Gemini Decision 1 vs Microsoft-Decision-1: due scorer hyperscaler, a quattro punti di distanza

I due maggiori fornitori di cloud ora vendono entrambi un modello che risponde con una probabilità anziché con una frase, e nessuno dei due ti dirà quanto funziona bene. Microsoft-Decision-1 è diventato disponibile a livello generale su Microsoft Foundry l'8 ottobre 2026: una base Qwen3.5-9B post-addestrata da Microsoft, testo in ingresso, 32.768 token di contesto, distribuzioni calibrate in uscita, pesi non distribuiti. Gemini Decision 1 è arrivato l'11 novembre 2026 sulla Gemini Developer API: testo, immagini, video, audio e PDF in ingresso, 262.144 token di contesto, fino a 1.000 domande tipizzate per richiesta, $0,10 per milione di token di input, anche in questo caso pesi non distribuiti. Entrambi includono una sezione sulla metodologia e nessuna tabella di risultati, il che lascia un solo strumento indipendente come unico luogo in cui possono essere confrontati — Artificial Analysis, dove si trovano a quattro punti di distanza, nono e decimo su diciotto.

Quattro punti non sono il divario interessante. Il divario interessante è che nella valutazione per cui la maggior parte dei modelli decisionali viene effettivamente acquistata, i due sono separati da soli cinque punti, pur trovandosi entrambi vicino al fondo della classifica, e il modello che vince la classifica complessiva ci riesce in un ambito del tutto diverso.

Quello che ognuno ti mette davanti

Le forme delle richieste sono abbastanza simili che un client scritto per una si adatta all'altra in un pomeriggio, e abbastanza diverse che la scelta viene di solito fatta prima di leggere qualsiasi benchmark.

• Input — Gemini Decision 1 accetta testo, immagini, video, audio e PDF, fino a 100 MB inline per richiesta e 15 MB per URL esterno. Microsoft-Decision-1 accetta testo, serializzato in 32.768 token. Un modulo scansionato o una registrazione di una chiamata è input nativo per uno e un'attività di preelaborazione per l'altro.

• Contesto — 262.144 token per Gemini Decision 1, condivisi tra l'input e ogni domanda. 32.768 per Microsoft-Decision-1, con l'input e il set di opzioni che li consumano e nessun budget di generazione da sottrarre perché non esiste generazione.

• Tipi di domanda — Gemini Decision 1 ne formalizza tre: sì/no limitato a 0,01–0,99, scelta tra 2 e 255 opzioni con nome, e punteggio su 2–255 livelli ordinati che restituisce un livello atteso ponderato per probabilità. Microsoft-Decision-1 copre sì/no, scelta multipla, valutazione, classificazione e punteggio tramite rubrica, e supporta esplicitamente opzioni di astensione come "non è possibile dirlo" all'interno dell'insieme di opzioni.

• Raggruppamento in un'unica richiesta — fino a 1.000 domande indipendenti per Gemini Decision 1, ciascuna isolata dalle altre, tutte a fronte di una sola lettura fatturata dell'input condiviso. Il contratto pubblicato di Microsoft-Decision-1 prevede uno stato e il relativo set di domande per invocazione, quindi l'ampiezza deriva dal raggruppamento delle domande anziché da un limite documentato per richiesta.

• Prezzo — 0,10 $ per milione di token di input per Gemini Decision 1, senza alcun addebito per l'output poiché l'output è pari a zero token. La board registra 345 $ per milione di task per esso, e 143 $ per milione di task per Microsoft-Decision-1 alla tariffa di input che monitora.

• Accesso — API Gemini Developer solo su v1beta, con un livello gratuito a 200 richieste al minuto e 10.000 al giorno, richieste giornaliere illimitate dal Tier 2, e nessuna voce Vertex AI nella documentazione pubblicata da Google. Microsoft-Decision-1 come deployment Foundry nel portfolio Direct from Azure, con opzioni serverless e endpoint unificato, SKU standard, autenticazione Azure e un unico percorso di fatturazione, inferenza batch disabilitata, e nessun download dei pesi o percorso di fine-tuning.

La linea di accesso è il punto in cui si prendono decisioni di acquisto anziché tecniche. Se la tua organizzazione acquista tramite un impegno Azure, Microsoft-Decision-1 è una fattura che sai già come pagare. Se acquista tramite Google Cloud, al momento Gemini Decision 1 non lo è — l'unica porta documentata è una chiave API Gemini, che rappresenta una linea di budget diversa e, per alcune imprese, un diverso processo di approvazione.

