
Karpo Decision 31B vs Microsoft-Decision-1: De een heeft een prijs, de ander een score.
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 184 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 215 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Zet Karpo Decision 31B naast Microsoft-Decision-1 en het eerste dat je opvalt, is dat geen van beide bedrijven je heeft gegeven wat je nodig hebt om tussen hen te kiezen. Karpo Decision 31B, de fine-tune van Gemma 4 met 31,3 miljard parameters die MachinePulse op 5 november 2026 zonder lanceringsbericht naar Hugging Face pushte, heeft een leaderboardscore en geen prijs. Microsoft-Decision-1, sinds 8 oktober 2026 op Microsoft Foundry, heeft een prijs, een Azure-contract, een responsible-AI-pakket en helemaal geen gepubliceerde benchmarktabel. De ene is meetbaar en onverkoopbaar. De andere is verkoopbaar en, door de eigen keuze van de leverancier, ongemeten.
Die inversie is de hele vergelijking, en het is de moeite waard de neiging te weerstaan om haar met rekenwerk op te lossen. De 73.86 die Karpo hanteert en de 62.07 die Artificial Analysis aan Microsoft-Decision-1 toekent, zijn geen twee metingen van één en hetzelfde. Ze komen van verschillende boards, verschillende taakmengsels, verschillende scoringsformules en verschillende ideeën over waarvoor een beslissingsmodel dient. De nuttige vraag is niet welk getal groter is. Het is welke van de twee gaten — de ontbrekende prijs of de ontbrekende score — je deployment daadwerkelijk kan opvangen.
Wat Microsoft precies verkoopt
Microsoft-Decision-1 is een post-getraind Qwen3.5-9B-model dat antwoordt met een verdeling over opties in plaats van proza. De contractvorm is beperkt: ja/nee, meerkeuze, een beoordelingsschaal, een classificatieset of een rubric, over maximaal 32.768 tokens tekst. Geen afbeeldingen, geen audio, geen uitlegveld, geen gegenereerde tokens. Microsoft is expliciet dat het niet bedoeld is voor open vragen, vertaling of samenvatting, en raadt aan het niet als enige basis te gebruiken voor beslissingen over krediet, werk, huisvesting, verzekeringen, onderwijs of gezondheidszorg.
Wat het wél brengt, is het deel dat een open checkpoint niet kan bieden: een Foundry-implementatie binnen de Direct from Azure-portfolio, serverless of unified-endpoint, Standard-SKU, Azure-authenticatie, één factuur, batch-inference bewust uitgeschakeld, en geen pad voor gewichtsdownload of fine-tuning. Voor een bank of een ziekenhuisgroep is die laatste reeks feiten vaak meer waard dan twintig punten op een leaderboard, omdat het het verschil is tussen een model dat een platformteam kan goedkeuren en een model waar een platformteam een servingstack omheen moet bouwen.
De prijs is reëel, maar lastig om te noemen. De modelpagina vermeldt geen tarief per token; de pagina linkt door naar het prijsoverzicht van Azure. Wat Artificial Analysis ervoor bijhoudt, is $143 per miljoen taken tegen het invoertarief, tegenover $345 per miljoen taken voor Google's Gemini Decision 1. Karpo heeft geen vergelijkbaar cijfer, omdat Karpo helemaal geen tariefkaart heeft — geen host, geen console, geen proefversie, geen gepubliceerde kosten per GPU.
Wat het bestuur heeft gemeten, en wat niet.

Karpo's score is een gemeenschapsscore. De Decision Index, het open scorebord dat reproducties van TypeSafe's Jev volgt, zet het op 73,86 Full in editie 0.4.1 — gedeeld eerste van 307 rijen in de gepubliceerde dump van het bord, gedeeld met GLiDE 27B op 73,37 omdat het bord alles binnen 0,9 punt van de koploper groepeert. Die Full-score is van derden in de zin die ertoe doet: de beheerders van het bord voerden privétests uit die de leverancier nooit zag, ruwweg 60% dezelfde vaardigheden en 40% nieuwe domeinen. De uitsplitsing van Karpo komt uit op 70,94 op de bekende vaardigheden en 61,5 op de onbekende, wat het gebruikelijke beeld is voor een model dat hard is afgestemd op een bekende suite.
