
Microsoft-Decision-1.1 vs Microsoft Decision 1: De upgrade waarbij één nummer achteruitging
- 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 · 223 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 · 96 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 · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 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
Elk gepubliceerd cijfer voor Microsoft-Decision-1.1 is beter dan het cijfer voor Microsoft-Decision-1, op één na, en juist die uitzondering is het interessante deel. Op de Artificial Analysis Decision Index v2.1 scoort het nieuwe model 67,78 tegenover 62,07, is het 2,2x sneller met 123 ms per taak tegenover 274 ms, en onthoudt het zich veel betrouwbaarder van een antwoord — 49,4% niet-hallucinatie op AA-Omniscience-Decision tegenover 21,7%. Maar bij de vragen die het oude model goed had, haalt het nieuwe er minder: 6,29% ruwe nauwkeurigheid op HLE-MultiChoice v1.1 tegenover 8,64%, en 47,5% van de AA-Symmetry-vragen consistent beantwoord tegenover 51,7%. Microsoft-Decision-1.1 is geen strikt betere Microsoft-Decision-1. Het is een anders gekalibreerde, en de richting van die afweging is waar een migratiebeslissing van afhangt.
De twee modellen liggen zes weken uit elkaar. Microsoft-Decision-1 werd op 8 oktober 2026 algemeen beschikbaar als een scorer voor alleen tekst, nagetraind op Qwen3.5-9B. Microsoft-Decision-1.1 verscheen op 17 november 2026 tijdens Ignite op Gemma 4 26B A4B, een mixture-of-experts-basis waarvan Microsoft zegt dat die genoeg actieve parameters heeft voor oordeelsvorming en toch klein genoeg blijft om te draaien op A100-, H100/200- en GB200/300-hardware. Dezelfde prijs. Hetzelfde plafond van 32K. Dezelfde drie vraagtypen. Een andere backbone, een andere latentieklasse en een meetbaar andere set sterke punten.
De wijziging van het basismodel is de release.
Versie 1 was een dense model met 9 miljard parameters. Versie 1.1 is een mixture of experts met 26 miljard parameters en ongeveer 4 miljard actieve parameters per token, als je het A4B-achtervoegsel leest zoals Google dat bij de Gemma-lijn doet. Dat is geen incrementele hertraining; het is een andere architectuur, een andere familie en een andere set kenmerken voor het serveren. In Microsofts lanceringsblogpost staat expliciet dat de vervanging een beslissing was op het gebied van kosten en intelligentie, en die wordt gecombineerd met een op maat gebouwde inferentie-engine die is gemaakt voor scoring in plaats van token-voor-tokengeneratie.
Wat de ruil opleverde, in de volgorde waarin een koper het zou merken:
• Latentie — van 274,25 ms naar 123,25 ms per taak, gemeten over de gehele index. Voor de snelste afzonderlijke component, When2Call, haalt het nieuwe model gemiddeld 94 ms, tegenover 230 ms voor het oude model.
• Kalibratie — de Decision Score, zijnde de nauwkeurigheid met de Brier-penalty toegepast, steeg bij elk van de vijf beslissingscomponenten. Omniscience ging van 54,89 naar 60,46, HLE van 39,42 naar 46,11, Paperclip van 51,82 naar 58,67, EvalSafe van 86,82 naar 88,85 en When2Call van 87,95 naar 95,08.
Weigeringsgedrag — niet-hallucinatie op Omniscience meer dan verdubbeld, van 21,74% naar 49,40%. Op HLE ging het van 15,05% naar 38,36%. Voor een model waarvan het hele doel is om aan een drempel te worden getoetst, is dit de ingrijpendste wijziging op de lijst.
• Modaliteit — afbeeldingen zijn samen met tekst en JSON als geaccepteerde invoer toegevoegd. Audio en video worden nog steeds geweigerd, en het model produceert nog steeds geen uitleg, geen onderbouwing en geen uitvoertokens.
• Context — ongewijzigd op 32.768 tokens. Hier is niets veranderd, en dat is het waard om ronduit te zeggen, omdat "1.1" de veronderstelling oproept dat alles is verbeterd.
