Wygenerowana karta tytułowa artykułu z nagłówkiem „MAI Decision 1 to tak naprawdę Decision 1.1” i podtytułem „a nagłówek o 200x nie należy do Microsoftu”, podzielona na dwa zaokrąglone panele po obu stronach pogrubionego dysku z napisem „vs”. Lewy panel, „Post, który krążył”, wymienia „10x szybciej”, „200x taniej”, „w porównaniu z modelem ogólnym” i „brak nazwanego punktu odniesienia”; prawy panel, „Własne twierdzenie Microsoftu”, wymienia „50x szybciej”, „79x taniej”, „w porównaniu z GPT-Sol 6.1” i „nazwany punkt odniesienia”. W stopce czytamy: „Niezależna weryfikacja: 67.78 w AA Decision Index v2.1, ósme miejsce spośród osiemnastu sklasyfikowanych modeli”. Logo OrcaRouter jest wkomponowane w biały pasek pod grafiką.
Guides & Insights

Decyzja MAI 1 to tak naprawdę Decyzja 1.1 — a nagłówek o 200x nie należy do Microsoftu

Autor

Gideon Frost

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Dwie liczby dotyczące MAI Decision 1 krążyły 17 listopada 2026 roku: że jest 10 razy szybszy i 200 razy tańszy niż model ogólnego przeznaczenia. Żadna z tych liczb nie pojawia się nigdzie w oficjalnym komunikacie Microsoftu. Model, który Microsoft faktycznie udostępnił na Ignite, to Microsoft-Decision-1.1, a publikowane przez firmę deklaracje mówią o 50 razy większej szybkości i 79 razy niższym koszcie niż GPT-Sol 6.1 — w porównaniu z konkretnym, nazwanym modelem, w konkretnym środowisku testowym, a nie z „modelem ogólnego przeznaczenia”. Ta różnica zasługuje na pierwsze miejsce, bo to różnica między marketingowym współczynnikiem a liczbą, którą można sprawdzić. Oto co udostępniono, co udokumentował Microsoft i gdzie plasuje go niezależny ranking.

Najpierw nazwa

Materiały Microsoftu nigdy nie używają ciągu „MAI Decision 1”. W poście prezentującym line-up Ignite model nazywany jest Decision 1.1, a blog Foundry nazywa go Microsoft-Decision-1.1, a karta modelu w katalogu Foundry ma tę samą nazwę. Etykieta „MAI Decision 1” pochodzi z relacji zewnętrznych mediów z keynote, podobnie jak „MAI Code 2”, „MAI Code 2 Flash” i „MAI Cyber 2 Flash” — ta sama rodzina, przemianowana przez obserwatorów, a nie przez dostawcę.

Ma to znaczenie z jednego praktycznego powodu: Microsoft-Decision-1.1nie jest pierwszym modelem decyzyjnym, który Microsoft udostępnił. Microsoft-Decision-1osiągnął ogólną dostępność w Foundry 8 października 2026 r., zbudowany na modelu Qwen3.5-9B firmy Alibaba, wyłącznie tekstowy, bez opublikowanych wyników testów porównawczych w momencie premiery. To, co pojawiło się 17 listopada, to wersja 1.1 tej samej linii produktów, z innym modelem bazowym, multimodalnym wejściem i znacznie pełniejszym opisem wydajności. Wszystko, co czytasz o „MAI Decision 1”, traktuj jako dotyczące wersji 1.1, chyba że wyraźnie stwierdzono inaczej.

Co tak naprawdę jest w pudełku?

Kontrakt nie zmienił się w kształcie, a jego zasięg jest znacznie szerszy. Wysyłasz stan — tekst lub JSON — oraz jedno lub więcej pytań z określonym typem, każde ze stałym zestawem opcji, a w odpowiedzi otrzymujesz prawdopodobieństwa zamiast prozy. Udokumentowano trzy prymitywy pytań: pytanie tak/nie („noul” w API), wybór z zestawu z etykietami oraz ocenę na uporządkowanych poziomach, której zwracana wartość to średnia indeksów poziomów ważona prawdopodobieństwami. Wszystko w jednym wywołaniu, jednym przebiegu, bez pętli dekodowania.