De 75,05 op de modelkaart is een ander verhaal, en de kaart is er eerlijk over: dat is MachinePulse' eigen run van de officiële scoringskit, 140.178 gescoorde aanvragen waarvan er elf zijn geweigerd omdat ze het venster overschreden, overgenomen door het bestuur nadat een herscoring met de kit gelijk uitkwam aan de bewering. Openbaar en reproduceerbaar, nog steeds first-party. De eigen rij van het bestuur bevestigt de overname en merkt op dat de overeenstemming tussen de privétest en de ingediende rijen 100% was over 827 rijen.
{{1}}Microsoft-Decision-1{{/1}} heeft niets van dit alles. De cataloguspagina bevat een tabblad Benchmarks met een methodologieparagraaf en geen cijfers: openbare en community-benchmarks voor besluitvorming, interne hold-out-sets, nauwkeurigheid en kalibratiefout, gevarieerde optievolgorde, gepaarde statistische toetsen toegepast. Microsoft stelt dat het model "net zo goed presteert als toonaangevende beslissingsmodellen en beter dan andere open beslissingsmodellen die met dezelfde methodologie zijn geëvalueerd" en weigert vervolgens de evaluatie te tonen. Elke prestatieclaim erover is vandaag leveranciersgerapporteerd en niet gereproduceerd.
Het enige instrument dat het heeft gescoord, is Artificial Analysis, op Decision Index v2.1, en de componenten zijn informatiever dan de samengestelde score. Microsoft-Decision-1 scoort 88,0 op When2Call, dicht bij de koplopers, en 86,8 op EvalSafe-O*NET. Het scoort 51,8 op AA-Paperclip met een alles-of-niets-document-slagingspercentage van 20,9%, 54,9 op AA-Omniscience-Decision met een niet-hallucinatiepercentage van 21,7%, en 39,4 op HLE-MultiChoice met 8,6% ruwe nauwkeurigheid. Het patroon is een competente beoordelaar van oordeelsvermogen op de werkvloer met zwak kennisgedrag, en het onthoudingscijfer is het cijfer waarbij je moet stilstaan: een model dat weigert 78% van de kennisvragen te beantwoorden, beschermt zijn kalibratie ten koste van nut.
De aanvraagvormen naast elkaar

• Parameters — Karpo 31.3B in bf16 plus een 255 × 5.376 fp32-uitleeslaag, ongeveer 62,5 GB op schijf; Microsoft-Decision-1, een dichte 9B-basis die alleen als API werd aangeboden.
• Invoer — Karpo accepteert tekst, JSON en afbeeldingen, waarbij een schermafbeelding wordt doorgegeven als state.viewport_screenshot; Microsoft-Decision-1 accepteert alleen tekst, geserialiseerd in 32.768 tokens.
• Context — 32.768 tokens voor beide, met een belangrijk verschil in faalmodus: Karpo splitst een lang verzoek op per vraag en weigert alles wat dan nog steeds niet past, terwijl het plafond van Microsoft de invoer plus de optieset is, zonder enige manier om dat te verhogen.
• Vraagtypen — Karpo-keuze tot 255 opties, noul voor waar/onwaar, score voor een geordend niveau; Microsoft ja/nee, meerkeuze, beoordeling, classificatie en rubric, met onthoudingsopties zoals "kan het niet zeggen" die binnen de set worden ondersteund.
• Batching — Karpo codeert één toestand en vele vragen in één enkele sequentie, zodat honderd vragen over één factuur ongeveer één pass over de factuur kosten; Microsofts gepubliceerde contract is één toestand en de bijbehorende vragenset per aanroep, waarbij de breedte uit groepering voortkomt.
