Gemini Decision 1 vs Microsoft-Decision-1: Dois Scorers de Hiperescaladoras, Quatro Pontos de Diferença

Os dois maiores provedores de nuvem agora vendem um modelo que responde com uma probabilidade em vez de uma frase, e nenhum dos dois dirá o quão bem ele funciona. Microsoft-Decision-1 entrou em disponibilidade geral no Microsoft Foundry em 8 de outubro de 2026: base Qwen3.5-9B pós-treinada pela Microsoft, entrada de texto, 32.768 tokens de contexto, saída de distribuições calibradas, pesos não distribuídos. Gemini Decision 1 chegou em 11 de novembro de 2026 na Gemini Developer API: entrada de texto, imagem, vídeo, áudio e PDF, 262.144 tokens de contexto, até 1.000 perguntas tipadas por solicitação, US$ 0,10 por milhão de tokens de entrada, pesos também não distribuídos. Ambos trazem uma seção de metodologia e nenhuma tabela de resultados, o que deixa um instrumento independente como o único lugar em que podem ser comparados — Artificial Analysis, onde estão separados por quatro pontos, na nona e na décima posição entre dezoito.

Quatro pontos não é a diferença interessante. A diferença interessante é que, na avaliação pela qual a maioria dos modelos de decisão é de fato comprada, os dois estão separados por apenas cinco pontos, enquanto ambos ficam perto do fundo do grupo, e o modelo que vence o ranking geral o faz em um lugar completamente diferente.

O que cada um coloca diante de você

As formas das requisições são suficientemente parecidas para que um cliente escrito para uma se adapte à outra em uma tarde, e suficientemente diferentes para que a escolha normalmente seja feita antes de qualquer benchmark ser lido.

• Entrada — Gemini Decision 1 aceita texto, imagem, vídeo, áudio e PDF, até 100 MB embutidos por solicitação e 15 MB por URL externa. Microsoft-Decision-1 aceita texto, serializado em 32.768 tokens. Um formulário digitalizado ou uma gravação de chamada é entrada nativa para um e uma tarefa de pré-processamento para o outro.

• Contexto — 262.144 tokens para o Gemini Decision 1, compartilhados entre a entrada e cada pergunta. 32.768 para o Microsoft-Decision-1, com a entrada mais o conjunto de opções consumindo-o e sem orçamento de geração a subtrair porque não há geração.

• Formatos de pergunta — O Gemini Decision 1 formaliza três: sim/não limitado a 0,01–0,99, escolha entre 2 e 255 opções nomeadas, e pontuação entre 2 e 255 níveis ordenados, retornando um nível esperado ponderado por probabilidade. O Microsoft-Decision-1 abrange sim/não, múltipla escolha, avaliação, classificação e pontuação por rubrica, e oferece suporte explícito a opções de abstenção, como "não é possível determinar", dentro do conjunto de opções.

• Agrupamento em uma única solicitação — até 1.000 perguntas independentes para o Gemini Decision 1, cada uma isolada das demais, todas com base em uma única leitura cobrada da entrada compartilhada. O contrato publicado do Microsoft-Decision-1 é um estado e seu conjunto de perguntas por invocação, portanto a amplitude vem do agrupamento de perguntas, e não de um limite documentado por solicitação.

• Preço — US$ 0,10 por milhão de tokens de entrada para o Gemini Decision 1, sem cobrança de saída porque a saída é de zero tokens. O conselho registra US$ 345 por milhão de tarefas para ele, e US$ 143 por milhão de tarefas para o Microsoft-Decision-1 à taxa de entrada que acompanha.

• Acesso — Gemini Developer API somente na v1beta, com nível gratuito de 200 solicitações por minuto e 10.000 por dia, solicitações diárias ilimitadas a partir do Tier 2, e sem listagem no Vertex AI na documentação disponibilizada pelo Google. Microsoft-Decision-1 como uma implantação do Foundry no portfólio Direct from Azure, com opções sem servidor e de endpoint unificado, SKU padrão, autenticação do Azure e um único caminho de cobrança, inferência em lote desativada e nenhum caminho para download de pesos ou ajuste fino.