Co nowego w 1.1:

• Model bazowy — Gemma 4 26B-A4B, model Google typu mixture-of-experts z otwartymi wagami, dostrojony przez Microsoft. Wersja 1 została dostrojona na modelu Qwen3.5-9B.

• Dane wejściowe — tekst i obrazy. Wersja 1 obsługiwała tylko tekst.

• Obsługa obrazów — PNG lub JPEG, od 280 do 1 568 pikseli na każdym boku, do 8 obrazów na pytanie, w tym wszelkie obrazy przywoływane ze stanu, łącznie nie więcej niż 645 120 przetworzonych pikseli. Usługa zmienia rozmiar do stałego rozmiaru roboczego, więc większy plik nie zużywa więcej tokenów.

• Kontekst — 32,768 tokenów wejściowych dla kombinacji stanu i pytania, ten sam limit co w wersji 1.

• Języki — wytrenowane i ocenione w ponad 25, wobec ponad 35 obsługiwanych wprost przez model bazowy. Microsoft wyraźnie zaznacza, że pokrycie modelu bazowego nie stanowi potwierdzenia zwalidowanej kalibracji dla poszczególnych języków.

• Udostępnianie — punkt końcowy decyzyjny, a nie uzupełnianie czatu: żądania trafiają do /providers/microsoft/v1/systemone w Twoim zasobie Foundry, z nazwą wdrożenia w polu model. Microsoft twierdzi, że działa on na niestandardowym silniku wnioskowania napisanym dla obciążeń decyzyjnych, a nie na stosie generowania tekstu.

• Cena — 0,042 USD za milion tokenów w Global Standard, 0,05 USD w strefach danych UE i APAC. Taka sama jak w wersji 1, a wywołania decyzyjne są rozliczane na podstawie tokenów wejściowych, ponieważ praktycznie nie ma danych wyjściowych do rozliczenia.

• Okno szkoleniowe — od października do listopada 2026 r., zgodnie z kartą modelu.

• Wagi — brak. To model hostowany w portfolio „Direct from Azure” Foundry. Nie ma możliwości pobrania ani dostrajania.

Wykluczenia są opisane równie wprost jak funkcje i nadal definiują produkt. Microsoft-Decision-1.1 nie służy do generowania tekstu, odpowiadania na pytania otwarte, prowadzenia rozmów, tłumaczenia ani streszczania, ani do zadań wymagających wiedzy nieobecnej w danych wejściowych. Nie podaje uzasadnienia. Odpowiedź zawiera prawdopodobieństwa i nic, co można by pokazać użytkownikowi jako wyjaśnienie, co oznacza, że wyjaśnienie należy do Ciebie, a próg jest Twoją decyzją: 0,7 powoduje eskalację, 0,95 nie, a tę granicę ustala aplikacja, a nie dostawca.

Dwa twierdzenia o szybkości i kosztach — i które z nich wytrzymuje krytykę

Krążąca wersja — „10 razy szybciej i 200 razy taniej niż model ogólnego przeznaczenia” — nie ma odniesienia. Stosunku względem nienazwanego modelu nie można odtworzyć, a dwa opublikowane porównania Microsoftu, które faktycznie coś nazywają, są jednocześnie węższe i większe.

W poście z Ignite napisano, że Decision 1.1 jest „50 razy szybszy i 79 razy tańszy niż GPT-Sol 6.1”. W poście ogłaszającym Foundry napisano, że jest „ponad dwukrotnie szybszy niż nasz pierwszy model, przy tym samym koszcie”, i podano przykład Copilota: routing między Copilotem a Cowork z taką samą dokładnością jak duży model językowy, 2,2 razy szybciej i 4,4 razy taniej. To pomiary dostawcy na własnym ruchu Microsoftu i we własnym środowisku testowym Microsoftu. Nie są błędne; mają ograniczony zakres. Liczby 50x i 79x dotyczą jednego konkurenta w przypadku jednego rodzaju decyzji routingowej, a nie modeli decyzyjnych w ogóle.

