Um cartão de título gerado com o título 'A Linha do Keynote, Verificada', subtítulo 'Microsoft-Decision-1.1 — Artificial Analysis Decision Index v2.1', contendo quatro chips exibindo 67,78, 'Jev 1.14 66.2', 'Gemini Decision 1 65.98' e 'GPT-6 Luna 60.2' acima de uma legenda que diz 'quatro modelos citados no palco', com dois rótulos laterais acinzentados dizendo '25 entradas classificadas' e 'dez acima de 67,78'. O logotipo do OrcaRouter está composto no canto inferior direito.
Guides & Insights

Microsoft-Decision-1.1 chegou ao keynote do Ignite. A linha de benchmark que citou é verdadeira e restrita.

Autor

jinhao.song

Data de publicação

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

A Microsoft-Decision-1.1 ficou disponível de forma geral em 17 de novembro de 2026, seis semanas depois da Microsoft-Decision-1 e com um modelo base completamente diferente: Gemma 4 26B A4B, o sistema de mistura de especialistas de tamanho médio que a Microsoft nomeia no seu próprio post de lançamento, substituindo o Qwen3.5-9B a partir do qual a versão 1 foi pós-treinada. Essa troca é a substância do lançamento. A frase que teve maior alcance veio da apresentação principal do Ignite, onde a Decision 1.1 foi apresentada como encaminhamento de modelos "integrado diretamente nas suas aplicações" e depois sustentada com uma frase — "no AA Decision Index, supera a Jev, a Google e a OpenAI." Esses três nomes correspondem a Jev 1.14 com 66,2, Gemini Decision 1 com 66,0 e GPT-6 Luna (Decisions) com 60,2, contra 67,78 da Microsoft-Decision-1.1. As três comparações estão corretas.

Eles também são o subconjunto de quatro modelos mais lisonjeiro em um ranking que atualmente tem vinte e cinco entradas. Dez modelos de decisão pontuam acima do Microsoft-Decision-1.1 nesta noite, do d1.2-ultra, com 74,8, passando pelo Drex Max v1.1 e pelo SubQ Snap 1.2, com 72,6, até o SubQ Snap 1.1, com 67,9. A frase do keynote não era falsa. Era uma comparação curada apresentada na gramática de uma comparação completa, e essa distinção vale mais do que o próprio lançamento, porque é o que acontece na primeira vez que um índice de benchmark ganha um slide na conferência de desenvolvedores de um hiperescalador.

O que o palco disse, e o que o conselho diz

A transcrição do keynote que a Microsoft publicou no mesmo dia é breve sobre o assunto. Depois de uma passagem pelos modelos de programação, ela volta-se para a tomada de decisões: "agentes são cada vez mais necessários para tomar decisões, especialmente onde velocidade e custo são críticos. Por isso, o Decision 1.1 oferece roteamento de modelos integrado diretamente às suas aplicações. E, no AA Decision Index, ele supera Jev, Google e OpenAI."

Em detalhe, trata-se de uma comparação entre quatro modelos que o índice de facto suporta. No composto Decision Index v2.1, publicado pela Artificial Analysis e consultado aqui a 19 de novembro de 2026, o Microsoft-Decision-1.1 obtém 67,78, o Jev 1.14 obtém 66,2, o Gemini Decision 1 obtém 65,98 e o GPT-6 Luna (Decisions) obtém 60,2. As diferenças são de 1,6, 1,8 e 7,6 pontos. Nada disto é discutível.

O que a frase omite é a metade do quadro acima dela. A mesma página coloca Microsoft-Decision-1.1 em décimo primeiro lugar, e as dez entradas à frente dele não são obscuras:

• d1.2-ultra (Liquid AI) — 74,8, líder do ranking, a US$ 133 por milhão de tarefas

• Drex Max v1.1 (Nace) — 72,6 a US$ 103, e SubQ Snap 1.2 — 72,6 a US$ 137

• GLiDE v1.2 (Fastino) — 72,5 por US$ 780, Mammoth 27B (Baseten) — 71,4 por US$ 264, d1-ultra — 70,6

• Decider v1.3 (Perplexity) — 70,4 por US$ 68, Decider v1.2 — 69,8, d1.2 — 68,7, SubQ Snap 1.1 — 67,9