Waar 1.1 slechter is, en waarom Microsofts eigen framing dat voorspelt
De regressies zijn niet willekeurig. Ze clusteren op de twee componenten die van het model vragen om iets te weten in plaats van iets te beslissen.
Op HLE-MultiChoice v1.1 daalde de ruwe nauwkeurigheid van 8,64% naar 6,29% — een relatieve daling van 27% in het aandeel moeilijke vragen dat correct werd beantwoord. De Decision Score steeg toch, van 39,42 naar 46,11, omdat het vertrouwen van het model in de antwoorden die het wél gaf veel beter overeenkwam met of die antwoorden juist waren. Anders gezegd: het werd slechter in gissen en veel beter in weten dat het aan het gissen was. De samengestelde score beloont het tweede en merkt het eerste nauwelijks op.
Op AA-Symmetrie is het beeld subtieler en minder flatteus. Symmetrie meet of dezelfde vraag, anders geformuleerd — opties herschikt, labels omgewisseld, een ja/nee ontkend — hetzelfde antwoord met dezelfde waarschijnlijkheid oplevert. Versie 1 slaagde op het all-pass-niveau voor 51,7% van de herformuleringen; versie 1.1 slaagt voor 47,5%. De Symmetriescore ervan verbeterde niettemin, van 70,42 naar 75,72, omdat het, wanneer het afwijkt, nu minder ver afwijkt. Minder perfecte runs, kleinere missers. Dat is een verdedigbare vorm voor een scorer, maar het is een regressie in de ene eigenschap die een beslissingsmodel geacht wordt te garanderen: dat formulering het antwoord niet verandert.
De keynote van Microsoft zei het ongemakkelijke deel hardop: deze modellen zijn "expliciet nog niet afgestemd op de moeilijkere problemen, zoals fundamenteel wetenschappelijk onderzoek en agentisch werk met een zeer lange horizon", omdat het afstemmen op die capaciteiten de prijs van elke routinetaak zou opdrijven. Beslissing 1.1 is hoe dat beleid eruitziet wanneer het wordt uitgevoerd. De kennisbench werd met opzet slechter, of in ieder geval zonder bezwaar.

Wat niet veranderde: de prijskaart en de 32K-muur.
Beide versies vermelden $0,042 per miljoen inputtokens op Global Standard, $0,046 op US Data Zone en $0,05 op EU- en APAC Data Zone-implementaties, waarbij voor output niets in rekening wordt gebracht omdat er geen output is. Microsofts formulering is "meer dan twee keer zo snel tegen dezelfde kosten", en de tokenprijs ondersteunt dat exact.
De gemeten kosten per taak zeggen iets net anders. Versie 1 komt uit op $142,56 per miljoen taken op de index; versie 1.1 op $139,64. Een verbetering van 2%, geen verdubbeling. De reden is dat kosten per taak tokenprijs maal verbruikte input zijn, en het nieuwe model verbruikt niet de helft van de tokens — het antwoordt in de helft van de tijd. Als je beperking een wall-clockbudget is of een routeringsstap binnen een requestpad, is de upgrade groot en duidelijk. Als je beperking de uitgaven zijn, verandert 1.1 niets aan je rekening, en Microsoft heeft nooit beweerd dat dat wel zo zou zijn.
Het andere onveranderde getal is het plafond. Beide modellen lezen 32.768 tokens, en Microsofts documentatie voor 1.1 herhaalt de formulering "invoer van maximaal 32K tokens" bijna woordelijk van de v1-pagina. Voor geen van beide is cachingondersteuning gedocumenteerd, wat betekent dat een rubric van 200 vragen bij elke aanroep volledig wordt betaald, op beide versies, in elke volumelaag. Dat is de grootste hefboom voor de economie van deze categorie, en geen van beide releases raakt eraan.

Hoe te migreren zonder een sprong in het diepe
De API-vorm is stabiel genoeg dat de migratie grotendeels configuratie is, maar niet volledig. Microsoft documenteert de v1.1-aanroep als een status plus een map met getypeerde vragen — null, keuze, score — verzonden naar /providers/microsoft/v1/systemone op een Foundry-resource, met het modelveld dat uw implementatienaam bevat in plaats van de modelnaam. Het antwoord geeft het onderliggende model terug, zodat een implementatie die naar uw workload is vernoemd, nog steeds kan aangeven welke versie heeft geantwoord.