Jedno z twierdzeń można zweryfikować wobec strony trzeciej i okazuje się prawdziwe. Artificial Analysis mierzy Decision 1.1 na 123,25 milisekundy na zadanie w swoim Decision Index v2.1, w porównaniu z 274,25 ms dla Microsoft-Decision-1. To 2,23x, co oznacza „ponad dwa razy szybciej”. Twierdzenie o koszcie również się broni, w osłabionej formie: AA wylicza 139,64 USD za milion zadań dla 1.1 wobec 142,56 USD dla wersji 1 — około 2% taniej, a nie w tej samej cenie, ponieważ obie wersje używają różnej liczby tokenów na zadanie nawet przy identycznej stawce za token. „Za tę samą cenę” jest trafne w odniesieniu do cennika i nieco zbyt optymistyczne w odniesieniu do rachunku.

Gdzie się plasuje i jaki kształt ma twierdzenie, które przedstawił Microsoft

W poście Microsoftu z okazji premiery czytamy, że Decision 1.1 „uzyskuje 68 punktów, o sześć punktów więcej niż nasz pierwszy model, i wyprzedza Jev 1.14, G​oogle's G​emini Decision 1 i O​penAI's GPT-6 Luna (Decisions)”. W Artificial Analysis Decision Index v2.1 odczytanym 18 listopada 2026 r. wszystko to jest prawdą. Decision 1.1 ma 67,78. Jev 1.14 ma 66,23, G​emini Decision 1 — 65,98, GPT-6 Luna — 60,25. Wersja 1 ma 62,07, więc sześciopunktowy wzrost również jest realny.

To, czego zdanie nie mówi, to gdzie model znajduje się w pełnym zestawieniu. Znajduje się na ósmym miejscu w tabeli, siedem punktów za samodzielnym liderem i półtora punktu przed modelem wskazanym przez Microsoft:

• 74.85 — d1.2-ultra (Liquid AI)

• 72.62 — Drex Max v1.1 (Nace.AI)

• 72.58 — SubQ Snap 1.2 (Subquadratic)

• 72.52 — GLiDE v1.2 (Fastino)

• 71.36 — Mammoth 27B (Base Labs)

• 70.41 — Decider v1.3 (Perplexity)

• 68.69 — d1.2 (Liquid AI)

• 67.78 — Microsoft-Decision-1.1

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, headed 'Artificial Analysis Decision Index v2.1' with the subheading describing a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, and the constituent evaluation labels AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision, HLE-MultiChoice and AA-Symmetry.

Siedem modeli uzyskuje wyższe wyniki, a lider ma 7,1 punktu przewagi. Osobne twierdzenie Microsoftu — „najwyższa średnia dokładność spośród ośmiu modeli decyzyjnych” w ramach własnego wewnętrznego zestawu 102 testów porównawczych i 385 000 pytań — jest stwierdzeniem o obszarze wybranym przez Microsoft, co jest normalną rzeczą dla dostawcy do opublikowania, a złą rzeczą do odczytania jako ranking. Niezależny zestaw obejmuje osiemnaście sklasyfikowanych modeli, a Microsoft plasuje się w jego górnej połowie.

Podwyniki są bardziej informacyjne niż wynik złożony, ponieważ pokazują, co przyniósł etap po treningu. W sześciu ewaluacjach składowych AA Decision 1.1 uzyskuje 95,1 w wywoływaniu narzędzi When2Call, 88,8 w EvalSafe-O*NET, 75,7 w symetrii, 58,7 w decyzjach dokumentowych AA-Paperclip, 60,5 w zakresie wszechwiedzy i 46,1 w HLE w pytaniach wielokrotnego wyboru. Jego wskaźnik dokładności wynosi 48,45 wobec 40,59 dla wersji 1, a jego Brier score — miara kalibracji, im niżej, tym lepiej — poprawia się z 0,1965 do 0,1604. Ta zmiana Brier score to najbardziej znacząca liczba w wydaniu: mówi, że prawdopodobieństwa stały się bliższe prawdy, a to jedyna właściwość, która sprawia, że ustalanie progów w modelu decyzyjnym jest rozsądnym wyborem inżynierskim.

