Kartu judul yang dihasilkan untuk artikel, dengan judul 'MAI Decision 1 sebenarnya adalah Decision 1.1' dan subjudul 'dan angka utama 200x itu bukan milik Microsoft', terbagi menjadi dua panel membulat di kedua sisi cakram 'vs' yang tebal. Panel kiri, 'Postingan yang beredar', mencantumkan '10x lebih cepat', '200x lebih murah', 'dibandingkan model umum' dan 'tanpa baseline yang disebutkan'; panel kanan, 'Klaim Microsoft sendiri', mencantumkan '50x lebih cepat', '79x lebih murah', 'dibandingkan GPT-Sol 6.1' dan 'baseline yang disebutkan'. Footer berbunyi 'Pemeriksaan independen: 67.78 pada AA Decision Index v2.1, kedelapan dari delapan belas model yang diperingkat.' Logo OrcaRouter dikompositkan pada strip putih di bawah ilustrasi.
Guides & Insights

Keputusan MAI 1 Sebenarnya Adalah Keputusan 1.1 — dan Judul 200x Itu Bukan Milik Microsoft

Penulis

Gideon Frost

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Dua angka tentang MAI Decision 1 beredar pada 17 November 2026: bahwa model itu 10x lebih cepat dan 200x lebih murah daripada model umum. Tidak ada satu pun angka itu yang muncul di pengumuman Microsoft sendiri. Model yang benar-benar dirilis Microsoft di Ignite adalah Microsoft-Decision-1.1, dan klaim yang dipublikasikan perusahaan adalah 50x lebih cepat dan 79x lebih murah daripada GPT-Sol 6.1 — dibandingkan dengan model tertentu yang bernama, dalam harness tertentu, bukan dibandingkan dengan "model umum". Kesenjangan itu layak dijadikan pembuka, karena itulah perbedaan antara rasio pemasaran dan angka yang dapat Anda periksa. Berikut adalah apa yang dirilis, apa yang didokumentasikan Microsoft, dan di mana dewan independen menempatkannya.

Pertama, nama

Materi Microsoft tidak pernah menggunakan string "MAI Decision 1". Post susunan produk Ignite menyebut model Decision 1.1, blog Foundry menyebutnya Microsoft-Decision-1.1, dan kartu model di katalog Foundry memakai nama yang sama. Label "MAI Decision 1" berasal dari liputan pihak ketiga atas acara keynote, bersama dengan "MAI Code 2", "MAI Code 2 Flash", dan "MAI Cyber 2 Flash" — keluarga yang sama, dinamai ulang oleh pengamat, bukan oleh vendor.

Itu penting karena satu alasan praktis: Microsoft-Decision-1.1 bukan model keputusan pertama yang telah dirilis Microsoft. Microsoft-Decision-1mencapai ketersediaan umum di Foundry pada 8 Oktober 2026, dibangun di atas Qwen3.5-9B milik A​libaba, hanya teks, tanpa angka benchmark yang dipublikasikan saat peluncuran. Yang hadir pada 17 November adalah versi 1.1 dari lini produk yang sama, dengan model dasar yang berbeda, input multimodal, dan cerita performa yang jauh lebih lengkap. Anggap apa pun yang Anda baca tentang "MAI Decision 1" sebagai tentang 1.1 kecuali dinyatakan lain.

Apa yang sebenarnya ada di dalam kotak itu

Kontraknya tidak berubah dalam bentuk dan jauh lebih luas dalam jangkauan. Anda mengirim state — teks atau JSON — plus satu atau lebih pertanyaan bertipe, masing-masing dengan set opsi tetap, dan Anda mendapatkan probabilitas kembali alih-alih prosa. Tiga primitif pertanyaan didokumentasikan: ya/tidak ("noul" di API), pilihan dari set berlabel, dan skor pada level terurut yang nilai kembaliannya adalah rata-rata tertimbang probabilitas dari indeks level. Semuanya dalam satu panggilan, satu lintasan, tanpa loop decoding.