Drie stappen die de moeite waard zijn om in volgorde te doen, in plaats van de deploymentnaam om te wisselen en naar een dashboard te kijken:
1. Registreer opnieuw de confidenceverdeling van je gelabelde set, niet de nauwkeurigheid ervan. De verschuiving van 21,7% naar 49,4% niet-hallucinatie betekent dat 1.1 bij dezelfde drempel een aanzienlijk groter aandeel vragen zal afwijzen. Als je pipeline een ontbrekend antwoord als een harde fout behandelt in plaats van als een routeringssignaal, zal deze upgrade in productie als een regressie lijken, terwijl elke benchmark zegt dat het een verbetering is.
2. Herzie de drempelwaarde. Een afkapwaarde die op de betrouwbaarheidsschaal van versie 1 is gekozen, wordt toegepast op een verdeling die is verschoven. Microsofts eigen richtlijn is om drempelwaarden te valideren aan de hand van gelabelde voorbeelden voordat een poort wordt geautomatiseerd, wat hetzelfde advies is als altijd en nu van cruciaal belang.
3. Test de symmetrie-regressie op je eigen formulering. Als je prompts zijn gegenereerd uit sjablonen met een variabele optievolgorde — en de meeste routeringsprompts zijn dat — dan is het all-pass-percentage van 47,5% het getal om je zorgen over te maken, niet de samengestelde score. Dupliceer twintig van je vragen met herschikte opties en meet hoe vaak de argmax verschuift.
Wat die derde stap goedkoop maakt, is dat de onthouding ergens terechtkan. Een beslissingsmodel dat zich onthoudt, is alleen nuttig als hetgeen waarnaar het doorschuift, kan antwoorden, en dat is het deel van de pipeline dat OrcaRouter draagt: één sleutel voor meer dan 200 modellen met automatische failover, zodat een resultaat met lage betrouwbaarheid voor een keuze naar een algemeen model kan worden gerouteerd in plaats van een mens op te roepen, en de routing-DSL kan de twee samenvoegen tot één aanroepreeks. Gemma 4 26B A4B — het basismodel binnen Decision 1.1 — staat in onze catalogus voor $0,06 per miljoen input en $0,33 per miljoen output, tegen de lijstprijs van de provider met 0% markup doorberekend, waardoor de goedkoopst mogelijke sanity check op elke verdachte beslissing een daadwerkelijke aanroep naar zijn eigen backbone is.

Of je überhaupt moet verhuizen
Er valt iets te zeggen voor om op versie 1 te blijven, en dat argument is beperkt maar reëel. Als je werklast bestaat uit moeilijke kennisvragen waarbij een fout antwoord erger is dan geen antwoord — het HLE-profiel — beantwoordde versie 1 er meer. Als je prompts zo zijn getemplateerd dat ze opties herordenen, was versie 1 stabieler bij herformulering. En als je al een drempel hebt afgesteld en gevalideerd tegen gelabelde productiedata, maakt de nieuwe confidence-distributie dat werk ongeldig.
Voor alle anderen ligt de zaak voor de hand. Twee keer de doorvoer tegen dezelfde tokenprijs, een slagingspercentage voor documenten dat van 20,9% naar 36,8% ging, beeldinvoer die er voorheen niet was, en een model dat twee keer zo vaak "Ik weet het niet" zegt, precies in de situaties waarin een verkeerde toezegging duur is. Dat zijn de eigenschappen waarvoor een beslissingslaag wordt gekocht. De kennisbench die het opgaf, was niet waarvoor iemand dit model kocht.
De migratie, in één regel: stap over naar 1.1 vanwege de latency en de abstentie, hertune je drempels in dezelfde week, en bewaar de cijfers van versie 1 in een la voor de dag dat iemand vraagt waarom het nieuwe model een vraag niet meer beantwoordt die het oude vroeger wel aannam.
