생성된 타이틀 카드로, 제목은 '확인된 기조연설 라인', 부제는 'Microsoft-Decision-1.1 — Artificial Analysis Decision Index v2.1'이며, 67.78, 'Jev 1.14 66.2', 'Gemini Decision 1 65.98', 'GPT-6 Luna 60.2'라고 적힌 네 개의 칩을 '무대에서 언급된 네 개 모델'이라는 캡션 위에 배치하고, 회색 처리된 두 개의 측면 라벨에는 '순위에 오른 25개 항목'과 '67.78 초과 10개'라고 적혀 있다. OrcaRouter 로고가 오른쪽 아래 모서리에 합성되어 있다.
Guides & Insights

Microsoft-Decision-1.1, Ignite 기조연설에 등장. 인용된 벤치마크 문구는 사실이며 범위는 좁다.

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Microsoft-Decision-1.1은 2026년 11월 17일 Microsoft-Decision-1 이후 6주 만에, 그리고 전혀 다른 기본 모델을 기반으로 정식 출시되었다. 바로 Microsoft가 자사 출시 글에서 명시한 중형 전문가 혼합(MoE) 시스템인 Gemma 4 26B A4B로, 버전 1의 포스트트레이닝 기반이었던 Qwen3.5-9B를 대체한다. 그 교체가 이번 릴리스의 핵심이다. 더 멀리 퍼진 문구는 Ignite 기조연설에서 나왔는데, Decision 1.1이 "애플리케이션에 바로 통합되는" 모델 라우팅으로 소개된 뒤 한 문장으로 뒷받침되었다. "AA Decision Index에서 Jev, Google, OpenAI를 앞선다." 그 세 이름은 각각 66.2의 Jev 1.14, 66.0의 Gemini Decision 1, 60.2의 GPT-6 Luna (Decisions)를 가리키며, Microsoft-Decision-1.1은 67.78이다. 세 가지 비교는 모두 정확하다.

이들은 또한 현재 25개 항목의 순위를 매기는 리더보드에서 가장 후하게 보이는 4개 모델 하위 집합이기도 하다. 오늘 밤 Microsoft-Decision-1.1보다 높은 점수를 받은 결정 모델은 열 개이며, 74.8점의 d1.2-ultra부터 72.6점의 Drex Max v1.1과 SubQ Snap 1.2를 거쳐 67.9점의 SubQ Snap 1.1에 이르기까지다. 기조연설의 문장은 거짓이 아니었다. 그것은 완전한 비교의 문법으로 제시된 선별된 비교였고, 그 구분은 출시 자체보다 더 가치 있다. 왜냐하면 벤치마크 지수가 하이퍼스케일러의 개발자 콘퍼런스에서 처음으로 슬라이드에 오를 때 일어나는 일이 바로 그것이기 때문이다.

무대가 말한 것, 그리고 이사회가 말하는 것

마이크로소프트가 같은 날 공개한 기조연설 스크립트는 이 주제를 간략히만 다룬다. 코딩 모델들을 훑고 난 뒤 의사결정으로 넘어간다: "에이전트는 특히 속도와 비용이 중요한 곳에서 의사결정을 내릴 필요성이 점점 커지고 있다. 그래서 Decision 1.1은 애플리케이션에 바로 통합되는 모델 라우팅을 제공한다. 그리고 AA Decision Index에서 Jev, Google, OpenAI를 앞선다."

풀어서 보면, 이는 해당 지수가 뒷받침하는 4자 비교입니다. Artificial Analysis가 발표하고 여기에서 2026년 11월 19일에 확인한 Decision Index v2.1 종합 점수에서 Microsoft-Decision-1.1은 67.78점, Jev 1.14는 66.2점, Gemini Decision 1은 65.98점, GPT-6 Luna (Decisions)는 60.2점입니다. 격차는 1.6점, 1.8점, 7.6점입니다. 이에 대해 논쟁의 여지는 없습니다.