Apa yang baru di 1.1:

• Model dasar — Gemma 4 26B-A4B, mixture-of-experts open-weight milik Google, dilatih lanjut oleh Microsoft. Versi 1 dilatih lanjut pada Qwen3.5-9B.

• Masukan — teks dan gambar. Versi 1 hanya teks.

• Penanganan gambar — PNG atau JPEG, 280 hingga 1.568 piksel di setiap sisi, hingga 8 gambar per pertanyaan termasuk gambar yang direferensikan dari state, dibatasi total 645.120 piksel yang diproses. Layanan mengubah ukuran ke ukuran kerja tetap, sehingga unggahan yang lebih besar tidak menghabiskan lebih banyak token.

• Konteks — 32.768 token masukan untuk kombinasi status-ditambah-pertanyaan, batas maksimum yang sama dengan versi 1.

• Bahasa — dilatih dan dievaluasi dalam 25+ bahasa, dibandingkan dengan 35+ bahasa yang didukung secara langsung oleh model dasar. Microsoft menegaskan bahwa cakupan model dasar tidak membuktikan adanya kalibrasi tervalidasi per bahasa.

• Penyajian — endpoint keputusan, bukan chat completion: permintaan ditujukan ke /providers/microsoft/v1/systemone pada resource Foundry Anda, dengan nama deployment di bidang model. Microsoft menyatakan bahwa layanan ini menjalankan mesin inferensi khusus yang ditulis untuk beban kerja keputusan, bukan stack pembuatan teks.

• Harga — $0.042 per juta token pada Global Standard, $0.05 di zona data EU dan APAC. Sama seperti versi 1, dan panggilan keputusan ditagih berdasarkan token input, karena secara efektif tidak ada output yang dapat ditagih.

• Jendela pelatihan — Oktober hingga November 2026, sesuai kartu model.

• Bobot — tidak ada. Ini adalah model yang dihosting dalam portofolio "Direct from Azure" milik Foundry. Tidak ada unduhan dan tidak ada jalur fine-tuning.

Pengecualiannya dinyatakan sama gamblangnya dengan fitur-fiturnya, dan semua itu tetap mendefinisikan produk. Microsoft-Decision-1.1 tidak untuk pembuatan teks, penjawaban pertanyaan terbuka, percakapan, penerjemahan, atau peringkasan, dan bukan untuk tugas yang memerlukan pengetahuan yang tidak ada dalam input. Model ini tidak menghasilkan dasar penalaran. Responsnya berisi probabilitas dan tidak ada apa pun yang bisa Anda tunjukkan kepada pengguna sebagai penjelasan, yang berarti penjelasan menjadi tugas Anda dan ambang batas menjadi keputusan Anda: 0.7 memicu eskalasi, 0.95 tidak, dan batas itu ditetapkan oleh aplikasi, bukan vendor.

Dua klaim soal kecepatan dan biaya, dan mana yang lolos dari pengamatan ketat

Versi yang beredar — "10x lebih cepat dan 200x lebih murah daripada model umum" — tidak memiliki rujukan. Rasio terhadap model yang tidak disebutkan namanya tidak dapat direproduksi, dan dua perbandingan Microsoft yang diterbitkan yang memang menyebutkan sesuatu justru lebih sempit sekaligus lebih besar.

Postingan Ignite menyatakan Decision 1.1 "50x lebih cepat dan 79x lebih murah daripada GPT-Sol 6.1". Postingan peluncuran Foundry menyatakan bahwa model itu "lebih dari dua kali lebih cepat daripada model pertama kami, dengan biaya yang sama", dan memberikan contoh Copilot: perutean antara Copilot dan Cowork dengan akurasi yang sama seperti model bahasa besar, 2,2x lebih cepat dan 4,4x lebih murah. Itu adalah pengukuran vendor pada lalu lintas Microsoft sendiri dan harness Microsoft sendiri. Itu tidak salah; cakupannya terbatas. Angka 50x dan 79x adalah tentang satu pesaing pada satu jenis keputusan perutean, bukan tentang model keputusan secara umum.

