
Karpo Decision 31B vs Microsoft-Decision-1: uno ha un prezzo, l'altro ha un punteggio
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 184 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 215 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Metti Karpo Decision 31B accanto a Microsoft-Decision-1 e la prima cosa che noti è che nessuna delle due aziende ti ha dato ciò di cui hai bisogno per scegliere tra loro. Karpo Decision 31B, il fine-tune da 31,3 miliardi di parametri di Gemma 4 che MachinePulse ha pubblicato su Hugging Face il 5 novembre 2026 senza un post di lancio, ha un numero in classifica e nessun prezzo. Microsoft-Decision-1, su Microsoft Foundry dall'8 ottobre 2026, ha un prezzo, un contratto Azure, un pacchetto di AI responsabile e nessuna tabella di benchmark pubblicata. Uno è misurabile e non commercializzabile. L'altro è commercializzabile e, per scelta del suo stesso fornitore, non misurato.
Quell'inversione è l'intero confronto, e vale la pena resistere all'impulso di risolverla con l'aritmetica. Il 73,86 che Karpo riporta e il 62,07 che Artificial Analysis assegna a Microsoft-Decision-1 non sono due letture della stessa cosa. Provengono da board diversi, mix di attività diversi, formule di punteggio diverse e idee diverse di a cosa serva un modello decisionale. La domanda utile non è quale numero sia più grande. È quale dei due divari — il prezzo mancante o il punteggio mancante — il tuo deployment possa effettivamente assorbire.
Che cosa sta vendendo esattamente Microsoft
Microsoft-Decision-1 è un Qwen3.5-9B post-addestrato che risponde con una distribuzione sulle opzioni anziché con testo in prosa. Il contratto è ristretto: sì/no, scelta multipla, una scala di valutazione, un insieme di classificazione o una rubrica, su un massimo di 32.768 token di testo. Niente immagini, niente audio, nessun campo di spiegazione, nessun token generato. Microsoft dichiara esplicitamente che non è destinato a domande aperte, traduzione o sintesi, e ne sconsiglia l'uso come unica base per decisioni relative a credito, impiego, alloggi, assicurazioni, istruzione o assistenza sanitaria.
Ciò che invece porta è la parte che un checkpoint aperto non può offrire: un deployment Foundry nel portfolio Direct from Azure, serverless o con endpoint unificato, SKU standard, autenticazione Azure, una sola fattura, inferenza batch deliberatamente disattivata e nessun percorso di download dei pesi o di fine-tuning. Per una banca o un gruppo ospedaliero, quest'ultimo insieme di fatti vale spesso più di venti punti in una classifica, perché è la differenza tra un modello che un team di piattaforma può approvare e un modello attorno al quale un team di piattaforma deve costruire uno stack di serving.
Il prezzo è reale ma scomodo da citare. La pagina del modello non riporta una tariffa per token; rimanda alla pagina dei prezzi di Azure. Ciò che Artificial Analysis tiene traccia per esso è 143 $ per milione di attività alla tariffa di input, contro 345 $ per milione di attività per Gemini Decision 1 di Google. Karpo non ha una cifra comparabile perché Karpo non ha alcun tipo di listino — nessun host, nessuna console, nessuna prova, nessun costo per GPU pubblicato.
Che cosa ha misurato il consiglio, e che cosa no

Il numero di Karpo è della community. Il Decision Index, la classifica aperta che traccia le riproduzioni di Jev di TypeSafe, lo colloca a 73,86 Full nell'edizione 0.4.1 — primo pari merito su 307 righe nel dump pubblicato della classifica, a pari merito con GLiDE 27B a 73,37 perché la classifica raggruppa tutto ciò che rientra entro 0,9 punti dal leader. Quel punteggio Full è di terze parti nel senso che conta: i manutentori della classifica hanno eseguito test privati che il fornitore non ha mai visto, suddivisi all'incirca per il 60% in competenze già note e per il 40% in nuovi domini. La suddivisione di Karpo riporta 70,94 sulle competenze familiari e 61,5 su quelle non familiari, che è la forma ordinaria per un modello ottimizzato a fondo su una suite nota.
Il 75.05 riportato sulla model card è un'altra cosa, e la scheda lo dice apertamente: si tratta dell'esecuzione di MachinePulse del kit di valutazione ufficiale, 140.178 richieste valutate con undici rifiutate per superamento della finestra, adottata dal board dopo che una nuova valutazione con il kit aveva dato un risultato identico a quanto dichiarato. Pubblico e riproducibile, ma pur sempre di prima parte. La riga del board conferma l'adozione e rileva che la concordanza con i test privati rispetto alle righe presentate era del 100% su 827 righe.
Microsoft-Decision-1 non ha nulla di tutto ciò. La sua pagina di catalogo presenta una scheda Benchmarks contenente un paragrafo di metodologia e nessun dato: benchmark decisionali pubblici e della community, set interni tenuti da parte, errore di accuratezza e calibrazione, ordine delle opzioni variato, test statistici appaiati applicati. Microsoft afferma che il modello si comporta "allo stesso livello dei principali modelli decisionali e davanti ad altri modelli decisionali open valutati con la stessa metodologia" e poi rifiuta di mostrare la valutazione. Ogni affermazione sulle sue prestazioni oggi è riportata dal fornitore e non riprodotta.