A linha de acesso é onde as decisões de compra são tomadas, e não as decisões técnicas. Se a sua organização compra por meio de um compromisso do Azure, Microsoft-Decision-1 é uma fatura que você já sabe como pagar. Se ela compra por meio do Google Cloud, atualmente Gemini Decision 1 não é — a única porta documentada é uma chave de API do Gemini, que é uma linha orçamentária diferente e, para algumas empresas, um processo de aprovação diferente.

O placar, componente por componente

O Decision Index do Artificial Analysis pontua cada avaliação como a acurácia menos a penalidade de Brier pela confiança atribuída à resposta, ponderada em seis componentes. Veja como os dois modelos os dividem:

• AA-Paperclip, peso de 30% — Gemini Decision 1 56,8 contra Microsoft-Decision-1 51,8. Ambos são fracos. A taxa de aprovação de documentos tudo ou nada é de 33% para o Gemini Decision 1 e 20,9% para o Microsoft-Decision-1, contra 63% do líder do setor. Nenhum dos modelos dos hiperescaladores extrai quinze fatos de um documento denso de forma confiável.

• EvalSafe-O*NET-AA, 15% — 87,1 contra 86,8. Efetivamente idênticos, e ambos perto do topo de um grupo muito compacto.

• When2Call, 10% — 80,5 contra 88,0. Microsoft-Decision-1 vence esta claramente e fica perto dos líderes; Gemini Decision 1 é o décimo quarto de dezoito.

• AA-Omniscience-Decision v1.1, 15% — 66,3 contra 54,9. O Gemini Decision 1 assume o primeiro lugar no campo; sua taxa de 49,6% de não alucinação é o motivo. O Microsoft-Decision-1 registra 21,7% de não alucinação aqui, que é o número que deveria preocupar qualquer pessoa que planeje definir um limiar para suas abstenções.

• HLE-MultiChoice v1.1, 15% — 48,7 contra 39,4. Primeiro lugar contra décimo primeiro. A precisão bruta é de 13,2% contra 8,6%, e a não alucinação, 35,7% contra 15,1%.

• AA-Symmetry v1.1, 15% — 70,5 contra 70,4. Empate técnico, ambos no meio da tabela, mantendo a mesma resposta sob reordenação e negação em 38,3% e 51,7% das famílias de perguntas, respectivamente.

O composto fica em 65,98 e 62,07, em nono e décimo. Ao ler os componentes, a forma de cada produto fica clara. Microsoft-Decision-1 é um sólido avaliador de chamadas de ferramentas e de julgamento no ambiente de trabalho, cujo conhecimento e comportamento de abstenção são fracos. Gemini Decision 1 é o inverso: as melhores pontuações de conhecimento e abstenção do quadro, combinadas com extração mediana e fraca discriminação na escolha de ferramentas.

O que eles têm em comum é justamente aquilo de que se deve desconfiar.

Nenhum dos dois fornecedores publica uma tabela de benchmark. A ficha do Microsoft-Decision-1 descreve sua metodologia — benchmarks de decisão públicos e da comunidade, conjuntos internos reservados, acurácia e erro de calibração, ordem das opções variada, testes estatísticos pareados — e afirma que o modelo "tem desempenho equivalente ao de modelos de decisão líderes e superior ao de outros modelos de decisão abertos avaliados com a mesma metodologia". Não há nenhuma tabela abaixo dessa frase. As notas de versão do Gemini Decision 1 anunciam o modelo e trazem um link para a documentação da API, que lista os recursos compatíveis e não compatíveis e nenhum número de acurácia.

Isso importa porque a interface inteira de um modelo de decisão é um número sobre o qual seu código ramifica. Um modelo de chat alguns pontos mais fraco produz prosa pior; um scorer mal calibrado encaminha silenciosamente 8% dos seus tickets para a fila errada, e nada na resposta informa isso. Dois fornecedores de ponta lançaram produtos cuja alegação central — de que a probabilidade significa o que diz — é afirmada em prosa e medida apenas por uma terceira parte.