Um fornecedor escolher os três concorrentes nomeados que favorecem o seu lançamento não é um escândalo; toda publicação de lançamento faz isso, e a Microsoft é excecionalmente explícita ao afirmar que esses são os modelos que escolheu nomear. A parte interessante é o palco. Um índice proprietário de terceiros — cuja revisão v2 foi lançada em 8 de novembro de 2026, nove dias antes do Ignite, construído sobre 45% de conjuntos de dados privados — foi citado no palco como a autoridade para uma alegação sobre o próprio modelo da Microsoft. Esse é um tipo diferente de facto em relação a uma captura de ecrã de um benchmark de fornecedor, e funciona nos dois sentidos: eleva o índice e coloca o índice numa posição em que ser citado seletivamente passa agora a fazer parte da sua reputação.

O que realmente mudou entre 1 e 1.1

Deixe o slide de lado e a engenharia é específica. O Microsoft-Decision-1.1 não é um ajuste do modelo de outubro. A base mudou do Qwen3.5-9B da Alibaba, ao qual a página de catálogo da v1 ainda atribui crédito, para o Gemma 4 26B A4B. A Microsoft descreve a escolha em termos de custo: parâmetros ativos suficientes para julgamento, pequeno o bastante para rodar em frotas A100, H100/200 e GB200/300. Um mecanismo de inferência personalizado, criado para pontuação em vez de geração token a token, é o que a empresa atribui à latência.

O recurso que não existia na v1 é a entrada de imagens. O Microsoft-Decision-1.1 aceita texto, JSON ou imagens — fotos, capturas de tela — e continua recusando áudio, vídeo e qualquer forma de explicação gerada. Os tipos de pergunta permanecem com os mesmos nomes: noul para uma probabilidade em uma afirmação de sim/não, choice para um rótulo de um conjunto fixo, com uma probabilidade para cada opção, score para uma posição em uma escala ordenada. A requisição vai para um caminho que termina em /providers/microsoft/v1/systemone, que é ou o nome de endpoint menos autoexplicativo lançado neste trimestre ou uma pista sobre onde a Microsoft acha que esta categoria se encaixa na pilha.

O contexto é o número a observar se você estiver migrando: a Microsoft documenta “entradas de até 32K tokens”, e a Artificial Analysis registra uma janela de 33k. A versão 1 era a mesma. Um modelo de decisão que lê um contrato de 40.000 tokens não está nesta versão.

Três afirmações do post de lançamento, verificadas em relação ao painel

A própria publicação da Microsoft faz três afirmações quantitativas, e os dados independentes resolvem cada uma delas de forma diferente.

• "Pontua 68" — o valor do índice é 67,78. Isso é arredondamento, não inflação, e é a única afirmação que se manteve exatamente.

• "Mais de duas vezes mais rápido" — a versão 1 mede 274,25 ms por tarefa, a versão 1.1 mede 123,25 ms. Isso é 2,23x, e torna o novo modelo a quinta entrada mais rápida da tabela, em vez da vigésima.

"Pelo mesmo custo" — verdadeiro no nível do token e enganoso na prática. Ambas as versões listam US$ 0,042 por milhão de tokens de entrada. Mas o custo medido por milhão de tarefas é de US$ 139,64 para a 1.1 contra US$ 142,56 para a v1, uma melhoria de 2%, não uma redução pela metade. Mesmo preço, praticamente a mesma conta, o dobro da vazão. Se sua restrição for latência em vez de gasto, a atualização é grande; se for gasto, a atualização é quase nula.

A generated single-column scoreboard headed 'Microsoft-Decision-1.1 — the scoreboard' with six rows: Decision Index 67.78, 11th of 25; When2Call at 10% weight 95.08; AA-Paperclip at 30% weight 58.67; HLE-MultiChoice 6.29% raw accuracy; non-hallucination 49.4%, was 21.7%; speed 123 ms per task, was 274 ms. A footer reads 'All figures per Artificial Analysis Decision Index v2.1, read 19 November 2026.' The OrcaRouter logo is composited in the bottom-right corner.

Onde o compósito deixa de concordar com o marketing

O composto Decision Index v2.1 não é um mistério. Ele é formado por seis componentes ponderados, e o 67,78 do Microsoft-Decision-1.1 pode ser reproduzido a partir deles: 30% AA-Paperclip, 15% EvalSafe-O*NET-AA, 10% When2Call, 15% AA-Omniscience-Decision v1.1, 15% HLE-MultiChoice v1.1, 15% AA-Symmetry. Multiplique e some e você chega a 67,78 exatamente. Essa transparência é o que torna as subpontuações legíveis, e as subpontuações são onde a narrativa de lançamento fica interessante.

