Um card de título gerado intitulado "MAI Decision 1 vs Microsoft Decision 1", com o subtítulo "a mesma linha de produtos, com seis pontos de índice de diferença", dividido em dois painéis arredondados ao redor de um disco "vs". O painel esquerdo, "Microsoft-Decision-1.1", traz a sub-linha "GA 17 de novembro de 2026" e as linhas "índice de decisão 67.78", "123 ms por tarefa", "imagens e texto" e "base Gemma 4"; o painel direito, "Microsoft-Decision-1", traz "GA 8 de outubro de 2026", "índice de decisão 62.07", "274 ms por tarefa", "somente texto" e "base Qwen3.5". Um rodapé diz "Ambos listados a /bin/bash.042 por milhão de tokens de entrada". O logotipo da OrcaRouter está composto na faixa branca abaixo da arte.
Guides & Insights

MAI Decision 1 vs Microsoft Decision 1: A Mesma Linha de Produto, Seis Pontos de Diferença

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Esta comparação tem uma armadilha, e a armadilha é a premissa. MAI Decision 1 e Microsoft Decision 1 não são dois modelos concorrentes. São a mesma linha de produtos da Microsoft, com uma versão de diferença: o modelo que a cobertura do Ignite rotulou como MAI Decision 1 é o Microsoft-Decision-1.1, e o Microsoft-Decision-1 é a versão de outubro que ele substitui. Portanto, a comparação útil não é "qual fornecedor vence" — é "o que cinco semanas e um novo modelo de base trouxeram, e a atualização vale uma migração para quem já está em produção no endpoint mais antigo?". A resposta curta: seis pontos de índice, metade da latência, entrada de imagem e uma tabela de preços que não mudou.

Naming, decidido de uma vez por todas

O rótulo à esquerda desta comparação vem da cobertura do keynote, não da Microsoft. As strings do próprio fornecedor são "Decision 1.1" no post de lineup do Ignite e "Microsoft-Decision-1.1" no blog do Foundry e no model card; o prefixo MAI acompanhou o MAI Code 2 e o MAI Cyber 2 Flash nos mesmos artigos de terceiros e ficou. Portanto, esta página compara a versão 1.1 com a versão 1 de uma linha de produtos, e a pergunta interessante não é qual fornecedor vence, mas o que cinco semanas e um modelo base diferente mudaram.

A Versão 1 não foi retirada. Ela ainda está listada no Foundry e ainda é avaliada no quadro independente, e é por isso que os dois nomes continuam aparecendo lado a lado em tabelas comparativas — às vezes como rivais de empresas diferentes, o que não são.

Seis semanas, dois modelos, um preço.

A versão 1 entrou em disponibilidade geral em 8 de outubro de 2026: um pós-treinamento somente de texto do Qw​en3.5-9B da A​libaba, probabilidades calibradas sobre um conjunto fixo de opções, um teto de 32.768 tokens, sem pesos e sem números de benchmark publicados. A versão 1.1 chegou em 17 de novembro com uma base Gemma 4 26B-A4B, entrada de imagem e um relato completo de desempenho — enquanto a lista de preços permaneceu exatamente como estava, em US$ 0,042 por milhão de tokens.

• Modelo base — Qwen3.5-9B, denso, 9B no total vs. Gemma 4 26B-A4B, mistura de especialistas com cerca de 4B ativos; ambos pós-treinados internamente

• Modalidade — somente texto vs texto, JSON e imagens PNG/JPEG, até 8 por pergunta

• Limite de entrada — 32.768 tokens vs 32.768 tokens, inalterado

• Tipos de pergunta — sim/não, múltipla escolha, avaliação por nota, classificação, rubrica vs o mesmo conjunto, expostos como três primitivos tipados (noul, choice, score)

• Preço — US$ 0,042/milhão de tokens no Padrão Global, US$ 0,05 na UE e APAC vs idêntico

• Latência medida — 274,25 ms por tarefa vs 123,25 ms por tarefa, Artificial Analysis

• Custo medido — $142.56 por milhão de tarefas vs $139.64 por milhão de tarefas, Artificial Analysis

• Decision Index v2.1 — 62,07 vs 67,78

• Pesos — nenhum, hospedado apenas no Foundry vs nenhum, hospedado apenas no Foundry

A única linha que não mudou é aquela em que a maioria das equipes baseia o orçamento, e a que mais mudou é a que ninguém divulga: a latência caiu pela metade enquanto o preço por token permaneceu estável, porque a nova base é um modelo esparso que faz muito menos trabalho por chamada.

