
Karpo Decision 31B vs Microsoft-Decision-1: Um Tem um Preço, o Outro Tem uma Pontuação
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 215 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
Coloque Karpo Decision 31B ao lado de Microsoft-Decision-1 e a primeira coisa que você nota é que nenhuma das duas empresas lhe deu aquilo de que você precisa para escolher entre elas. O Karpo Decision 31B, o ajuste fino do Gemma 4 com 31,3 bilhões de parâmetros que a MachinePulse publicou no Hugging Face em 5 de novembro de 2026 sem uma postagem de lançamento, tem um número de leaderboard e nenhum preço. O Microsoft-Decision-1, no Microsoft Foundry desde 8 de outubro de 2026, tem um preço, um contrato do Azure, um pacote de IA responsável e nenhuma tabela de benchmarks publicada. Um é mensurável e invendável. O outro é vendável e, por escolha do próprio fornecedor, não mensurado.
Essa inversão é a comparação inteira, e vale resistir à tentação de resolvê-la com aritmética. O 73,86 que Karpo carrega e o 62,07 que a Artificial Analysis atribui ao Microsoft-Decision-1 não são duas leituras de uma mesma coisa. Eles vêm de painéis diferentes, misturas de tarefas diferentes, fórmulas de pontuação diferentes e ideias diferentes do que é um modelo de decisão. A pergunta útil não é qual número é maior. É qual das duas lacunas — o preço ausente ou a pontuação ausente — sua implantação consegue de fato absorver.
O que a Microsoft está vendendo, exatamente
A Microsoft-Decision-1 é uma Qwen3.5-9B pós-treinada que responde com uma distribuição sobre opções em vez de prosa. O contrato é restrito: sim/não, múltipla escolha, uma escala de avaliação, um conjunto de classificação ou uma rubrica, para até 32.768 tokens de texto. Sem imagens, sem áudio, sem campo de explicação, sem tokens gerados. A Microsoft é explícita que ela não se destina a perguntas abertas, tradução ou sumarização, e recomenda não usá-la como única base para decisões sobre crédito, emprego, habitação, seguros, educação ou saúde.
O que ele traz é justamente a parte que um checkpoint aberto não consegue: uma implantação do Foundry no portfólio Direct from Azure, sem servidor ou endpoint unificado, SKU Standard, autenticação do Azure, uma única fatura, inferência em lote deliberadamente desativada e nenhum caminho para download de pesos ou ajuste fino. Para um banco ou um grupo hospitalar, esse último conjunto de fatos costuma valer mais do que vinte pontos em um ranking, porque é a diferença entre um modelo que uma equipe de plataforma pode aprovar e um modelo em torno do qual uma equipe de plataforma precisa construir uma stack de serving.
O preço é real, mas estranho de citar. A página do modelo não exibe uma taxa por token; ela direciona para a página de preços do Azure. O que o Artificial Analysis rastreia para ele é US$ 143 por milhão de tarefas na taxa de entrada, contra US$ 345 por milhão de tarefas para o Gemini Decision 1 do Google. O Karpo não tem um número comparável porque o Karpo não tem nenhuma tabela de preços de qualquer tipo — nenhum host, nenhum console, nenhum teste, nenhum custo publicado por GPU.
O que o conselho mediu, e o que não mediu

O número do Karpo é comunitário. O Decision Index, o quadro aberto que acompanha reproduções do Jev da TypeSafe, o coloca em 73,86 Full na edição 0.4.1 — primeiro empatado entre 307 linhas no dump publicado do quadro, empatado com o GLiDE 27B em 73,37 porque o quadro agrupa qualquer resultado a até 0,9 ponto do líder. Essa pontuação Full é de terceiros no sentido que importa: os mantenedores do quadro executaram testes privados que o fornecedor nunca viu, divididos em cerca de 60% de mesmas habilidades e 40% de novos domínios. A divisão do Karpo marca 70,94 nas habilidades familiares e 61,5 nas não familiares, o que é a forma comum para um modelo que foi ajustado intensamente contra um conjunto conhecido.
O 75,05 na ficha do modelo é outra coisa, e a ficha é honesta quanto a isso: trata-se da execução própria da MachinePulse do kit oficial de pontuação, 140.178 solicitações avaliadas, com onze recusadas por excederem a janela, adotada pelo conselho após uma reavaliação com o kit retornar igual à alegação. Público e reproduzível, ainda que de origem própria. A própria linha do conselho confirma a adoção e observa que a concordância no teste privado com as linhas enviadas foi de 100% em 827 linhas.
O Microsoft-Decision-1 não tem nada disso. Sua página de catálogo traz uma aba Benchmarks contendo um parágrafo de metodologia e nenhum número: benchmarks públicos e comunitários de decisão, conjuntos internos reservados, erro de acurácia e calibração, ordem das opções variada, testes estatísticos pareados aplicados. A Microsoft afirma que o modelo tem desempenho "equivalente ao de modelos de decisão líderes e à frente de outros modelos de decisão abertos avaliados com a mesma metodologia" e então se recusa a mostrar a avaliação. Toda alegação de desempenho sobre ele hoje é relatada pelo fornecedor e não reproduzida.