A terceira parte, para seu crédito, mede ambos com o mesmo instrumento, e é por isso que essa comparação é possível. Mas um quadro é um quadro, seu maior componente é 45% de dados privados, e ele vem avaliando modelos de decisão há apenas algumas semanas. Trate 66 e 62 como a primeira leitura externa, não como capacidade consolidada.

Qual deles colocar atrás do seu limiar

Escolha o Microsoft-Decision-1 quando a decisão for uma chamada de ferramenta ou um julgamento de documento de trabalho, quando a entrada for texto que caiba confortavelmente em 32K tokens e quando o critério de implantação for um contrato do Azure com faturamento unificado e um pacote de IA Responsável anexado. Seu 88,0 no When2Call e 86,8 no EvalSafe-O*NET são pontos fortes reais, e suas opções explícitas de abstenção permitem projetar uma válvula de escape de "não é possível dizer" no conjunto de opções, em vez de acrescentá-la depois.

Escolha o Gemini Decision 1 quando a entrada for longa, multimodal ou compartilhada entre muitas perguntas, quando perguntas de conhecimento e controle de alucinação forem o ponto, e quando você estiver preparado para pagar por contexto. Seu primeiro lugar em ambos os componentes de conhecimento e sua taxa de 49,6% de não alucinação no AA-Omniscience são os motivos para escolhê-lo em vez do modelo Microsoft mais barato, e sua taxa de aprovação de documentos de 33% é o motivo para não escolhê-lo para trabalho de extração.

Não escolha nenhum dos dois para extração em volume. Ambos os pontuadores de hyperscalers ficam na metade inferior do componente de documentos com peso de 30%, e os modelos que lideram ali — um multimodal de 27B da Nace.AI e um encoder de 421M da Convai Innovations que você mesmo pode ajustar com fine-tuning — custam menos por tarefa e, no caso de pesos abertos, podem ser treinados com seus próprios documentos.

O resto do pipeline não precisa ser refém disso

O OrcaRouter não oferece nenhum dos dois modelos. Ambos são endpoints somente de probabilidades — um na Gemini Developer API, outro no Foundry — e nenhum é um destino de chat-completions, portanto não os listamos. O que o catálogo oferece é o typesafe/jev-1.14 da TypeSafe, um modelo de decisão com 66,23 neste mesmo índice, que é uma terceira opção razoável se você quiser a chamada de pontuação na mesma chave que todo o resto.

A chamada que envolve o scorer é onde um roteador justifica seu lugar, e é justamente a metade que esses dois produtos deliberadamente não abordam. Algo precisa escrever a rubrica pela qual o scorer avalia, resumir o documento de 60 páginas para 32K tokens ou redigir a resposta candidata que está sendo ranqueada — e esse algo é um modelo generativo cujo preço e qualidade mudam a cada poucas semanas. Essa chamada percorre um único endpoint com mais de 200 modelos nele ao preço de lista do provedor repassado com 0% de markup, com failover automático quando um provedor degrada e uma DSL de roteamento se você quiser vários modelos compondo uma resposta. Mantenha a metade da escrita portátil e a decisão de pontuação permanece reversível, o que vale mais do que quatro pontos de índice quando ambos os fornecedores revisam em cadência trimestral.

O que assistir

Três sinais mudariam a classificação, e nenhum chegou. Uma tabela de benchmark da Microsoft com curvas de calibração permitiria que seus clientes do Azure definissem limites com base em evidências; o cartão atualmente oferece uma metodologia e uma alegação. Uma listagem no Vertex AI para o Gemini Decision 1 o levaria de uma compra por chave de API para uma compra por contrato de nuvem e mudaria completamente a comparação de aquisição. E um segundo painel independente que avaliasse ambos os modelos nos diria se a diferença de quatro pontos é sinal ou o ruído de um ranking com três semanas de idade.

Até lá, a leitura defensável é esta: o Gemini Decision 1 é o melhor modelo nos dois componentes em que saber quando recusar é a habilidade, o Microsoft-Decision-1 é o melhor na seleção de ferramentas e marginalmente mais barato, e ambos estão no meio da tabela na extração de documentos que, na prática, compõe a maior parte das cargas de trabalho de decisão empresarial. Teste cada um com 200 dos seus próprios itens rotulados antes que qualquer dos números decida alguma coisa.