A generated single-column scoreboard card titled 'Microsoft-Decision-1.1 — the scoreboard' with six rows: AA Decision Index v2.1 67.78, eighth of eighteen; latency per task 123 ms; cost per million tasks 139.64 dollars; Brier score 0.160, lower is better; input context 32,768 tokens; price per million input tokens 0.042 dollars. The footer reads 'Index, latency, cost and Brier per Artificial Analysis v2.1, read 18 November 2026; price per Microsoft Foundry's list.' The OrcaRouter logo is composited in the white strip below the artwork.

Prawdziwą historią jest przełączenie na model bazowy.

Wersja 1 była dotrenowaniem modelu Qwen3.5-9B, gęstego modelu 9B. Wersja 1.1 to dotrenowanie Gemma 4 26B-A4B, mieszaniny ekspertów z około 4B aktywnych parametrów. Własne wyjaśnienie Microsoftu dotyczy ekonomiki obsługi, a nie jakości: wystarczająca liczba aktywnych parametrów do osądu, wystarczająco mała, by działać w flotach A100, H100/200 i GB200/300, z własnym silnikiem, który kieruje zapytania w obrębie puli GPU ze względu na koszt, a nie wyłącznie opóźnienie.

Wynikają z tego trzy konsekwencje i to właśnie one powinny interesować zespół platformowy. Po pierwsze, MoE z 4B aktywnych parametrów jest tani w obsłudze na wywołanie właśnie dlatego, że większość modelu pozostaje bezczynna — stąd bierze się 123 ms. Po drugie, przełączenie resetuje kwestię języków i kalibracji: baza uległa zmianie, deklaracja o 25 językach dotyczy nowej bazy, a żadna kalibracja zmierzona na wersji 1 nie przenosi się. Po trzecie, licencjonowanie bazy należy do Google'a, natomiast model po treningu należy do Microsoftu i jest dostępny wyłącznie w formie hostowanej — więc otwarte wagi w tej linii nie przynoszą żadnych korzyści operacyjnych. Nie można pobrać tego modelu, a otwartość bazy tego nie zmienia.

Ile kosztuje połączenie — w jednostkach, w których faktycznie płacisz

Przy cenie $0.042 za milion tokenów wejściowych wywołanie routingu obsługujące zgłoszenie o 1,200 tokenach i pytanie z trzema opcjami kosztuje około $0.00005 — pięć setnych centa. Milion takich wywołań kosztuje w cenniku około $50; zmierzony przez AA koszt $139.64 na milion zadań jest wyższy, ponieważ jej zadania są dłuższe niż zgłoszenie do pomocy technicznej, co jest użytecznym przypomnieniem, że ceny za token i koszty za zadanie to różne jednostki, a ta druga jest tą, która pojawia się podczas przeglądu budżetu.

Porównanie, które pozwala zrozumieć ekonomię, to zestawienie z modelem ogólnym wykonującym tę samą pracę w trybie JSON. Płacisz za jego tokeny wyjściowe, których w przypadku odpowiedzi strukturalnej jest od dziesiątek do setek tokenów na wywołanie, a nie zero, oraz płacisz za rozumowanie, które wykonuje przed udzieleniem odpowiedzi. To jest luka, którą Microsoft opisuje jako 79x, i luka jest realna, nawet gdy dokładna wielokrotność jest wyborem dostawcy dotyczącym punktu odniesienia.

To staje się niezręczne dokładnie tam, gdzie zawsze w przypadku hostowanego scorera od jednego dostawcy: jest jedna lista cen, jeden limit szybkości i jedna historia regionów. Foundry oferuje wdrożenia Global Standard i Data Zone Standard, a wariant Data Zone kosztuje o 19% więcej — 0,05 USD za milion tokenów. Jeśli Twoje obciążenie jest wrażliwe na opóźnienia, dokumentacja zaleca umieszczenie zasobu Foundry w tej samej lokalizacji co aplikacja, co jest szczerą radą, która mówi też, że model nie jest magiczny — to mały MoE stojący za kolejką.