• Latentie — 94 ms mediaan per verzoek op de referentiehardware van de tracker, één GPU, één verzoek tegelijk voor Karpo; 274 ms per taak voor Microsoft-Decision-1 volgens de meting van AA, een cijfer per taak over een documentenset in plaats van per verzoek.
• Licentie en toegang — Apache-2.0-gewichten met daarnaast de voorwaarden van Gemma 4 voor Karpo; helemaal geen gewichten voor Microsoft-Decision-1, dat alleen via API beschikbaar is onder Azure-voorwaarden.
• Prijs — geen gepubliceerd tarief voor Karpo; $143 per miljoen taken volgens AA's tracking voor Microsoft-Decision-1, waarbij het invoertarief per token op Azure's prijspagina staat in plaats van op de modelkaart.
Kalibratie is de as waarop beide iets te zeggen hebben
Voor een model waarvan de volledige output een waarschijnlijkheid is, is het getal dat bepalend is voor de inzetbaarheid niet de nauwkeurigheid, maar of de waarschijnlijkheid betekent wat ze zegt. Karpo's kaart meldt een kalibratiefout van 4,8 punten: over 34.411 gescoorde antwoorden lag het gemiddelde vertrouwen op 87,96% tegenover een nauwkeurigheid van 83,19%, en in de hoogste vertrouwenscategorie — 68,5% van alle antwoorden — had het 95,7% van de tijd gelijk terwijl het 98,7% claimde. Dat is een model waar je een drempel op kunt zetten, met een bekende drift aan de bovenkant.
Microsoft publiceert geen expected calibration error, geen Brier-score en geen betrouwbaarheidscurve. De componentscores van AA wijzen op een model waarvan het vertrouwen terughoudend wordt ingezet: de hoge niet-hallucinatiepercentages op Omniscience en HLE betekenen dat het zich onthoudt van antwoorden in plaats van een antwoord te geven wanneer het onzeker is, wat het gedrag is dat een guardrail wil en een classifier niet. Of zijn 0,8 buiten Microsofts eigen evaluatie 0,8 betekent, is onbekend, en de documentatie van Microsoft zegt dat op haar eigen manier door integratoren te vertellen te valideren op representatieve data en drempelwaarden vast te stellen op basis van de kosten van hun fouten.
Die asymmetrie heeft een praktische consequentie. Met Karpo erft u een gepubliceerde kalibratiecurve en kunt u een startdrempel instellen voordat u iets uitvoert. Met Microsoft-Decision-1 erft u een methodologie en een belofte, en uw eerste twee weken zijn een meetproject. Geen van beide valt hierdoor af; het zijn simpelweg verschillende soorten werk.
De versie die in geen enkele titel wordt genoemd
Microsoft-Decision-1 is niet langer het huidige model in zijn eigen familie. Microsoft-Decision-1.1 verscheen op 17 november 2026 op Ignite op een Gemma 4 26B A4B mixture-of-experts-basis, tegen dezelfde prijs en hetzelfde plafond van 32K, en Artificial Analysis scoort het 67,78 — 5,7 punten boven versie 1, met 123 ms per taak in plaats van 274 ms, en met niet-hallucinatie op Omniscience gestegen van 21,7% naar 49,4%. Het werd ook slechter in de dingen waarin een scorer stabiel zou moeten zijn: 6,29% ruwe nauwkeurigheid op HLE-MultiChoice tegenover 8,64%, en 47,5% van de AA-Symmetry-vraagfamilies consistent beantwoord tegenover 51,7%.
Iedereen die Karpo eind november vergelijkt met "het beslissingsmodel van Microsoft", vergelijkt het dus met een achterhaalde versie. Dat maakt de vergelijking niet irrelevant — versie 1 is nog steeds waarop een groot aantal Foundry-implementaties is gedimensioneerd — maar het betekent wel dat het te kloppen getal aan Microsofts kant 67,78 is, en de vervolgvraag is of een model dat kennisnauwkeurigheid inruilt voor onthoudingsdiscipline überhaupt de juiste vorm is voor jouw pipeline.