L'unico strumento che lo ha valutato è Artificial Analysis, su Decision Index v2.1, e le componenti sono più informative del punteggio composito. Microsoft-Decision-1 ottiene 88,0 su When2Call, vicino ai leader, e 86,8 su EvalSafe-O*NET. Ottiene 51,8 su AA-Paperclip con un tasso di superamento documentale tutto-o-niente del 20,9%, 54,9 su AA-Omniscience-Decision con un tasso di non allucinazione del 21,7%, e 39,4 su HLE-MultiChoice con un'accuratezza grezza dell'8,6%. Il quadro è quello di un valutatore competente del giudizio sul posto di lavoro con un comportamento debole in materia di conoscenza, e il dato sull'astensione è quello su cui soffermarsi: un modello che rifiuta di rispondere al 78% delle domande di conoscenza sta proteggendo la propria calibrazione a scapito dell'essere utile.
Le forme della richiesta, affiancate

• Parametri — Karpo 31.3B in bf16 più un readout fp32 da 255 × 5,376, circa 62,5 GB su disco; Microsoft-Decision-1, un modello base dense da 9B erogato solo come API.
• Input — Karpo accetta testo, JSON e immagini, con uno screenshot passato come state.viewport_screenshot; Microsoft-Decision-1 accetta solo testo, serializzato in 32.768 token.
• Contesto — 32.768 token per entrambi, con un'importante differenza nella modalità di fallimento: Karpo suddivide una richiesta lunga per domanda e rifiuta tutto ciò che ancora non entra, mentre il tetto di Microsoft è l'input più l'insieme delle opzioni, senza alcun modo di aumentarlo.
• Tipi di domanda — Karpo choice fino a 255 opzioni, noul per vero/falso, score per un livello ordinato; Microsoft sì/no, scelta multipla, valutazione, classificazione e rubrica, con opzioni di astensione come "non saprei" supportate all'interno dell'insieme.
• Batching — Karpo codifica uno stato e molte domande in un'unica sequenza, quindi cento domande su una sola fattura costano all'incirca un'unica passata sulla fattura; il contratto pubblicato di Microsoft prevede uno stato e il suo insieme di domande per invocazione, con l'ampiezza che deriva dal raggruppamento.
• Latenza — 94 ms mediana per richiesta sull'hardware di riferimento del tracker, una GPU, una richiesta alla volta per Karpo; 274 ms per attività per Microsoft-Decision-1 secondo la misurazione di AA, un valore per attività su un insieme di documenti anziché per richiesta.
Licenza e accesso — pesi Apache-2.0 con affiancati i termini di Gemma 4 per Karpo; nessun peso per Microsoft-Decision-1, disponibile esclusivamente via API secondo i termini di Azure.
• {{1}}Prezzo{{/1}} — nessuna tariffa pubblicata per Karpo; 143 $ per milione di task nel monitoraggio di AA per Microsoft-Decision-1, con la {{2}}tariffa di input per token{{/2}} indicata sulla pagina dei prezzi di Azure anziché sulla scheda del modello.
La calibrazione è l'asse su cui entrambi hanno qualcosa da dire.
Per un modello il cui intero output è una probabilità, il numero che governa la messa in produzione non è l'accuratezza, ma se la probabilità significa ciò che dichiara. La scheda di Karpo riporta un errore di calibrazione di 4,8 punti: su 34.411 risposte valutate, la sua confidenza media era dell'87,96% a fronte di un'accuratezza dell'83,19%, e nella fascia di confidenza più alta — il 68,5% di tutte le risposte — aveva ragione il 95,7% delle volte pur dichiarando il 98,7%. È un modello su cui è possibile applicare una soglia, con una deriva nota all'estremità superiore.
Microsoft non pubblica alcun expected calibration error, né un Brier score né una curva di affidabilità. Ciò che i punteggi per componente di AA implicano è un modello la cui confidenza viene spesa in modo conservativo: gli elevati tassi di non allucinazione su Omniscience e HLE significano che si astiene invece di rispondere quando non è sicuro, ovvero il comportamento che un guardrail desidera e che un classificatore non desidera. Se il suo 0,8 significhi 0,8 al di fuori della valutazione interna di Microsoft è ignoto, e la documentazione di Microsoft lo dice a modo suo, invitando gli integratori a validare su dati rappresentativi e a fissare le soglie in base al costo dei propri errori.
Quell’asimmetria ha una conseguenza pratica. Con Karpo erediti una curva di calibrazione pubblicata e puoi impostare una soglia iniziale prima di eseguire qualsiasi cosa. Con Microsoft-Decision-1 erediti una metodologia e una promessa, e le tue prime due settimane sono un progetto di misurazione. Nessuna delle due opzioni è da scartare; sono semplicemente tipi diversi di lavoro.