그 문장이 생략한 것은 그 위에 있는 보드의 절반이다. 같은 페이지는 Microsoft-Decision-1.1을 11위로 올리며, 그보다 앞선 열 개 항목은 결코 무명이 아니다:

• d1.2-ultra (Liquid AI) — 74.8로 리더보드 선두, 백만 개 작업당 $133

• Drex Max v1.1 (Nace) — $103에 72.6, 그리고 SubQ Snap 1.2 — $137에 72.6

• GLiDE v1.2(Fastino) — $780에 72.5, Mammoth 27B(Baseten) — $264에 71.4, d1-ultra — 70.6

• Decider v1.3 (Perplexity) — $68에 70.4, Decider v1.2 — 69.8, d1.2 — 68.7, SubQ Snap 1.1 — 67.9

벤더가 자사 출시를 돋보이게 해 줄 세 경쟁사를 골라 이름을 올리는 것은 스캔들이 아니다. 모든 출시 게시물이 그렇게 하며, Microsoft는 이들이 자사가 이름을 붙이기로 선택한 모델임을 이례적으로 분명히 밝힌다. 흥미로운 부분은 그 무대다. 독점적인 제3자 지수, 즉 v2 개정판이 2026년 11월 8일—Ignite가 있기 아흐레 전—에 출시되었고 45%가 비공개 데이터셋으로 구축된 지수가, Microsoft 자사 모델에 관한 주장의 권위로 무대에서 인용되었다. 이는 벤더 벤치마크 스크린샷과는 다른 종류의 사실이며, 양날의 검이다. 지수의 위상을 높이는 동시에, 선택적으로 인용되는 것이 이제 그 지수의 평판 일부가 되는 위치에 지수를 놓는다.

1과 1.1 사이에 실제로 무엇이 달라졌나요?

슬라이드를 걷어내면 엔지니어링은 구체적이다. Microsoft-Decision-1.1은 10월 모델을 약간 손본 것이 아니다. 기반은 v1 카탈로그 페이지가 여전히 표기하는 Alibaba의 Qwen3.5-9B에서 Gemma 4 26B A4B로 바뀌었다. 마이크로소프트는 이 선택을 비용 관점에서 설명한다. 판단에 충분한 활성 파라미터를 갖추면서 A100, H100/200, GB200/300 플릿 전반에서 실행할 수 있을 만큼 작다는 것이다. 회사가 지연 시간의 공로로 꼽는 것은 토큰 단위 생성이 아니라 스코어링을 위해 구축된 맞춤형 추론 엔진이다.

v1에 없던 기능은 이미지 입력입니다. Microsoft-Decision-1.1은 텍스트, JSON 또는 이미지(사진, 스크린샷)를 받아들이며, 오디오, 비디오 및 어떤 형태의 생성된 설명도 여전히 거부합니다. 질문 유형의 이름은 그대로입니다: noul은 예/아니오 진술에 대한 확률을 위한 것이고, choice는 고정된 집합에서 하나의 레이블에 대해 각 옵션별 확률을 제시하기 위한 것이며, score는 순서가 있는 척도상의 위치를 위한 것입니다. 요청은 /providers/microsoft/v1/systemone로 끝나는 경로로 전송되는데, 이는 이번 분기에 출시된 엔드포인트 이름 중 가장 자명하지 않은 이름이거나 Microsoft가 이 범주를 스택의 어디에 두는지에 대한 힌트입니다.

마이그레이션 중이라면 주목해야 할 숫자는 컨텍스트입니다. Microsoft는 "최대 32K 토큰의 입력"을 문서에 명시하고 있으며, Artificial Analysis는 33k 윈도우를 기록합니다. 버전 1도 마찬가지였습니다. 40,000토큰 계약서를 읽는 의사 결정 모델은 이번 릴리스에 포함되지 않았습니다.

출시 게시글의 주장 세 가지를 보드와 대조해 검증한 결과

마이크로소프트의 자체 게시물은 세 가지 정량적 주장을 제시하며, 독립적인 데이터는 각각을 다르게 판정한다.

• "68점을 기록했다" — 지수 값은 67.78입니다. 이는 부풀리기가 아니라 반올림이며, 정확히 들어맞은 유일한 주장입니다.

• "두 배 이상 빠름" — 버전 1은 작업당 274.25ms, 버전 1.1은 123.25ms를 기록합니다. 이는 2.23배로, 새 모델이 순위표에서 20번째가 아니라 다섯 번째로 빠른 항목이 되게 합니다.

