Una card di titolo generata con l'intestazione "La linea del keynote, verificata", sottotitolo "Microsoft-Decision-1.1 — Artificial Analysis Decision Index v2.1", con quattro chip che riportano 67.78, "Jev 1.14 66.2", "Gemini Decision 1 65.98" e "GPT-6 Luna 60.2" sopra una didascalia che recita "quattro modelli menzionati sul palco", con due etichette laterali in grigio che riportano "25 voci classificate" e "dieci sopra 67.78". Il logo OrcaRouter è sovrapposto nell'angolo in basso a destra.
Guides & Insights

Microsoft-Decision-1.1 ha raggiunto il keynote di Ignite. La riga del benchmark che ha citato è vera e ristretta.

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Microsoft-Decision-1.1 è diventato disponibile a livello generale il 17 novembre 2026, sei settimane dopo Microsoft-Decision-1 e su un modello di base completamente diverso: Gemma 4 26B A4B, il sistema mixture-of-experts di medie dimensioni che Microsoft indica nel proprio post di lancio, in sostituzione del Qwen3.5-9B su cui era stata post-addestrata la versione 1. Questo cambio è la sostanza del rilascio. La frase che ha viaggiato più lontano viene dal keynote di Ignite, dove Decision 1.1 è stato presentato come routing dei modelli "integrato direttamente nelle tue applicazioni" e poi supportato con una sola frase — "sull'AA Decision Index batte Jev, Google e OpenAI". Quei tre nomi corrispondono a Jev 1.14 con 66,2, Gemini Decision 1 con 66,0 e GPT-6 Luna (Decisions) con 60,2, contro 67,78 di Microsoft-Decision-1.1. Tutti e tre i confronti sono corretti.

Sono anche il sottoinsieme {{1}}a quattro modelli{{/1}} più lusinghiero su una classifica che attualmente conta {{2}}venticinque{{/2}} voci. Stasera {{3}}dieci modelli decisionali{{/3}} ottengono un punteggio superiore a {{4}}Microsoft-Decision-1.1{{/4}}, da {{5}}d1.2-ultra{{/5}} a {{6}}74.8{{/6}} passando per {{7}}Drex Max v1.1{{/7}} e {{8}}SubQ Snap 1.2{{/8}} a {{9}}72.6{{/9}} fino a {{10}}SubQ Snap 1.1{{/10}} a {{11}}67.9{{/11}}. La frase del keynote non era falsa. Era un confronto curato presentato con la grammatica di un confronto completo, e quella distinzione vale più del lancio stesso, perché è ciò che accade la prima volta che un indice di benchmark finisce su una slide alla conferenza per sviluppatori di un hyperscaler.

Quello che ha detto il palco, e quello che dice il consiglio

La trascrizione del keynote pubblicata da Microsoft lo stesso giorno dice poco sull'argomento. Dopo una rassegna dei modelli di coding, passa al processo decisionale: "gli agenti sono sempre più necessari per prendere decisioni, soprattutto laddove velocità e costi sono critici. Così Decision 1.1 fornisce il routing dei modelli integrato direttamente nelle tue applicazioni. E sull'AA Decision Index supera Jev, Google e OpenAI."

Analizzandolo, si tratta di un confronto a quattro che l'indice supporta. Nel composito Decision Index v2.1, pubblicato da Artificial Analysis e consultato qui il 19 novembre 2026, Microsoft-Decision-1.1 ottiene 67,78, Jev 1.14 ottiene 66,2, Gemini Decision 1 ottiene 65,98 e GPT-6 Luna (Decisions) ottiene 60,2. I divari sono di 1,6, 1,8 e 7,6 punti. Su questo non c'è nulla da discutere.

Ciò che la frase omette è la metà superiore della classifica. La stessa pagina colloca Microsoft-Decision-1.1 all'undicesimo posto, e le dieci voci che lo precedono non sono oscure:

• d1.2-ultra (Liquid AI) — 74.8, leader della classifica, a $133 per milione di attività

• Drex Max v1.1 (Nace) — 72,6 a $103, e SubQ Snap 1.2 — 72,6 a $137

• GLiDE v1.2 (Fastino) — 72,5 a $780, Mammoth 27B (Baseten) — 71,4 a $264, d1-ultra — 70,6

• Decider v1.3 (Perplexity) — 70,4 a $68, Decider v1.2 — 69,8, d1.2 — 68,7, SubQ Snap 1.1 — 67,9

Che un fornitore scelga i tre concorrenti citati per nome che favoriscono il suo lancio non è uno scandalo; ogni post di lancio lo fa, e Microsoft è insolitamente esplicita nel chiarire che questi sono i modelli che ha scelto di citare. La parte interessante è il contesto. Un indice proprietario di terze parti — la cui revisione v2 è stata rilasciata l'8 novembre 2026, nove giorni prima di Ignite, costruito per il 45% su dataset privati — è stato citato sul palco come autorità per un'affermazione sul modello di Microsoft stesso. È un tipo di fatto diverso da uno screenshot di benchmark di un fornitore, e ha un doppio effetto: innalza l'indice e lo mette in una posizione in cui l'essere citato in modo selettivo fa ormai parte della sua reputazione.

