Gemini Decision 1 vs Microsoft-Decision-1: twee hyperscaler-scorers, vier punten uit elkaar

De twee grootste cloudaanbieders verkopen nu allebei een model dat met een waarschijnlijkheid antwoordt in plaats van met een zin, en geen van beide vertelt je hoe goed het werkt. Microsoft-Decision-1 is op 8 oktober 2026 algemeen beschikbaar geworden op Microsoft Foundry: een Qwen3.5-9B-basis die door Microsoft verder is getraind, tekst in, 32.768 tokens context, gekalibreerde distributies uit, gewichten niet gedistribueerd. Gemini Decision 1 kwam op 11 november 2026 beschikbaar via de Gemini Developer API: tekst, afbeelding, video, audio en pdf in, 262.144 tokens context, tot 1.000 getypte vragen per verzoek, $0,10 per miljoen invoertokens, en de gewichten worden evenmin gedistribueerd. Beide worden geleverd met een methodologiegedeelte en zonder resultatentabel, waardoor één onafhankelijk instrument de enige plek is waar ze kunnen worden vergeleken — Artificial Analysis, waar ze vier punten uit elkaar liggen, op de negende en tiende plaats van achttien.

Vier punten is niet het interessante verschil. Het interessante verschil is dat op de evaluatie waarvoor de meeste beslissingsmodellen daadwerkelijk worden aangeschaft, de twee slechts vijf punten van elkaar verschillen terwijl ze beide onderaan het deelnemersveld staan, en het model dat de algehele ranglijst wint, doet dat ergens heel anders.

Wat elk ervan je voorschotelt

De requestvormen lijken genoeg op elkaar dat een client die voor de een is geschreven, zich binnen een middag aan de ander aanpast, en verschillen genoeg dat de keuze meestal al is gemaakt voordat er ook maar een benchmark is gelezen.

• Invoer — Gemini Decision 1 accepteert tekst, afbeelding, video, audio en pdf, tot 100 MB inline per verzoek en 15 MB per externe URL. Microsoft-Decision-1 accepteert tekst, geserialiseerd naar 32.768 tokens. Een gescand formulier of een gespreksopname is native invoer voor de één en een voorbewerkingstaak voor de ander.

• Context — 262.144 tokens voor Gemini Decision 1, gedeeld over de invoer en elke vraag. 32.768 voor Microsoft-Decision-1, waarbij de invoer plus de optieset dit verbruiken en er geen generatiebudget is om af te trekken omdat er geen generatie is.

• Vraagvormen — Gemini Decision 1 formaliseert er drie: ja/nee begrensd tussen 0,01 en 0,99, keuze uit 2 tot 255 benoemde opties, en score over 2 tot 255 geordende niveaus die een naar waarschijnlijkheid gewogen verwacht niveau retourneert. Microsoft-Decision-1 omvat ja/nee, meerkeuze, beoordeling, classificatie en rubriekscoring, en ondersteunt expliciet abstentieopties zoals "cannot tell" binnen de optieset.

• Batchverwerking binnen één aanvraag — tot 1.000 onafhankelijke vragen voor Gemini Decision 1, elk geïsoleerd van de andere, allemaal tegen één gefactureerde uitlezing van de gedeelde input. Het gepubliceerde contract van Microsoft-Decision-1 is één toestand en de bijbehorende vragenset per aanroep, dus breedte komt voort uit het groeperen van vragen in plaats van uit een gedocumenteerd maximum per aanvraag.

• Prijs — $0,10 per miljoen invoertokens voor Gemini Decision 1, zonder kosten voor uitvoer omdat de uitvoer nul tokens bedraagt. Het bestuur registreert hiervoor $345 per miljoen taken, en $143 per miljoen taken voor Microsoft-Decision-1 tegen het invoertarief dat het bijhoudt.

• Toegang — Gemini Developer API uitsluitend bij v1beta, met een gratis tier van 200 aanvragen per minuut en 10.000 per dag, onbeperkte dagelijkse aanvragen vanaf Tier 2, en geen Vertex AI-vermelding in de door Google geleverde documentatie. Microsoft-Decision-1 als een Foundry-implementatie onder het Direct from Azure-portfolio, met serverloze en uniforme-eindpuntopties, standaard-SKU, Azure-authenticatie en één factureringspad, batch-inferentie uitgeschakeld, en geen pad voor het downloaden van gewichten of fine-tuning.