A generated two-column comparison scoreboard titled 'MAI Decision 1 vs Microsoft Decision 1 — the scoreboard'. The Microsoft-Decision-1.1 column reads Decision Index 67.78, Latency 123 ms, Base model Gemma 4 26B-A4B, Images up to 8 per question, Brier score 0.160, Price $0.042 per M tokens; the Microsoft-Decision-1 column reads 62.07, 274 ms, Qwen3.5-9B, text only, 0.197 and $0.042 per M tokens. The footer reads 'Index, latency and Brier per Artificial Analysis v2.1, 18 November 2026; price per Microsoft Foundry.' The OrcaRouter logo is composited in the white strip below the artwork.

Do que são feitos os seis pontos

A diferença composta de 5,71 não está distribuída de forma uniforme, e essa irregularidade revela para quais cargas de trabalho a atualização foi concebida. Nas seis avaliações constituintes do Artificial Analysis, ao consultar o painel em 18 de novembro de 2026:

• Chamada de ferramentas do When2Call — 95,1 na 1.1 contra 87,9 na versão 1, um ganho de 7,1 pontos e o que realmente importa para as salvaguardas de agentes

• Julgamento no local de trabalho EvalSafe-O*NET — 88,8 contra 86,8

• AA-Symmetry, invariância da decisão sob reformulação — 75,7 contra 70,4

• Decisões de documentos do AA-Paperclip — 58,7 contra 51,8, o maior salto absoluto

• AA-Omniscience, conhecimento e alucinação — 60,5 contra 54,9

• Raciocínio de múltipla escolha do HLE — 46,1 contra 39,4

Todas as subpontuações melhoraram, o que é incomum e torna o agregado confiável; um compósito que sobe em uma avaliação e cai em duas normalmente é um artefato de ponderação. O ganho de invariância é o discreto que vale a pena destacar. A simetria mede se uma decisão sobrevive à reordenação das suas opções ou à reformulação da sua pergunta — exatamente o modo de falha sobre o qual a própria documentação da Microsoft alerta, e exatamente a propriedade que decide se um limite que você ajustou em staging ainda dispara em produção. Passar de 70 para 76 nesse quesito é uma mudança operacional maior do que passar de 62 para 68 no indicador principal.

A calibração melhorou na mesma direção. A pontuação Brier, que mede a diferença quadrática entre uma probabilidade declarada e a verdade, caiu de 0,1965 para 0,1604 — quanto menor, melhor. A precisão da opção escolhida subiu de 40,6 para 48,5. Ambos os números são medições da Artificial Analysis em suas próprias tarefas, não nas da Microsoft, e é por isso que vale ponderá-los: a própria apresentação de lançamento da Microsoft para o 1.1 é uma pontuação de 68, "seis pontos acima do nosso primeiro modelo", e o painel independente fica a meio ponto disso, em 67,78, com um ganho de 5,71 pontos. Desta vez, o fornecedor e o auditor concordam em linhas gerais.

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, the independent board from which the 67.78 and 62.07 composites, the six constituent evaluation scores, the accuracy figures and the Brier scores in this comparison are taken.

Onde o modelo mais antigo ainda é a escolha certa

Há três razões defensáveis para permanecer no Microsoft-Decision-1, e nenhuma delas é desempenho.

A primeira é uma avaliação congelada. Se você calibrou limiares com base na versão 1 usando seus próprios dados rotulados — e deveria ter feito isso —, então uma mudança no modelo-base invalida esse trabalho. Um modelo denso de 9B pós-treinado para pontuação e um MoE de 26B pós-treinado para pontuação não falham nos mesmos pontos, e a documentação da 1.1 é explícita ao dizer que a calibração é mais forte em tipos de tarefa familiares e pode mudar com a formulação. O reajuste é um custo real, e recai sobre a equipe, não sobre o fornecedor.