O único instrumento que o avaliou é o Artificial Analysis, no Decision Index v2.1, e os componentes são mais informativos do que o compósito. O Microsoft-Decision-1 obtém 88,0 no When2Call, perto dos líderes, e 86,8 no EvalSafe-O*NET. Obtém 51,8 no AA-Paperclip, com uma taxa de aprovação documental tudo-ou-nada de 20,9%, 54,9 no AA-Omniscience-Decision, com uma taxa de não alucinação de 21,7%, e 39,4 no HLE-MultiChoice, com 8,6% de precisão bruta. O padrão é o de um avaliador competente de julgamento no local de trabalho com um comportamento de conhecimento fraco, e o número de abstenção é aquele com que vale a pena refletir: um modelo que se recusa a responder a 78% das perguntas de conhecimento está a proteger a sua calibração à custa de ser útil.
As formas de solicitação, lado a lado

• Parâmetros — Karpo 31.3B em bf16 mais um readout de 255 × 5,376 em fp32, cerca de 62,5 GB em disco; Microsoft-Decision-1, uma base densa de 9B servida apenas como API.
• Entrada — Karpo recebe texto, JSON e imagens, com uma captura de tela passada como state.viewport_screenshot; Microsoft-Decision-1 recebe apenas texto, serializado em 32.768 tokens.
• Contexto — 32.768 tokens para ambos, com uma diferença importante no modo de falha: o Karpo divide uma solicitação longa por pergunta e recusa qualquer coisa que ainda não caiba, enquanto o teto da Microsoft é a entrada mais o conjunto de opções, sem forma de aumentá-lo.
• Tipos de pergunta — escolha Karpo com até 255 opções, noul para verdadeiro/falso, pontuação para um nível ordenado; Microsoft sim/não, múltipla escolha, avaliação, classificação e rubrica, com opções de abstenção como "não é possível dizer" suportadas dentro do conjunto.
• Processamento em lote — O Karpo codifica um estado e muitas perguntas em uma única sequência, de modo que cem perguntas sobre uma fatura custam aproximadamente uma passada pela fatura; o contrato publicado da Microsoft é um estado e seu conjunto de perguntas por invocação, com a amplitude vindo do agrupamento.
• Latência — mediana de 94 ms por requisição no hardware de referência do tracker, uma GPU, uma requisição por vez para Karpo; 274 ms por tarefa para Microsoft-Decision-1 na medição da AA, um valor por tarefa sobre um conjunto de documentos, e não por requisição.
{{1}}Licença e acesso{{/1}} — pesos {{2}}Apache-2.0{{/2}} com os termos do {{3}}Gemma 4{{/3}} em conjunto para {{4}}Karpo{{/4}}; nenhum peso para {{5}}Microsoft-Decision-1{{/5}}, que é somente API sob os termos do {{6}}Azure{{/6}}.
• {{1}}Preço — nenhuma tarifa publicada para Karpo; US$ 143 por milhão de tarefas no acompanhamento da AA para Microsoft-Decision-1, com a tarifa de entrada por token mantida na página de preços do Azure em vez da ficha do modelo.{{/1}}
A calibração é o eixo em que ambos têm algo a dizer.
Para um modelo cuja saída inteira é uma probabilidade, o número que governa a implantação não é a acurácia, mas sim se a probabilidade significa o que diz. A ficha do Karpo relata um erro de calibração de 4,8 pontos: em 34.411 respostas avaliadas, sua confiança média ficou em 87,96% frente a uma acurácia de 83,19%, e na faixa de maior confiança — 68,5% de todas as respostas — ele acertou 95,7% das vezes enquanto alegava 98,7%. Esse é um modelo ao qual se pode aplicar um limiar, com uma deriva conhecida na extremidade superior.
A Microsoft não publica nenhum erro de calibração esperado, nenhuma pontuação de Brier e nenhuma curva de confiabilidade. O que as pontuações dos componentes da AA implicam é um modelo cuja confiança é usada de forma conservadora: as altas taxas de não alucinação no Omniscience e no HLE significam que ele se abstém em vez de responder quando não tem certeza, que é o comportamento que uma salvaguarda quer e um classificador não. Não se sabe se seu 0,8 significa 0,8 fora da própria avaliação da Microsoft, e a documentação da Microsoft diz isso à sua maneira, ao instruir os integradores a validar com dados representativos e definir limites a partir do custo de seus erros.
Essa assimetria tem uma consequência prática. Com o Karpo, você herda uma curva de calibração publicada e pode definir um limiar inicial antes de executar qualquer coisa. Com o Microsoft-Decision-1, você herda uma metodologia e uma promessa, e suas primeiras duas semanas são um projeto de medição. Nenhuma das duas é desqualificante; são simplesmente tipos diferentes de trabalho.