Wat elke kant je niet kan geven
Karpo kan je geen contract geven. Er is geen endpoint, geen tariefkaart, geen ondersteuningsroute, geen SLA en geen leveranciersverklaring anders dan een modelkaart en een README. Als je organisatie een checkpoint van 62,5 GB niet op haar eigen hardware kan draaien, houdt de vergelijking daar op, ongeacht de score. Het als een gewoon chatmodel laden zal de antwoorden ervan ook niet reproduceren: zowel de branch attention als de 255-code readout zijn allebei nodig, en het Python-pakket en de POST /v1/systemone server bestaan precies omdat een generieke inference-stack niet volstaat.
Microsoft-Decision-1 kan je geen getal geven zonder dat je het op vertrouwen moet aannemen, kan niet op je eigen beslissingsgegevens worden fine-tuned, kan geen schermafbeelding lezen en kan niet offline worden uitgevoerd. Het kan door jou ook niet op hetzelfde instrument als Karpo worden gebenchmarkt, omdat de Decision Index een register van open reproducties is en een gesloten API-model geen gewichten heeft om te reproduceren. De twee modellen blijven elkaar mislopen: de ene ranglijst zal Microsofts scorer nooit vermelden, en Artificial Analysis heeft geen rij voor Karpo.
Er is een derde positie die nuttiger is dan beide kolommen. Als wat je echt nodig hebt een beslissingslaag naast een generatieve pipeline is, dan is de generator het deel dat je al kunt standaardiseren. OrcaRouter host noch Karpo Decision 31B noch Microsoft-Decision-1, en geen van beide hoort achter een chat-completions-route. Wat het wel host, zijn de twee modellen waar deze vergelijking steeds omheen draait: Gemma 4 31B, het basismodel waarop Karpo is finegetuned, en TypeSafe's Jev 1.14, het model dat het open-reproductieboard probeert bij te benen. Beide staan achter één OpenAI-compatibele sleutel naast 200+ andere modellen tegen de lijstprijs van de provider, zonder opslag doorgegeven, zodat een prijsverlaging van een leverancier dezelfde dag aan onze kant terechtkomt, en automatische failover houdt een scoringslus in leven wanneer één provider hapert.
Welke moet je pakken?

Kies voor Microsoft-Decision-1, of verstandiger voor Microsoft-Decision-1.1, als de beslissingslaag binnen een Azure-omgeving moet draaien, als je meer behoefte hebt aan een goedkeuringstraject dan aan een positie op een ranglijst, en als je invoer tekst is die in 32K past. Begroot een kalibratiestudie, want Microsoft heeft je er geen gegeven, en stel je onthoudingsdrempels in op basis van de kosten van je fouten in plaats van op basis van de beschrijving die de leverancier ervan geeft.
Kies Karpo Decision 31B als je de GPU hebt, als screenshots of JSON-status deel uitmaken van het werk, als Apache-2.0 ertoe doet voor een product dat je wilt uitbrengen, en als een privétestscore van een derde partij plus een gepubliceerde kalibratiecurve het bewijs is dat jouw team accepteert. Accepteer daarvoor in ruil dat je nu zelf de leverancier bent: geen ondersteuning, geen SLA, geen prijs om tegen af te budgetteren, en een model van twee weken oud waarvan de repository op 16 november nog steeds werd bewerkt.
Neem geen van beide op basis van 73,86 tegenover 62,07. Die cijfers zijn geproduceerd door organisaties die nooit dezelfde toets hebben beoordeeld, op suites met verschillende aandelen privétests en verschillende scoreformules, en de eerlijke lezing is dat beide modellen plausibel zijn en geen van beide tegenover het andere bewezen is. De test die het zou beslechten — Karpo dat op een onafhankelijke board verschijnt die ook Microsofts model beoordeelt, of Microsoft dat de resultatentabel publiceert die zijn methodologiegedeelte beschrijft — heeft niet plaatsgevonden. Totdat dat gebeurt, draait de beslissing om inkoop, hardware en invoermodaliteit, en daar had die in de eerste plaats om moeten draaien.