Jak się do tego zabrać bez przebudowywania swojego stosu

Sam endpoint decyzyjny nie znajduje się w katalogu OrcaRouter, podobnie jak jego poprzednik — Microsoft udostępnia ten model przez Foundry i nigdzie indziej. W katalogu są natomiast w cenie cennikowej dostawcy, z przekazywanym 0% narzutem, dwa obiekty, których potrzebujesz, aby wycenić decyzję przed zakupem. Gemma 4 26B A4B stanowi bazę dla modelu po treningu i jest rozliczana po $0.25 za milion tokenów wejściowych oraz $2.90 za milion tokenów wyjściowych; to baza, a nie model po treningu, więc nie zwróci skalibrowanych prawdopodobieństw Decision 1.1, ale ma tę samą architekturę i wyznacza uczciwą dolną granicę kosztu ogólnego modelu o takim kształcie. Jev 1.14, który Microsoft wymienia i którego bije o 1,55 punktu na niezależnej tablicy, jest rozliczany po $0.042 za milion tokenów na wejściu i wyjściu.

Ta kombinacja przydaje się na etapie oceny, a nie w środowisku produkcyjnym. Jeśli dopiero decydujesz, czy model decyzyjny w ogóle powinien znaleźć się w ścieżce routingu, możesz porównać dwa endpointy, do których można kierować ruch, na własnych oznaczonych zgłoszeniach za pomocą jednego klucza, z automatycznym przełączaniem awaryjnym między dostawcami, zanim w ogóle utworzysz wdrożenie w Azure. Jeśli odpowiedź brzmi „tak”, a liczby przemawiają za Decision 1.1, wdrażasz go w Foundry i pozostawiasz router z przodu — jeden endpoint zarówno dla wywołań decyzyjnych, jak i generatywnych, dzięki czemu limit szybkości modelu decyzyjnego nie stanie się awarią Twojej aplikacji.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, showing the OrcaRouter navigation, a models breadcrumb for the typesafe vendor, the model name typesafe/jev-1.14, HF and ZDR badges, a Data retention panel noting that Zero Data Retention is available and that with ZDR on requests go only to providers, and the page's Code samples and Pricing sections.

Kto powinien teraz działać, a kto poczekać dwa tygodnie?

Przechodź teraz, jeśli już płacisz modelowi ogólnemu za klasyfikację, ocenianie lub bramkowanie, a Twój wolumen jest wystarczająco duży, by koszt na wywołanie był widoczny na wykresie. Mediana 123 ms i cena $0.042 to prosta wygrana względem modelu frontier wykonującego tę samą ocenę, a wejście multimodalne to różnica między scorerem, na który możesz wskazać zrzuty ekranu, a takim, na który nie możesz.

Zachowaj ostrożność, jeśli Twoja decyzja dotyczy ludzi — kredytu, zatrudnienia, mieszkalnictwa, ubezpieczeń, opieki zdrowotnej, kwestii prawnych — ponieważ własna karta modelu Microsoftu mówi, aby nie używać go tam jako jedynego decydenta, i nic w wersji 1.1 tego nie zmienia. Zachowaj też ostrożność, jeśli potrzebujesz kalibracji, której możesz bronić: Brier w wersji 1.1 wynoszący 0,160 to poprawa, a nie gwarancja, a dokumentacja otwarcie przyznaje, że wyniki zmieniają się wraz ze sformułowaniem i kolejnością opcji. Waliduj na własnych etykietach, losowo zmieniaj kolejność opcji i ustalaj progi względem kosztu dwóch typów błędów, a nie względem wykresu dostawcy.

Uczciwe podsumowanie 17 listopada jest mniejsze i bardziej użyteczne niż nagłówek o 200x: Microsoft udostępnił szybszy, multimodalny, lepiej skalibrowany oceniający decyzje model w cenie, która sprawia, że ocena przy każdym żądaniu staje się dostępna, i jest on wystarczająco dobry, by znaleźć się w górnej połowie niezależnego rankingu, a nie na jego szczycie. Model jest prawdziwy. Proporcja w tweecie nie.