• "같은 비용" — 토큰 수준에서는 사실이지만 실제로는 오해를 부를 수 있습니다. 두 버전 모두 백만 입력 토큰당 $0.042로 표시됩니다. 하지만 백만 작업당 측정 비용은 1.1이 $139.64, v1이 $142.56으로 2% 개선에 그쳤으며, 절반으로 줄어든 것은 아닙니다. 같은 가격, 대략 같은 청구서, 두 배의 처리량입니다. 제약이 지출이 아니라 지연 시간이라면 업그레이드는 큰 의미가 있지만, 지출이라면 업그레이드는 거의 의미가 없습니다.

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.

복합재가 마케팅과 어긋나기 시작하는 지점

Decision Index v2.1 복합 지수는 미스터리가 아니다. 그것은 여섯 개의 가중 구성 요소로 이루어져 있으며, Microsoft-Decision-1.1의 67.78은 그 요소들로부터 재현 가능하다: 30% AA-Paperclip, 15% EvalSafe-O*NET-AA, 10% When2Call, 15% AA-Omniscience-Decision v1.1, 15% HLE-MultiChoice v1.1, 15% AA-Symmetry. 곱하고 더하면 정확히 67.78에 도달한다. 이러한 투명성 덕분에 하위 점수를 읽을 수 있으며, 하위 점수야말로 출시 내러티브가 흥미로워지는 지점이다.

• When2Call — 95.08. 이것은 라우팅 테스트이며, 이 세트에서 단연 가장 강력한 수치입니다. Microsoft의 제안은 "애플리케이션에 통합된 모델 라우팅"이며, 바로 그것을 측정하는 단 하나의 구성 요소에서 이 모델은 순위표 최상위권에 가깝습니다.

• AA-Paperclip — Decision Score 58.67, 문서의 36.8%가 완벽하게 답변되었습니다. 이는 30% 구성 요소로, 1,500개의 비공개 문서가 각각 다섯 개의 결정과 열 개의 사실을 담고 있으며 전부 아니면 전무 방식으로 채점됩니다. 버전 1은 20.9%를 통과했습니다. 완벽 문서 비율의 15포인트 상승은 이번 릴리스에서 단일 최대 엔지니어링 성과이며, 이는 또한 종합 점수가 그만큼 크게 움직인 이유이기도 합니다.

• HLE-MultiChoice v1.1 — 6.29% 원시 정확도에서 46.11 Decision Score, 38.4% 비환각. 어려운 지식 테스트에서 6퍼센트 정확도는 강점이 아니다; Decision Score가 괜찮은 것은 모델이 길을 잃었음을 솔직히 인정하기 때문일 뿐이다. Microsoft 자체 게시물은 이 모델들이 "더 어려운 문제에 대해서는 아직 명시적으로 튜닝되지 않았다"고 밝히며, 이 행은 그 인정이 공개적으로 드러나는 지점이다.

• AA-Omniscience-Decision v1.1 — 정확도 33.2%, 비환각률 49.4%에서 60.46. 버전 1은 비환각률 21.7%를 기록했으므로, 모델은 정확도 2포인트를 얻으면서 답변 거절을 약 두 배 더 안정적으로 배운 셈이다. 의사결정 모델에게 이런 트레이드오프는 전부나 다름없다.

함께 읽어 보면 이 프로필은 일관성이 있습니다. 이것은 얕은 지식 기반을 갖춘 빠르고 잘 조율된 라우터입니다. 그것은 방어 가능한 제품입니다. 그것은 기조연설의 문장이 암시하는 제품이 아닙니다.

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.

청구서가 실제로 사용하는 단위로 표시되는 가격

Foundry는 Microsoft-Decision-1.1에 대해 세 가지 입력 요율을 나열하고 출력 요율은 전혀 제시하지 않습니다. 모델이 출력 토큰을 생성하지 않기 때문입니다. Global Standard에서는 입력 토큰 100만 개당 $0.042, US Data Zone에서는 $0.046, EU 및 APAC Data Zone 배포에서는 $0.05입니다. 데이터 존 SKU를 선택하면 지역성(locality)을 위해 헤드라인 숫자보다 19% 더 지불하게 됩니다. 이는 "가장 저렴한 의사결정 모델"이라는 주장이 조용히 수정되기 시작하는 첫 번째 지점입니다.