Il tabellone segnapunti, componente per componente

Il Decision Index di Artificial Analysis calcola per ogni valutazione un punteggio pari all'accuratezza meno la penalità di Brier per la fiducia attribuita alla risposta, ponderato su sei componenti. Ecco come i due modelli le ripartiscono:

• AA-Paperclip, peso 30% — Gemini Decision 1 56,8 contro Microsoft-Decision-1 51,8. Entrambi sono deboli. Il tasso di superamento dei documenti tutto-o-niente è del 33% per Gemini Decision 1 e del 20,9% per Microsoft-Decision-1, contro il 63% del leader del settore. Nessuno dei due modelli hyperscaler estrae quindici fatti da un documento denso in modo affidabile.

• EvalSafe-O*NET-AA, 15% — 87,1 contro 86,8. Praticamente identici, ed entrambi vicini alla cima di un gruppo molto compatto.

• When2Call, 10% — 80,5 contro 88,0. Microsoft-Decision-1 vince chiaramente questa e si piazza vicino ai leader; Gemini Decision 1 è quattordicesimo su diciotto.

• AA-Omniscience-Decision v1.1, 15% — 66,3 contro 54,9. Gemini Decision 1 conquista il primo posto nel campo; il suo tasso di non-allucinazione del 49,6% è il motivo. Microsoft-Decision-1 riporta qui un 21,7% di non-allucinazione, ed è il numero che dovrebbe preoccupare chiunque intenda applicare una soglia alle sue astensioni.

• HLE-MultiChoice v1.1, 15% — 48,7 contro 39,4. Primo posto contro undicesimo. L'accuratezza grezza è del 13,2% contro l'8,6%, e l'assenza di allucinazioni 35,7% contro 15,1%.

• AA-Symmetry v1.1, 15% — 70,5 contro 70,4. Un pareggio perfetto, entrambi a metà classifica, con la stessa risposta in caso di riordino e negazione rispettivamente sul 38,3% e sul 51,7% delle famiglie di domande.

Il punteggio composito si attesta a 65,98 e 62,07, al nono e al decimo posto. Leggendo le componenti, appare chiara la conformazione di ciascun prodotto. Microsoft-Decision-1 è un solido valutatore delle chiamate agli strumenti e del giudizio sul lavoro, con conoscenze e comportamento di astensione deboli. Gemini Decision 1 è l'opposto: i migliori punteggi di conoscenza e astensione della classifica, abbinati a un'estrazione di fascia media e a una scarsa capacità di discriminare la scelta degli strumenti.

Ciò che hanno in comune è proprio la cosa di cui sospettare

Nessuno dei due fornitori pubblica una tabella di benchmark. La scheda di Microsoft-Decision-1 descrive la sua metodologia — benchmark decisionali pubblici e della comunità, set interni di validazione, accuratezza ed errore di calibrazione, ordine delle opzioni variato, test statistici appaiati — e afferma che il modello "offre prestazioni pari a quelle dei principali modelli decisionali e superiori a quelle di altri modelli decisionali open valutati con la stessa metodologia". Non c'è alcuna tabella sotto quella frase. Le note di rilascio di Gemini Decision 1 annunciano il modello e rimandano alla documentazione API, che elenca le capacità supportate e non supportate e nessun dato di accuratezza.

Questo è importante perché l'intera interfaccia di un modello decisionale è un numero sul quale il tuo codice dirama. Un modello chat un po' più debole produce una prosa peggiore; uno scorer miscalibrato instrada silenziosamente l'8% dei tuoi ticket verso la coda sbagliata, e nulla nella risposta te lo segnala. Due fornitori all'avanguardia hanno rilasciato prodotti la cui affermazione centrale — che la probabilità significhi ciò che dice — è asserita in prosa e misurata solo da una terza parte.

Va dato atto alla terza parte che misura entrambi sullo stesso strumento, ed è per questo che il confronto è possibile. Ma una board è una board, la sua componente più grande è costituita per il 45% da dati privati, e valuta modelli decisionali da poche settimane. Considera 66 e 62 come la prima lettura esterna, non come una capacità consolidata.