A versão que nenhum título menciona
O Microsoft-Decision-1 já não é o modelo atual na sua própria família. O Microsoft-Decision-1.1 chegou a 17 de novembro de 2026 no Ignite, numa base de mistura de especialistas Gemma 4 26B A4B, ao mesmo preço e com o mesmo teto de 32K, e a Artificial Analysis atribui-lhe 67,78 — 5,7 pontos acima da versão 1, a 123 ms por tarefa em vez de 274 ms, com a não-alucinação no Omniscience a subir de 21,7% para 49,4%. Também piorou naquilo em que um avaliador deveria ser estável: 6,29% de precisão bruta no HLE-MultiChoice contra 8,64%, e 47,5% das famílias de perguntas do AA-Symmetry respondidas de forma consistente contra 51,7%.
Qualquer pessoa que compare o Karpo ao «modelo de decisão da Microsoft» no final de novembro está, por isso, a compará-lo com uma versão já ultrapassada. Isso não torna a comparação irrelevante — a versão 1 continua a ser aquela segundo a qual foram dimensionadas muitíssimas implementações do Foundry —, mas significa que o número a bater do lado da Microsoft é 67,78, e a questão de segunda ordem é saber se um modelo que troca exatidão de conhecimento por disciplina de abstenção é, à partida, a forma certa para o seu pipeline.
O que cada lado não pode lhe oferecer
A Karpo não pode lhe dar um contrato. Não há endpoint, tabela de preços, canal de suporte, SLA nem declaração do fornecedor além de um model card e um README. Se sua organização não conseguir executar um checkpoint de 62,5 GB em hardware próprio, a comparação termina aí, independentemente da pontuação. Carregá-lo como um modelo de chat comum também não reproduzirá suas respostas: a atenção de ramificação e a leitura de 255 códigos são ambas necessárias, e o pacote Python e o POST /v1/systemone servidor existem justamente porque uma pilha de inferência genérica não serve.
O Microsoft-Decision-1 não pode lhe dar um número que você não aceitou com base na confiança, não pode passar por fine-tuning com seus próprios dados de decisão, não consegue ler uma captura de tela e não pode ser executado offline. Você também não pode avaliá-lo em benchmark no mesmo instrumento que o Karpo, porque o Decision Index é um registro de reproduções abertas e um modelo de API fechado não tem pesos a reproduzir. Os dois modelos continuarão não se encontrando: um ranking nunca incluirá o avaliador da Microsoft, e a Artificial Analysis não tem uma linha para o Karpo.
Há uma terceira posição que é mais útil do que qualquer uma das colunas. Se o que você realmente precisa é de uma camada de decisão ao lado de um pipeline generativo, o gerador é a metade que você já consegue padronizar. A OrcaRouter não hospeda o Karpo Decision 31B nem o Microsoft-Decision-1, e nenhum dos dois deve ficar atrás de uma rota de chat-completions. O que ela hospeda são os dois modelos em torno dos quais esta comparação continua girando: Gemma 4 31B, a base a partir da qual o Karpo foi ajustado, e Jev 1.14 da TypeSafe, o modelo que o ranking de reprodução aberta tem como objetivo alcançar. Ambos ficam atrás de uma única chave compatível com OpenAI, ao lado de mais de 200 outros modelos pelo preço de tabela do provedor repassado sem markup, então um corte de preço do fornecedor chega ao nosso lado no mesmo dia, e o failover automático mantém vivo um loop de pontuação quando um provedor oscila.
Qual escolher

Opte pelo Microsoft-Decision-1, ou mais sensatamente pelo Microsoft-Decision-1.1, se a camada de decisão tiver de residir numa infraestrutura Azure, se precisar de uma trilha de aprovação mais do que de uma posição num ranking e se as suas entradas forem texto que cabe em 32K. Preveja orçamento para um estudo de calibração, porque a Microsoft não lhe forneceu um, e defina os seus limites de abstenção a partir do custo dos seus erros, e não da descrição que o fornecedor faz deles.
Escolha o Karpo Decision 31B se você tiver a GPU, se capturas de tela ou estado JSON fizerem parte do trabalho, se a Apache-2.0 importar para um produto que você pretende lançar e se uma pontuação de teste privado de terceiros somada a uma curva de calibração publicada for a evidência que sua equipe aceita. Aceite em troca que agora você é o fornecedor: sem suporte, sem SLA, sem preço com que planejar o orçamento, e um modelo de duas semanas cujo repositório ainda estava sendo editado em 16 de novembro.
Não escolha nenhum dos dois com base em 73.86 versus 62.07. Esses números foram produzidos por organizações que nunca avaliaram a mesma prova, em conjuntos de testes com proporções diferentes de testes privados e fórmulas de pontuação diferentes, e a leitura honesta é que ambos os modelos são plausíveis e nenhum está comprovado em relação ao outro. O teste que resolveria a questão — o Karpo aparecer em um painel independente que também avalia o modelo da Microsoft, ou a Microsoft publicar a tabela de resultados descrita em sua seção de metodologia — não aconteceu. Até que isso aconteça, a decisão depende de aquisição, hardware e modalidade de entrada, que é onde ela deveria ter se baseado desde o início.