Salah satu klaim dapat diperiksa terhadap pihak ketiga, dan klaim itu terbukti. Artificial Analysis mengukur Decision 1.1 pada 123,25 milidetik per tugas di Decision Index v2.1, dibandingkan 274,25 ms untuk Microsoft-Decision-1. Itu 2,23x, yang merupakan arti dari "lebih dari dua kali lebih cepat". Klaim biaya juga tetap berlaku, dalam bentuk yang lebih lemah: AA menghitung $139,64 per juta tugas untuk 1.1 versus $142,56 untuk versi 1 — sekitar 2% lebih murah, bukan harga yang sama, karena kedua versi menggunakan jumlah token per tugas yang berbeda bahkan pada tarif per token yang identik. "Dengan biaya yang sama" akurat tentang daftar harga dan sedikit berlebihan tentang tagihannya.

Di mana peringkatnya, dan bentuk klaim yang dibuat Microsoft

Postingan peluncuran Microsoft mengatakan Decision 1.1 "mendapat skor 68, naik enam poin dari model pertama kami dan unggul dari Jev 1.14, Gemini Decision 1 milik Google, dan GPT-6 Luna (Decisions) milik OpenAI". Pada Artificial Analysis Decision Index v2.1 yang dibaca pada 18 November 2026, setiap bagian dari pernyataan itu benar. Decision 1.1 berada di 67.78. Jev 1.14 berada di 66.23, Gemini Decision 1 di 65.98, GPT-6 Luna di 60.25. Versi 1 berada di 62.07, jadi kenaikan enam poin itu juga nyata.

Apa yang tidak dikatakan kalimat itu adalah posisi model dalam klasemen lengkap. Model itu berada di peringkat kedelapan pada papan peringkat, tertinggal tujuh poin dari pemimpin mutlak dan unggul satu setengah poin atas model yang disebut Microsoft:

• 74,85 — d1.2-ultra (Liquid AI)

• 72.62 — Drex Max v1.1 (Nace.AI)

• 72.58 — SubQ Snap 1.2 (Subkuadratik)

• 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

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, headed 'Artificial Analysis Decision Index v2.1' with the subheading describing a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, and the constituent evaluation labels AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision, HLE-MultiChoice and AA-Symmetry.

Tujuh model memperoleh skor lebih tinggi, dan pemimpinnya unggul 7,1 poin. Klaim terpisah Microsoft — "akurasi rata-rata tertinggi dari delapan model keputusan" di seluruh suite internal 102 benchmark dan 385.000 pertanyaannya sendiri — adalah pernyataan tentang bidang yang dipilih Microsoft, yang merupakan hal normal bagi vendor untuk dipublikasikan dan hal buruk untuk dibaca sebagai peringkat. Lanskap independen mencakup delapan belas model yang diperingkat, dan Microsoft berada di separuh atasnya.

Sub-skor lebih informatif daripada skor komposit, karena menunjukkan apa yang diperoleh dari pasca-pelatihan. Pada enam evaluasi konstituen AA, Decision 1.1 mencetak 95.1 pada pemanggilan alat When2Call, 88.8 pada EvalSafe-O*NET, 75.7 pada simetri, 58.7 pada keputusan dokumen AA-Paperclip, 60.5 pada omniscience dan 46.1 pada pilihan ganda HLE. Indeks akurasinya 48.45 berbanding 40.59 untuk versi 1, dan skor Brier-nya — ukuran kalibrasi, semakin rendah semakin baik — membaik dari 0.1965 menjadi 0.1604. Pergerakan Brier itu adalah angka paling bermakna dalam rilis ini: itu menunjukkan bahwa probabilitas menjadi lebih mendekati kebenaran, yang merupakan satu-satunya sifat yang membuat penetapan ambang pada model keputusan menjadi pilihan rekayasa yang masuk akal.