La versione che nessuno menziona nel titolo
Microsoft-Decision-1 non è più il modello attuale nella propria famiglia. Microsoft-Decision-1.1 è arrivato il 17 novembre 2026 a Ignite su una base mixture-of-experts Gemma 4 26B A4B, allo stesso prezzo e con lo stesso limite di 32K, e Artificial Analysis gli assegna 67,78 — 5,7 punti sopra la versione 1, a 123 ms per attività invece di 274 ms, con la non-allucinazione su Omniscience salita dal 21,7% al 49,4%. È anche peggiorato nelle cose in cui un valutatore dovrebbe essere stabile: 6,29% di accuratezza grezza su HLE-MultiChoice contro 8,64%, e il 47,5% delle famiglie di domande AA-Symmetry ha ricevuto risposte coerenti contro il 51,7%.
Chiunque confronti Karpo con il "modello decisionale di Microsoft" alla fine di novembre sta quindi confrontandolo con una versione superata. Ciò non rende irrilevante il confronto — la versione 1 è ancora quella rispetto alla quale sono state dimensionate moltissime distribuzioni Foundry — ma significa che il numero da battere sul fronte Microsoft è 67,78, e la questione di secondo livello è se un modello che baratta l'accuratezza della conoscenza con la disciplina nell'astensione sia la forma giusta per la tua pipeline fin dall'inizio.
Quello che ciascuna parte non può darti
Karpo non può fornirti un contratto. Non esiste alcun endpoint, listino prezzi, percorso di supporto, SLA né dichiarazione del fornitore oltre a una model card e un README. Se la tua organizzazione non è in grado di eseguire un checkpoint da 62,5 GB sul proprio hardware, il confronto finisce lì a prescindere dal punteggio. Caricarlo come un normale modello di chat non riprodurrà nemmeno le sue risposte: sono necessari sia l'attenzione per rami sia la lettura a 255 codici, e il pacchetto Python e il POST /v1/systemone server esistono proprio perché uno stack di inferenza generico non basta.
Microsoft-Decision-1 non può fornirti un numero che non hai accettato sulla fiducia, non può essere sottoposto a fine-tuning sui tuoi dati decisionali, non può leggere uno screenshot e non può essere eseguito offline. Inoltre non puoi sottoporlo a benchmark con lo stesso strumento di Karpo, perché il Decision Index è un registro di riproduzioni aperte e un modello API chiuso non ha pesi da riprodurre. I due modelli continueranno a sfuggirsi: una classifica non elencherà mai lo scorer di Microsoft, e Artificial Analysis non ha una riga per Karpo.
Esiste una terza posizione, più utile di entrambe le colonne. Se ciò di cui hai davvero bisogno è uno strato decisionale accanto a una pipeline generativa, il generatore è la metà che puoi già standardizzare. OrcaRouter non ospita Karpo Decision 31B né Microsoft-Decision-1, e nessuno dei due ha senso dietro una route chat-completions. Quello che ospita sono i due modelli attorno a cui ruota di continuo questo confronto: Gemma 4 31B, la base da cui Karpo è stato fine-tunato, e Jev 1.14 di TypeSafe, il modello che la board open-reproduction esiste apposta per inseguire. Entrambi stanno dietro un'unica chiave compatibile OpenAI insieme a oltre 200 altri modelli al prezzo di listino del provider, trasferito senza ricarichi, così un taglio di prezzo del fornitore arriva dalla nostra parte lo stesso giorno, e il failover automatico mantiene vivo un ciclo di scoring quando un provider vacilla.
Quale scegliere

Scegli Microsoft-Decision-1, o più ragionevolmente Microsoft-Decision-1.1, se il livello decisionale deve risiedere all'interno di un ambiente Azure, se hai più bisogno di una traccia di approvazione che di una posizione in classifica e se i tuoi input sono testo che rientra in 32K. Prevedi nel budget uno studio di calibrazione, perché Microsoft non te ne ha fornito uno, e imposta le soglie di astensione in base al costo dei tuoi errori anziché alla descrizione che ne dà il fornitore.
Scegli Karpo Decision 31B se hai la GPU, se gli screenshot o lo stato JSON fanno parte del lavoro, se Apache-2.0 conta per un prodotto che intendi rilasciare, e se un punteggio di test privato di terze parti più una curva di calibrazione pubblicata è l'evidenza che il tuo team accetta. Accetta in cambio che ora il fornitore sei tu: nessun supporto, nessun SLA, nessun prezzo su cui impostare un budget, e un modello vecchio di due settimane il cui repository era ancora in fase di modifica il 16 novembre.
Non scegliere né l’uno né l’altro sulla base di 73,86 contro 62,07. Quei numeri sono stati prodotti da organizzazioni che non hanno mai valutato lo stesso elaborato, su suite con quote diverse di test privati e formule di punteggio diverse, e la lettura onesta è che entrambi i modelli sono plausibili e nessuno dei due è dimostrato superiore all’altro. Il test che lo risolverebbe — Karpo che compare in un panel indipendente che valuta anche il modello di Microsoft, oppure Microsoft che pubblica la tabella dei risultati descritta nella sua sezione metodologica — non si è verificato. Finché non accadrà, la decisione dipende da approvvigionamento, hardware e modalità di input, che è il punto su cui avrebbe dovuto vertere fin dall’inizio.