A segunda é a cobertura de idiomas. A versão 1 trazia um relato de pós-treinamento em 25 idiomas sobre uma base Qw​en com bem mais de 200 idiomas disponíveis. A versão 1.1 traz um relato de 25+ idiomas sobre uma base Gemma documentada em 35+. Vinte e cinco mais não é vinte e cinco e, se você opera uma fila multilíngue, a atitude honesta é testar em vez de presumir que o número aumentou.

O terceiro é a forma da sua dependência. Ambas as versões são apenas hospedadas, de fornecedor único, uma única lista de preços, um único regime de limite de taxa. Atualizar muda seu domínio de falha sem reduzi-lo. Se você já envolveu o endpoint com seu próprio fallback, permanecer na versão 1 custa latência e precisão, mas não disponibilidade; se não envolveu, atualizar lhe dá um modelo mais rápido atrás do mesmo ponto único de falha.

Executando os dois lado a lado antes de você fazer o commit

A migração em si é pequena, o que é a parte agradável. O formato do endpoint permanece inalterado — um estado mais perguntas tipadas para a rota de decisão em um recurso Foundry — e a implantação é uma mudança de versão do modelo, e não uma reescrita da integração. O que muda é tudo o que está a jusante da resposta: as probabilidades, os limiares e as subpontuações acima.

Então execute os dois. Envie o mesmo lote rotulado para ambas as implantações, compare a precisão da opção escolhida no limiar que você realmente usa e observe especificamente as caudas — os casos em que a versão 1 retornou 0,55 e a versão 1.1 retorna 0,88 são os que vão mudar silenciosamente sua taxa de escalonamento. O ganho de simetria sugere que a 1.1 deve ser mais estável sob reordenação de opções; verifique isso nos seus próprios prompts em vez de confiar no número.

O juiz e o que está sendo julgado em uma única chave é a configuração que a maioria das equipes acaba querendo, e nenhum dos modelos Decision pode oferecer isso: ambos são endpoints hospedados exclusivos do Foundry, então o roteador à frente deles é o seu próprio código. O que o roteador pode fazer, enquanto isso, é fornecer controles. Gemma 4 26B A4B — a versão base a partir da qual a versão 1.1 foi pós-treinada — é roteado pelo OrcaRouter a $0,25 por milhão de tokens de entrada e $2,90 por milhão de tokens de saída, e Jev 1.14, o modelo de decisão usado pela Microsoft como referência em benchmarks, a $0,042 por milhão de entrada e saída. Nenhum dos dois reproduz as respostas calibradas da versão 1.1. Ambos informam se um modelo geral nos seus próprios dados chega a poucos pontos de distância do modelo de decisão, que é a pergunta que decide se você precisa de um deles.

A screenshot of the OrcaRouter model page for obsidian/gemma-4-26B-A4B, showing the OrcaRouter navigation, the model name obsidian/gemma-4-26B-A4B with Vision, Tools, JSON and Reasoning tags, a 2026-07-02 date, a description noting a mixture-of-experts build of Gemma 4 with 26B total parameters, about 4B active per token and a 262K-token context window, and pricing of $0.25 per million input tokens and $2.90 per million output tokens.

A questão da versão, respondida

Se está a escolher hoje e não tem limiares legados a defender, escolha o 1.1. É mais rápido numa medição independente por um fator de 2,2, ligeiramente mais barato por tarefa, melhor calibrado, melhor no controlo de chamadas de ferramentas e o único dos dois que lê uma captura de ecrã. A lista de preços é idêntica, pelo que a atualização é gratuita na margem.

Se você já está em produção na versão 1, a atualização vale a pena e não é urgente no sentido em que um patch de segurança é urgente. Reserve tempo para o reajuste, mantenha a implantação antiga ativa até que os novos limiares se sustentem no tráfego real e trate a melhoria de simetria como o motivo para esperar menos surpresas, não como uma promessa de que não haverá nenhuma.

O que este confronto não é: uma escolha entre fornecedores. Ambos os nomes apontam para a linha de decisão da Microsoft, separados por cinco semanas e um modelo base, com o mesmo custo de US$ 0,042 por milhão de tokens. A pergunta interessante nunca foi qual deles vence; é se o segundo é suficientemente melhor para justificar o custo de uma recalibração. Em um painel independente, é.