא סוטה כעת פחות רחוק. פחות ריצות מושלמות, פספוסים קטנים יותר. זהו מבנה שניתן להגן עליו עבור מודל ניקוד, אך זוהי רגרסיה בתכונה היחידה שמודל החלטה אמור להבטיח: שהניסוח לא משנה את התשובה.
נאום המפתח של Microsoft אמר בקול את מה שבדרך כלל נאמר בשקט — המודלים האלה "במפורש עדיין לא מכווננים לבעיות הקשות יותר, כמו מחקר מדעי יסודי ועבודה סוכנית באופק ארוך מאוד", מפני שכיוונון ליכולות האלה יעלה את המחיר של כל משימה שגרתית. החלטה 1.1 היא איך שהמדיניות הזו נראית כשהיא מיושמת. מבחן הידע הורע בכוונה, או לפחות ללא התנגדות.

מה שלא השתנה: כרטיס המחיר, וקיר ה-32K
שתי הגרסאות מציגות $0.042 למיליון אסימוני קלט ב-Global Standard, $0.046 ב-US Data Zone ו-$0.05 בפריסות EU ו-APAC Data Zone, כאשר הפלט מחויב באפס משום שאין פלט. הניסוח של Microsoft הוא "יותר מפי שניים מהיר באותה עלות", ומחיר האסימון תומך בכך בדיוק.
העלות הנמדדת לכל משימה אומרת משהו מעט שונה. גרסה 1 מגיעה ל-142.56 דולר למיליון משימות באינדקס; גרסה 1.1 ל-139.64 דולר. שיפור של 2%, לא הכפלה. הסיבה היא שהעלות לכל משימה היא מחיר הטוקן כפול הקלט שנצרך, והמודל החדש אינו צורך חצי מהטוקנים — הוא עונה בחצי מהזמן. אם המגבלה שלך היא תקציב זמן בפועל או שלב ניתוב בתוך נתיב בקשה, השדרוג גדול וברור. אם המגבלה שלך היא הוצאה, 1.1 לא מזיז את החשבון שלך, ומיקרוסופט מעולם לא טענה שכן.
המספר הנוסף שלא השתנה הוא התקרה. שתי המודלים קוראים 32,768 אסימונים, והתיעוד של Microsoft עבור 1.1 חוזר על הניסוח "קלטים של עד 32K אסימונים" כמעט מילה במילה מהעמוד של v1. אין תמיכה מתועדת במטמון עבור אף אחד מהם, מה שאומר שרובריקה של 200 שאלות משולמת במלואה בכל קריאה, בשתי הגרסאות, בכל מדרג נפח. זהו המנוף הגדול ביותר על הכלכלה של הקטגוריה הזו, ואף אחת מהמהדורות לא נוגעת בו.

איך להגר בלי קפיצת אמונה
צורת ה-API יציבה מספיק כדי שההגירה תהיה בעיקר תצורה, אבל לא לגמרי. מיקרוסופט מתעדת את הקריאה v1.1 כ-state בתוספת מפה של שאלות טיפוסיות — noul, choice, score — נשלחת אל /providers/microsoft/v1/systemone במשאב Foundry, כאשר שדה ה-model נושא את שם הפריסה שלך ולא את שם המודל. התגובה מחזירה את המודל הבסיסי, כך שפריסה שנקראת על שם עומס העבודה שלך עדיין יכולה לומר לך איזו גרסה ענתה.
שלושה שלבים שכדאי לבצע לפי הסדר, במקום להחליף את שם הפריסה ולצפות בלוח בקרה:
1. תעדו מחדש את התפלגות הביטחון של מערך הנתונים המסומן שלכם, לא את הדיוק שלו. המעבר מ-21.7% ל-49.4% באי-הזיה פירושו ש-1.1 ידחה נתח גדול באופן מהותי יותר של שאלות באותו סף. אם הצינור שלכם מתייחס לתשובה חסרה ככשל קשה ולא כאות לניתוב, השדרוג הזה ייראה כמו רגרסיה בפרודקשן בעוד שכל מבחן אומר שהוא שיפור.
2. כיול מחדש של הסף. ערך חיתוך שנבחר לפי סולם הביטחון של גרסה 1 מוחל על התפלגות שהשתנתה. ההנחיה של מיקרוסופט עצמה היא לאמת ספים מול דוגמאות מתויגות לפני אוטומציה של שער, וזו אותה עצה כתמיד—שרק עכשיו נושאת משקל מכריע.
3. בדוק את רגרסיית הסימטריה על הניסוח שלך. אם הפרומפטים שלך נוצרים מתבניות עם סדר אפשרויות משתנה — וכך הם רוב פרומפטי הניתוב — שיעור המעבר המלא של 47.5% הוא המספר שכדאי לדאוג ממנו, לא הציון המשולב. שכפל עשרים מהשאלות שלך עם אפשרויות בסדר מחדש ומדוד באיזו תדירות ה־argmax משתנה.
מה שהופך את השלב השלישי הזה לזול הוא שלהימנעות יש לאן לפנות. מודל החלטה שמסרב הוא שימושי רק אם הדבר שאליו הוא מסרב לפנות יכול לענות, וזה החלק בצינור ש-OrcaRouter מספק: מפתח אחד על פני יותר מ-200 מודלים עם מעבר אוטומטי לגיבוי, כך שאפשר לנתב תוצאה בביטחון נמוך של בחירהלמודל כללי במקום להזעיק אדם, וה-DSL של הניתוב יכול להרכיב את השניים לרצף קריאות אחד. Gemma 4 26B A4B — המודל הבסיסי שבתוך Decision 1.1 — מופיע בקטלוג שלנו ב-$0.06 לכל מיליון טוקני קלט וב-$0.33 לכל מיליון טוקני פלט, במחיר המחירון של הספק עם מרווח של 0% שהועבר הלאה, מה שהופך את בדיקת השפיות הזולה ביותר האפשרית על כל החלטה חשודה לקריאה ממשית לעמוד השדרה של עצמו.

האם לעבור בכלל
יש טיעון בעד הישארות בגרסה 1, והוא צר אך ממשי. אם עומס העבודה שלך הוא שאלות ידע קשות שבהן תשובה שגויה גרועה מאי-תשובה — פרופיל HLE — גרסה 1 ענתה על יותר מהן. אם הפרומפטים שלך בנויים בתבניות שמשנות את סדר האפשרויות, גרסה 1 הייתה יציבה יותר תחת ניסוח מחדש. ואם כבר כיוונת סף ואימתת אותו מול נתוני ייצור מתויגים, התפלגות הביטחון החדשה מבטלת את העבודה הזו.
עבור כל השאר העניין פשוט. תפוקה כפולה באותו מחיר טוקן, שיעור מעבר מסמכים שעלה מ-20.9% ל-36.8%, קלט תמונות שלא היה קיים קודם, ומודל שאומר "אני לא יודע" בתדירות כפולה בדיוק במצבים שבהם התחייבות שגויה עולה ביוקר. אלה התכונות שבגללן רוכשים שכבת החלטה. מבחן הידע שעליו ויתר לא היה מה שאיש קנה את המודל הזה כדי לעשות.
המעבר, בשורה אחת: לעבור ל-1.1 בגלל זמן השהיה והימנעות ממענה, לכוונן מחדש את הספים באותו שבוע, ולשמור את המספרים של גרסה 1 במגירה ליום שבו מישהו ישאל למה המודל החדש הפסיק לענות על שאלה שהמודל הישן נהג לענות עליה.