Cosa è effettivamente cambiato tra la 1 e la 1.1

Tolto l’effetto scenico, l’ingegneria è concreta. Microsoft-Decision-1.1 non è un ritocco al modello di ottobre. La base è cambiata da Qwen3.5-9B di Alibaba, che la pagina del catalogo v1 accredita ancora, a Gemma 4 26B A4B. Microsoft descrive la scelta in termini di costi: parametri attivi sufficienti per il giudizio, abbastanza piccoli da essere eseguiti su flotte A100, H100/200 e GB200/300. Un motore di inferenza personalizzato, progettato per lo scoring anziché per la generazione token per token, è ciò a cui l’azienda attribuisce la latenza.

La funzionalità che non esisteva nella v1 è l'input di immagini. Microsoft-Decision-1.1 accetta testo, JSON o immagini — foto, screenshot — e continua a rifiutare audio, video e qualsiasi forma di spiegazione generata. I tipi di domanda restano invariati nel nome: noul per una probabilità su un'affermazione sì/no, choice per un'etichetta tra un insieme fisso con una probabilità per ogni opzione, score per una posizione su una scala ordinata. La richiesta va a un percorso che termina con /providers/microsoft/v1/systemone, che è o il nome di endpoint meno autoesplicativo rilasciato questo trimestre o un indizio su dove Microsoft ritiene che questa categoria si collochi nello stack.

Il contesto è il numero da tenere d'occhio se stai migrando: Microsoft documenta "input fino a 32K token", e Artificial Analysis registra una finestra di 33k. La versione 1 era la stessa. Un modello decisionale che legge un contratto da 40.000 token non è in questa release.

Tre affermazioni dal post di lancio, verificate rispetto alla board

Il post di Microsoft stessa avanza tre affermazioni quantitative, e i dati indipendenti dirimono ciascuna di esse in modo diverso.

• "Punteggio 68" — il valore dell'indice è 67,78. Si tratta di arrotondamento, non di inflazione, ed è l'unica affermazione che si è rivelata esatta.

• «Più di due volte più veloce»: la versione 1 registra 274,25 ms per attività, la versione 1.1 registra 123,25 ms. È un fattore 2,23x e rende il nuovo modello la quinta voce più veloce della classifica anziché la ventesima.

• "Allo stesso costo" — vero a livello di token, ma fuorviante in pratica. Entrambe le versioni indicano $0,042 per milione di token di input. Tuttavia, il costo misurato per milione di attività è di $139,64 per 1.1 contro $142,56 per v1, un miglioramento del 2%, non un dimezzamento. Stesso prezzo, all'incirca la stessa fattura, il doppio del throughput. Se il tuo vincolo è la latenza anziché la spesa, l'aggiornamento è consistente; se è la spesa, l'aggiornamento è quasi nullo.

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.

Dove il composito smette di concordare con il marketing

Il composito Decision Index v2.1 non è un mistero. È formato da sei componenti ponderate, e il 67,78 di Microsoft-Decision-1.1 è riproducibile a partire da esse: 30% AA-Paperclip, 15% EvalSafe-O*NET-AA, 10% When2Call, 15% AA-Omniscience-Decision v1.1, 15% HLE-MultiChoice v1.1, 15% AA-Symmetry. Moltiplica e somma e arrivi esattamente a 67,78. È questa trasparenza a rendere leggibili i sottopunteggi, ed è nei sottopunteggi che la narrazione del lancio diventa interessante.

• When2Call — 95.08. Questo è il test di routing, ed è di gran lunga il numero più forte del set. La proposta di Microsoft è "routing dei modelli integrato nelle tue applicazioni", e sull'unico componente che misura esattamente questo, il modello è vicino alla vetta della classifica.

• AA-Paperclip — Decision Score 58,67, 36,8% dei documenti risolti perfettamente. Questa è la componente del 30%: 1.500 documenti privati, ciascuno con cinque decisioni e dieci fatti, valutati tutto-o-niente. La versione 1 superava il 20,9%. Un salto di quindici punti nel tasso di documenti perfetti è il singolo maggiore guadagno ingegneristico della release, ed è anche il motivo per cui il punteggio composito si è mosso tanto.

• HLE-MultiChoice v1.1 — 46,11 Decision Score su un'accuratezza grezza del 6,29%, con il 38,4% di non-allucinazione. Un'accuratezza del sei percento in un test di conoscenza difficile non è un punto di forza; il Decision Score è rispettabile solo perché il modello è onesto nel riconoscere di essere perso. Il post di Microsoft stesso afferma che questi modelli sono «esplicitamente non ancora ottimizzati per i problemi più difficili», e questa riga è il punto in cui tale ammissione emerge pubblicamente.