A generated single-column scoreboard card titled 'Microsoft-Decision-1.1 — the scoreboard' with six rows: AA Decision Index v2.1 67.78, eighth of eighteen; latency per task 123 ms; cost per million tasks 139.64 dollars; Brier score 0.160, lower is better; input context 32,768 tokens; price per million input tokens 0.042 dollars. The footer reads 'Index, latency, cost and Brier per Artificial Analysis v2.1, read 18 November 2026; price per Microsoft Foundry's list.' The OrcaRouter logo is composited in the white strip below the artwork.

Peralihan model dasar adalah inti cerita sebenarnya.

Versi 1 adalah pasca-pelatihan dari Qwen3.5-9B, sebuah model dense 9B. Versi 1.1 adalah pasca-pelatihan dari Gemma 4 26B-A4B, sebuah mixture-of-experts dengan sekitar 4B parameter aktif. Penjelasan Microsoft sendiri menyangkut ekonomi penyajian ketimbang kualitas: parameter aktif yang cukup untuk pertimbangan, cukup kecil untuk dijalankan di seluruh armada A100, H100/200, dan GB200/300, dengan mesin khusus yang merutekan permintaan di seluruh pool GPU demi biaya, bukan hanya latensi.

Ada tiga konsekuensi, dan itulah yang seharusnya menjadi perhatian tim platform. Pertama, MoE dengan 4B aktif murah untuk dilayani per panggilan justru karena sebagian besar model menganggur — dari situlah 123 ms berasal. Kedua, pergantian ini mereset cerita bahasa dan kalibrasi: basisnya berubah, klaim 25 bahasa adalah tentang basis baru, dan kalibrasi apa pun yang Anda ukur pada versi 1 tidak akan terbawa. Ketiga, lisensi pada basisnya milik Google, sedangkan model pasca-pelatihan milik Microsoft dan hanya dihosting — jadi garis keturunan bobot terbuka tidak memberi Anda keuntungan apa pun secara operasional. Anda tidak dapat mengunduh model ini, dan fakta bahwa basisnya terbuka tidak mengubah itu.

Berapa biaya panggilan, dalam satuan yang sebenarnya Anda bayarkan

Dengan $0.042 per juta token masukan, panggilan routing yang membawa tiket 1.200 token dan pertanyaan dengan tiga opsi berbiaya sekitar $0.00005 — lima perseratus sen. Satu juta panggilan semacam itu berbiaya sekitar $50 menurut daftar harga; angka terukur AA sebesar $139.64 per juta tugas lebih tinggi karena tugasnya lebih panjang daripada tiket dukungan, yang merupakan pengingat berguna bahwa harga per token dan biaya per tugas adalah satuan yang berbeda dan yang kedua adalah yang muncul dalam tinjauan anggaran.

Perbandingan yang membuat sisi ekonominya mudah dipahami adalah dengan model umum yang mengerjakan tugas yang sama dalam mode JSON. Anda membayar token outputnya, yang untuk jawaban terstruktur berkisar dari puluhan hingga ratusan token per panggilan alih-alih nol, dan Anda juga membayar penalaran yang dilakukannya sebelum menjawab. Itulah kesenjangan yang digambarkan Microsoft dengan 79x, dan kesenjangan itu nyata bahkan ketika angka kelipatan persisnya merupakan pilihan vendor atas dasar pembandingnya.

Yang membuat ini canggung adalah tempat yang sama seperti biasa dengan scorer hosted dari satu vendor: hanya ada satu daftar harga, satu batas laju, dan satu cerita region. Foundry menawarkan deployment Global Standard dan Data Zone Standard, dan varian Data Zone berbiaya 19% lebih mahal pada $0,05 per juta token. Jika workload Anda sensitif terhadap latensi, dokumentasi menyarankan untuk menempatkan resource Foundry bersama aplikasi Anda, yang merupakan saran jujur yang juga memberi tahu Anda bahwa modelnya bukan sihir — ini adalah MoE kecil di balik antrean.