두 번째 항목은 작업당 비용 열이며, 이는 토큰 가격에 작업이 실제로 소비하는 입력량을 곱했을 때 나오는 값입니다. 백만 작업당 $139.64로, AA는 Microsoft-Decision-1.1을 비용 기준 25개 중 15위에 올립니다. $344.90의 Gemini Decision 1보다 저렴하고, $14의 Celeris-1.1 Decision과 $68의 Decider v1.3보다는 비쌉니다. 이 모델은 빠르고 중간 가격대입니다. 자기 범주에서 특가 상품은 아니며, Microsoft도 그렇게 주장한 적이 없습니다.

이로 인해 그만두려는 팀이 처하게 되는 상황은 무엇인가

퍼스트파티 경로는 Foundry입니다: 모델을 배포한 다음 상태와 타입이 지정된 질문 맵을 의사결정 엔드포인트로 보냅니다. 엔터프라이즈 구매자들은 Microsoft가 이미 Foundry Evaluations 내부에서 판정자로, Copilot에서는 라우터로 이를 사용하고 있다는 점을 주목할 것입니다. 이때 회사는 대규모 언어 모델보다 동일한 라우팅 결정을 2.2배 더 빠르게, 4.4배 더 낮은 비용으로 내린다고 보고합니다. 이는 Microsoft 자체 하네스에서 나온 공급업체 보고 수치이며, 그 외부에서는 재현되지 않았습니다.

분명히 말할 가치가 있는 것은 OrcaRouter가 무엇을 제공하고 무엇을 제공하지 않는가입니다. 우리는 Microsoft-Decision-1.1이나 Gemini Decision 1, 또는 어떤 의사결정 점수 산정 엔드포인트도 호스팅하지 않습니다. 확률만 제공하는 API는 채팅 완성 대상이 아니며, 그렇지 않은 척하는 것은 읽기에는 좋아 보이지만 프로덕션에서 깨지는 종류의 가용성 주장이기 때문입니다. 우리가 제공하는 것은 실제로 생성을 수행하는 의사결정 파이프라인의 절반이며, 이번 릴리스에 대한 한 가지 단서는 유난히 직설적입니다: Microsoft가 정확히 파인튜닝한 기반 모델인 Gemma 4 26B A4B가 입력 100만 토큰당 $0.06, 출력 100만 토큰당 $0.33에 우리 카탈로그에 있으며, Microsoft-Decision-1.1이 비교 대상으로 삼는 모델인 Jev 1.14도 $0.042에 함께 있습니다. 의사결정 행동 중 얼마나 많은 부분이 기반 모델에서 비롯되고 얼마나 많은 부분이 후속 학습에서 비롯되는지 보고 싶다면, 그 비교의 양쪽 끝 모두 하나의 키로 접근할 수 있습니다, 제공업체 정가에 0% 마크업을 그대로 적용하여.

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.

다음에 볼 콘텐츠

지난주에는 공개적으로 검증할 수 없었던 두 가지를 이제 공개적으로 검증할 수 있다. 첫째는 Decision Index가 계속 기조연설 화면에 등장하는지 여부다. 벤더들이 자기 로고 아래에서 벤치마크를 인용하기 시작하는 순간 그 벤치마크는 구매 문서가 되며, 다음으로 그렇게 할 벤더는 또 다른 4개 모델 하위 집합을 인용할 것이다. 둘째는 리더보드가 커질 때 Microsoft-Decision-1.1이 라우팅 위치를 유지하는지 여부다. When2Call은 10% 가중치를 차지하고 Gemini Decision 1에 대한 이 모델의 우위 대부분을 제공하므로, 일상적인 지수 개정이 어떤 모델 업데이트보다 이 순위를 더 크게 움직일 수 있다.

당장은 정확한 문장이 슬라이드보다 범위는 좁지만 더 유용하다. Microsoft는 동일한 토큰 가격에 전임자보다 두 배 빠르고, 눈에 띄게 더 잘 보정되었으며, 새로 이미지를 읽을 수 있고, 여전히 32K 토큰으로 제한되며, 모르는 것에 대해 솔직하고, 이를 순위 매기는 유일한 독립 보드에서 11위인 결정 모델을 출시했다. 기조연설에서는 Google과 OpenAI를 이긴다고 말했다. 실제로 그렇다. 다만 모든 이를 이기지는 못할 뿐이다.