• AA-Omniscience-Decision v1.1 — 60,46 con il 33,2% di accuratezza e il 49,4% di non-allucinazione. La versione 1 ha ottenuto il 21,7% di non-allucinazione, quindi il modello ha imparato a rifiutare con un'affidabilità circa doppia, guadagnando due punti di accuratezza. Per un modello decisionale, questo compromesso è tutto.

Considerati nel loro insieme, il profilo è coerente: si tratta di un router veloce e ben calibrato con una base di conoscenze superficiale. È un prodotto difendibile. Non è il prodotto che la frase del keynote lascia intendere.

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.

Tariffazione, nelle unità che una bolletta usa effettivamente

Foundry elenca tre tariffe di input per Microsoft-Decision-1.1 e nessuna tariffa di output, perché il modello non emette token di output: $0,042 per milione di token di input su Global Standard, $0,046 su US Data Zone e $0,05 sulle distribuzioni EU e APAC Data Zone. Scegli lo SKU data-zone e paghi il 19% in più rispetto al numero di riferimento per la località. È il primo punto in cui un'affermazione secondo cui è il "modello decisionale più economico" viene silenziosamente corretta.

Il secondo punto è la colonna del costo per attività, cioè ciò che si ottiene moltiplicando il prezzo dei token per la quantità di input che un'attività consuma effettivamente. A $139,64 per milione di attività, AA colloca Microsoft-Decision-1.1 al quindicesimo posto su venticinque per costo — più economico di Gemini Decision 1 a $344,90, più caro di Celeris-1.1 Decision a $14 e Decider v1.3 a $68. Il modello è veloce e ha un prezzo medio. Non è l'occasione nella propria categoria, e Microsoft non ha mai sostenuto che lo fosse.

Dove questo lascia una squadra che vuole chiuderla lì

La via first-party è Foundry: distribuisci il modello, poi invia uno state insieme a una mappa di domande tipizzate all'endpoint di decisione. Gli acquirenti enterprise apprezzeranno il fatto che Microsoft lo stia già usando come giudice all'interno di Foundry Evaluations e come router in Copilot, dove l'azienda dichiara la stessa decisione di routing presa 2,2 volte più rapidamente e a un costo inferiore di 4,4 volte rispetto a un modello linguistico di grandi dimensioni — un dato riportato dal fornitore, ricavato dall'harness di Microsoft stesso, non riprodotto al di fuori di esso.

Ciò che vale la pena dire chiaramente è cosa OrcaRouter supporta e cosa non supporta. Non ospitiamo Microsoft-Decision-1.1, né Gemini Decision 1, né alcun endpoint di scoring delle decisioni, perché un'API basata solo su probabilità non è un target di chat-completions e fingere il contrario sarebbe il tipo di dichiarazione di disponibilità che suona bene e si rompe in produzione. Ciò che supportiamo è la metà di una pipeline decisionale che genera davvero — e una finestra su questo rilascio è insolitamente letterale: Gemma 4 26B A4B, esattamente la base su cui Microsoft ha fatto fine-tuning, è nel nostro catalogo a $0,06 per milione di token in input e $0,33 per milione di token in output, insieme a Jev 1.14 a $0,042, il modello rispetto al quale viene misurato Microsoft-Decision-1.1. Se volete vedere quanto del comportamento decisionale sia dovuto al modello di base e quanto al post-training, entrambi gli estremi di quel confronto sono raggiungibili da un'unica chiave, al prezzo di listino del provider con uno 0% di markup trasferito.

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.

Cosa guardare dopo

Due cose sono ora verificabili pubblicamente che non lo erano la settimana scorsa. La prima è se il Decision Index continua a comparire sugli schermi delle keynote: un benchmark diventa un documento di acquisto nel momento in cui i fornitori iniziano a citarlo sotto il proprio logo, e il prossimo fornitore a farlo citerà un diverso sottoinsieme di quattro modelli. La seconda è se Microsoft-Decision-1.1 mantiene la sua posizione di routing quando la board si amplia — When2Call porta un peso del 10% e fornisce gran parte del vantaggio del modello su Gemini Decision 1, il che significa che una revisione ordinaria dell'indice può spostare questa classifica più di quanto farà qualsiasi aggiornamento del modello.

{{1}}Per ora la frase accurata è più circoscritta della slide e più utile: Microsoft ha rilasciato un modello decisionale che è due volte più veloce del suo predecessore allo stesso prezzo per token, notevolmente meglio calibrato, ora in grado di leggere le immagini, ancora limitato a 32K token, onesto su ciò che non sa, e undicesimo nell'unica classifica indipendente che lo classifica.{{/1}} {{2}}Il keynote ha detto che batte Google e OpenAI.{{/2}} {{3}}È vero.{{/3}} {{4}}Semplicemente non batte tutti.{{/4}}