De toegangsroute is waar inkoopbeslissingen worden genomen in plaats van technische beslissingen. Als uw organisatie via een Azure-commitment inkoopt, is Microsoft-Decision-1 een factuur die u al weet te betalen. Als zij via Google Cloud inkoopt, is Gemini Decision 1 dat momenteel niet — de enige gedocumenteerde ingang is een Gemini API-sleutel, die op een andere begrotingspost valt en, voor sommige ondernemingen, een ander goedkeuringsproces vereist.

Het scorebord, onderdeel voor onderdeel

De Decision Index van Artificial Analysis scoort elke evaluatie als nauwkeurigheid minus de Brier-penalty voor het vertrouwen dat aan het antwoord is gekoppeld, gewogen over zes componenten. Zo verdelen de twee modellen ze:

• AA-Paperclip, 30% weging — Gemini Decision 1 56,8 tegen Microsoft-Decision-1 51,8. Beide zijn zwak. De alles-of-niets-slaagkans voor documenten is 33% voor Gemini Decision 1 en 20,9% voor Microsoft-Decision-1, tegenover 63% voor de koploper. Geen van beide hyperscaler-modellen weet betrouwbaar vijftien feiten uit een informatiedicht document te extraheren.

• EvalSafe-O*NET-AA, 15% — 87,1 tegenover 86,8. Vrijwel identiek, en beide bijna bovenaan een dicht opeengepakt deelnemersveld.

• When2Call, 10% — 80,5 tegen 88,0. Microsoft-Decision-1 wint deze duidelijk en staat dicht bij de koplopers; Gemini Decision 1 is veertiende van achttien.

• AA-Omniscience-Decision v1.1, 15% — 66,3 tegenover 54,9. Gemini Decision 1 neemt de eerste plaats in het veld; het niet-hallucinatiepercentage van 49,6% is daar de reden voor. Microsoft-Decision-1 rapporteert hier 21,7% niet-hallucinatie, en dat is het getal dat iedereen zou moeten verontrusten die de drempel voor zijn onthoudingen wil instellen.

• HLE-MultiChoice v1.1, 15% — 48,7 tegen 39,4. Eerste plaats tegen elfde. Ruwe nauwkeurigheid is 13,2% tegen 8,6%, en non-hallucinatie 35,7% tegen 15,1%.

• AA-Symmetry v1.1, 15% — 70,5 tegen 70,4. Ex aequo, beide in de middenmoot, met hetzelfde antwoord bij herordening en negatie voor respectievelijk 38,3% en 51,7% van de vraagfamilies.

De samengestelde score komt uit op 65,98 en 62,07, negende en tiende. Lees de componenten en de vorm van elk product wordt duidelijk. Microsoft-Decision-1 is een solide scorer voor tool-calls en werkplekbeoordeling, maar het kennis- en abstentiegedrag is zwak. Gemini Decision 1 is het omgekeerde: de beste kennis- en abstentiescores op het bord, gecombineerd met extractie in de middenmoot en slechte discriminatie van toolkeuzes.

Wat ze gemeen hebben, is het ding dat wantrouwen verdient.

Geen van beide leveranciers publiceert een benchmarktabel. De modelkaart van Microsoft-Decision-1 beschrijft de methodologie — openbare en community-benchmarks voor besluitvorming, achtergehouden interne sets, nauwkeurigheid en kalibratiefout, gevarieerde optievolgorde, gepaarde statistische toetsen — en beweert dat het model "presteert op hetzelfde niveau als toonaangevende beslissingsmodellen en beter is dan andere open beslissingsmodellen die met dezelfde methodologie zijn geëvalueerd". Onder die zin staat geen tabel. De releaseopmerkingen van Gemini Decision 1 kondigen het model aan en linken naar de API-documentatie, die ondersteunde en niet-ondersteunde mogelijkheden opsomt en helemaal geen nauwkeurigheidscijfer bevat.

Dit is belangrijk omdat de hele interface van een beslissingsmodel een getal is waarop je code vertakt. Een chatmodel dat een paar punten zwakker is, levert slechtere tekst op; een scorer die slecht is gekalibreerd, stuurt stilzwijgend 8% van je tickets naar de verkeerde wachtrij, en niets in de respons vertelt je dat. Twee toonaangevende leveranciers hebben producten uitgebracht waarvan de centrale claim — dat de waarschijnlijkheid betekent wat ze zegt — in proza wordt beweerd en alleen door een derde partij wordt gemeten.