Quale mettere dietro la tua soglia

Scegli Microsoft-Decision-1 quando la decisione è una chiamata a uno strumento o un giudizio su un documento di lavoro, quando l'input è testo che rientra comodamente in 32K token e quando il criterio di sblocco della distribuzione è un contratto Azure con fatturazione unificata e un pacchetto Responsible AI allegato. I suoi 88,0 su When2Call e 86,8 su EvalSafe-O*NET sono punti di forza reali, e le sue opzioni esplicite di astensione ti consentono di progettare una via di fuga "non posso dirlo" nell'insieme delle opzioni anziché aggiungerla a posteriori.

Scegli {{1}}Gemini Decision 1{{/1}} quando l'input è lungo, multimodale o condiviso tra molte domande, quando l'obiettivo sono le domande di conoscenza e il controllo delle allucinazioni e quando sei disposto a pagare per il contesto. Il suo primo posto in entrambe le componenti di conoscenza e il suo tasso di non-allucinazione del {{2}}49.6%{{/2}} su {{3}}AA-Omniscience{{/3}} sono i motivi per sceglierlo rispetto al {{4}}modello Microsoft{{/4}} più economico, e il suo tasso di superamento dei documenti del {{5}}33%{{/5}} è il motivo per non sceglierlo per attività di estrazione.

Non scegliere nessuno dei due per l’estrazione ad alto volume. Entrambi i modelli di scoring degli hyperscaler si collocano nella metà inferiore della componente documentale ponderata al 30%, e i modelli che sono in testa lì — un multimodale da 27B di Nace.AI e un encoder da 421M di Convai Innovations che puoi fine-tunare tu stesso — costano meno per attività e, nel caso open-weight, possono essere addestrati sui tuoi documenti.

Il resto della pipeline non deve essere ostaggio di questo.

OrcaRouter non include nessuno dei due modelli. Entrambi sono endpoint che forniscono solo probabilità — uno sulla Gemini Developer API, uno su Foundry — e nessuno dei due è una destinazione chat-completions, quindi non li elenchiamo. Ciò che il catalogo include è typesafe/jev-1.14 di TypeSafe, un modello decisionale con 66.23 su questo stesso indice, che è una terza opzione ragionevole se vuoi che la chiamata di scoring avvenga sulla stessa chiave di tutto il resto.

La chiamata che circonda lo scorer è il punto in cui un router si guadagna il suo posto, ed è la metà che questi due prodotti deliberatamente non affrontano. Qualcosa deve pur scrivere la rubrica su cui lo scorer valuta, riassumere il documento di 60 pagine fino a 32K token, o abbozzare la risposta candidata che viene classificata — e quel qualcosa è un modello generativo il cui prezzo e la cui qualità cambiano ogni poche settimane. Quella chiamata passa per un unico endpoint con oltre 200 modelli al suo interno, a prezzo di listino del fornitore trasferito con markup 0%, con failover automatico quando un fornitore degrada e un DSL di routing se vuoi che più modelli compongano un'unica risposta. Mantieni portabile la metà dedicata alla scrittura e la decisione di scoring resta reversibile, il che vale più di quattro punti indice quando entrambi i fornitori rilasciano revisioni con cadenza trimestrale.

Cosa guardare

Tre segnali cambierebbero la classifica, e nessuno è arrivato. Una tabella di benchmark Microsoft con curve di calibrazione permetterebbe ai suoi clienti Azure di fissare soglie basate sulle evidenze; la scheda attualmente offre una metodologia e un’affermazione. Un’iscrizione di Vertex AI per Gemini Decision 1 la sposterebbe da un acquisto con chiave API a un acquisto tramite contratto cloud e cambierebbe completamente il confronto sugli acquisti. E un secondo comitato indipendente che valuti entrambi i modelli ci direbbe se il divario di quattro punti è segnale o rumore di una classifica vecchia di tre settimane.

Fino ad allora, la lettura difendibile è questa: Gemini Decision 1 è il modello migliore sulle due componenti in cui sapere quando rifiutare è la competenza, Microsoft-Decision-1 è il migliore sulla selezione degli strumenti ed è leggermente più economico, ed entrambi sono a metà classifica sull'estrazione di documenti di cui in realtà consiste la maggior parte dei carichi di lavoro decisionali aziendali. Esegui 200 elementi etichettati tuoi su ciascuno prima che l'uno o l'altro numero decida qualcosa.