Mencapainya tanpa membangun ulang stack Anda

Endpoint keputusan itu sendiri tidak ada di katalog OrcaRouter, dan pendahulunya juga tidak — Microsoft menyediakan model ini melalui Foundry dan tidak di tempat lain. Yang ada di katalog, dengan harga daftar penyedia dengan markup 0% yang diteruskan, adalah dua objek yang Anda perlukan untuk memperkirakan biaya keputusan sebelum Anda membelinya. Gemma 4 26B A4B adalah basis dari post-train dan dirutekan pada $0.25 per juta token masukan dan $2.90 per juta token keluaran; ini adalah basis, bukan post-train, sehingga tidak akan mengembalikan probabilitas terkalibrasi Decision 1.1, tetapi arsitekturnya sama dan merupakan batas bawah yang jujur untuk biaya model umum dengan bentuk tersebut. Jev 1.14, yang disebut Microsoft dan dikalahkan dengan selisih 1,55 poin di papan peringkat independen, dirutekan pada $0.042 per juta token masuk dan keluar.

Kombinasi itu berguna untuk fase evaluasi, bukan untuk fase produksi. Jika Anda sedang memutuskan apakah model keputusan memang layak dimasukkan ke jalur routing, Anda dapat melakukan benchmark pada dua endpoint yang dapat dirutekan menggunakan tiket berlabel milik Anda sendiri melalui satu kunci, dengan failover otomatis antarpenyedia, bahkan sebelum Anda membuka deployment Azure sama sekali. Jika jawabannya ya dan angkanya mendukung Decision 1.1, Anda men-deploy-nya di Foundry dan membiarkan router tetap di depan — satu endpoint untuk panggilan keputusan maupun panggilan generatif, sehingga batas laju model keputusan tidak menjadi gangguan layanan aplikasi Anda.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, showing the OrcaRouter navigation, a models breadcrumb for the typesafe vendor, the model name typesafe/jev-1.14, HF and ZDR badges, a Data retention panel noting that Zero Data Retention is available and that with ZDR on requests go only to providers, and the page's Code samples and Pricing sections.

Siapa yang harus bergerak sekarang, dan siapa yang harus menunggu dua minggu

Beralihlah sekarang jika Anda sudah membayar model umum untuk mengklasifikasikan, menilai, atau menggating, dan volume Anda cukup tinggi sehingga biaya per panggilan terlihat di grafik. Median 123 ms dan harga $0.042 adalah keunggulan yang jelas dibandingkan model terdepan yang melakukan penilaian yang sama, dan input multimodal adalah pembeda antara penilai yang dapat Anda arahkan ke tangkapan layar dan yang tidak.

Tunda jika keputusan Anda menyentuh orang — kredit, ketenagakerjaan, perumahan, asuransi, layanan kesehatan, hukum — karena kartu Microsoft sendiri menyatakan jangan menggunakannya sebagai satu-satunya pengambil keputusan di area tersebut, dan tidak ada apa pun di 1.1 yang mengubah itu. Tunda juga jika Anda memerlukan kalibrasi yang dapat Anda pertanggungjawabkan: Brier 1.1 sebesar 0.160 adalah peningkatan, bukan jaminan, dan dokumentasinya terus terang bahwa skor bergeser sesuai pilihan kata dan urutan opsi. Validasi pada label Anda sendiri, acak urutan opsi, dan tetapkan ambang batas terhadap biaya dua jenis kesalahan alih-alih terhadap bagan vendor.

Ringkasan jujur untuk 17 November lebih kecil dan lebih berguna daripada headline 200x: Microsoft merilis penilai keputusan yang lebih cepat, multimodal, dan terkalibrasi lebih baik dengan harga yang membuat penilaian per permintaan terjangkau, dan model itu cukup baik untuk berada di paruh atas sebuah bidang independen, bukan di puncaknya. Modelnya nyata. Rasio dalam tweet itu tidak.