Tot eer van de derde partij: zij meet beide met hetzelfde instrument, waardoor deze vergelijking überhaupt mogelijk is. Maar één board is één board, de grootste component ervan bestaat voor 45% uit privégegevens, en het beoordeelt pas een paar weken beslissingsmodellen. Beschouw 66 en 62 als de eerste externe meting, niet als vaststaand vermogen.

Welke moet je achter je drempel zetten?

Kies Microsoft-Decision-1 wanneer de beslissing een tool-call of een beoordeling van een werkdocument is, wanneer de invoer tekst is die comfortabel binnen 32K tokens past, en wanneer de deployment-gate een Azure-contract is met uniforme facturering en een bijgevoegd Responsible AI-pakket. De 88,0 op When2Call en 86,8 op EvalSafe-O*NET zijn echte sterke punten, en de expliciete abstentieopties laten je een "cannot tell"-ontsnappingsluik in de optieset ontwerpen in plaats van er achteraf een toe te voegen.

Kies Gemini Decision 1 wanneer de invoer lang, multimodaal of over veel vragen verdeeld is, wanneer kennisvragen en hallucinatiebeheersing de kern zijn, en wanneer je bereid ben voor context te betalen. Zijn eerste plaats op beide kenniscomponenten en zijn 49,6% niet-hallucinatiepercentage op AA-Omniscience zijn de redenen om het boven het goedkopere Microsoft-model te kiezen, en zijn 33% documentdoorlaatpercentage is de reden om het niet voor extractiewerk te kiezen.

Kies geen van beide voor grootschalige extractie. Beide hyperscaler-scorers bevinden zich in de onderste helft van de voor 30% gewogen documentcomponent, en de modellen die daar voorop lopen — een 27B multimodaal model van Nace.AI en een 421M encoder van Convai Innovations die je zelf kunt fine-tunen — kosten minder per taak en kunnen in het geval van open weights op je eigen documenten worden getraind.

De rest van de pijplijn hoeft hiervan niet gegijzeld te worden.

OrcaRouter bevat geen van beide modellen. Beide zijn endpoints die uitsluitend probabiliteiten leveren — één op de Gemini Developer API, één op Foundry — en geen van beide is een chat-completions-target, dus we vermelden ze niet. Wat de catalogus wel bevat, is TypeSafe's typesafe/jev-1.14, een beslissingsmodel met 66,23 op dezelfde index; dat is een redelijke derde optie als je de scoringaanroep met dezelfde sleutel wilt doen als al het andere.

De aanroep die de scorer omringt, is waar een router zijn plek verdient, en het is precies de helft die deze twee producten bewust niet behandelen. Iets moet de rubric schrijven waaraan de scorer toetst, het document van 60 pagina's terugbrengen tot 32K tokens, of het kandidaatantwoord opstellen dat wordt gerangschikt — en dat iets is een generatief model waarvan prijs en kwaliteit elke paar weken verschuiven. Die aanroep verloopt via één endpoint met meer dan 200 modellen erop, tegen lijstprijs van de provider doorgegeven tegen 0% opslag, met automatische failover wanneer een provider achteruitgaat en een routing-DSL als je meerdere modellen één antwoord wilt laten samenstellen. Houd de schrijvende helft overdraagbaar, dan blijft de scoringsbeslissing omkeerbaar, wat meer waard is dan vier indexpunten wanneer beide leveranciers per kwartaal hun aanbod herzien.

Wat te kijken

Drie signalen zouden de rangschikking veranderen, en geen ervan is gearriveerd. Een Microsoft-benchmarktabel met kalibratiecurves zou Azure-klanten in staat stellen drempels op basis van bewijs vast te leggen; de kaart biedt momenteel een methodologie en een claim. Een vermelding op Vertex AI voor Gemini Decision 1 zou het van een aankoop via een API-sleutel naar een aankoop via een cloudcontract verplaatsen en de inkoopvergelijking volledig veranderen. En een tweede onafhankelijk panel dat beide modellen beoordeelt, zou ons vertellen of het verschil van vier punten signaal is of de ruis van een ranglijst die drie weken oud is.

Tot dan is dit de verdedigbare lezing: Gemini Decision 1 is het betere model op de twee componenten waar weten wanneer je moet afwijzen de vaardigheid is, Microsoft-Decision-1 is het betere op toolselectie en iets goedkoper, en beide zitten in de middenmoot op de documentextractie waaruit de meeste enterprise-beslissingsworkloads feitelijk bestaan. Laat 200 van je eigen gelabelde items door elk model lopen voordat een van beide cijfers iets beslist.