• When2Call — 95.08. Este é o teste de roteamento, e é o número mais forte do conjunto por uma margem ampla. A proposta da Microsoft é "roteamento de modelos integrado às suas aplicações", e no único componente que mede exatamente isso, o modelo está perto do topo do ranking.

• AA-Paperclip — 58,67 na Pontuação de Decisão, 36,8% dos documentos respondidos perfeitamente. Este é o componente de 30%: 1.500 documentos privados, cada um contendo cinco decisões e dez fatos, com pontuação tudo ou nada. A versão 1 atingiu 20,9%. Um salto de quinze pontos na taxa de documentos perfeitos é o maior ganho de engenharia individual da versão e também é o motivo pelo qual a pontuação composta variou tanto.

• HLE-MultiChoice v1.1 — Pontuação de Decisão de 46,11 com 6,29% de precisão bruta, com 38,4% de não alucinação. Seis por cento de precisão em um teste de conhecimento difícil não é um ponto forte; a Pontuação de Decisão é respeitável apenas porque o modelo é honesto sobre estar perdido. A própria publicação da Microsoft diz que esses modelos "explicitamente ainda não foram ajustados para os problemas mais difíceis", e é nesta linha que essa admissão aparece em público.

• AA-Omniscience-Decision v1.1 — 60,46 com 33,2% de precisão e 49,4% de não alucinação. A versão 1 obteve 21,7% em não alucinação, então o modelo aprendeu a recusar aproximadamente duas vezes mais confiavelmente enquanto ganhava dois pontos de precisão. Para um modelo de decisão, essa troca é o jogo inteiro.

Lido em conjunto, o perfil é coerente: este é um roteador rápido e bem calibrado, com uma base de conhecimento rasa. Esse é um produto defensável. Não é o produto que a frase da apresentação principal implica.

A screenshot of the Artificial Analysis page for Microsoft-Decision-1.1, headed 'Release, Decision Index Score, Performance & Price'. The headline figures read a Decision Index of 68 at rank 11 of 25, 123 ms per task and about $140 per million tasks. The comparison summary states the model is above average on the Decision Index but somewhat expensive and notably fast, supports text input and carries a 33k-token context window, with board medians of 66, 206 ms and $137. Component rows for Decision Index, AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision v1.1 and HLE-MultiChoice v1.1 sit below.

Preços, nas unidades que uma fatura realmente usa

O Foundry lista três tarifas de entrada para o Microsoft-Decision-1.1 e nenhuma tarifa de saída, porque o modelo não emite tokens de saída: US$ 0,042 por milhão de tokens de entrada no Global Standard, US$ 0,046 no US Data Zone e US$ 0,05 nas implantações EU Data Zone e APAC Data Zone. Escolha o SKU de zona de dados e você paga 19% a mais do que o valor anunciado para preservar a localidade. Esse é o primeiro ponto em que a alegação de “modelo de decisão mais barato” é silenciosamente revista.

O segundo ponto é a coluna de custo por tarefa, que é o que acontece quando você multiplica o preço do token por quanto de entrada uma tarefa realmente consome. A US$ 139,64 por milhão de tarefas, a AA coloca o Microsoft-Decision-1.1 em décimo quinto lugar entre vinte e cinco em custo — mais barato que o Gemini Decision 1 a US$ 344,90, mais caro que o Celeris-1.1 Decision a US$ 14 e o Decider v1.3 a US$ 68. O modelo é rápido e tem preço intermediário. Não é a pechincha da própria categoria, e a Microsoft nunca afirmou que fosse.

Onde isso deixa uma equipe que quer dar o assunto por encerrado

A rota de primeira parte é o Foundry: implante o modelo e depois envie um estado mais um mapa de perguntas tipadas para o endpoint de decisão. Os compradores empresariais vão se importar com o fato de que a Microsoft já o está usando como juiz dentro do Foundry Evaluations e como roteador no Copilot, onde a empresa relata a mesma decisão de roteamento tomada 2,2x mais rápido e com custo 4,4x menor do que um modelo de linguagem grande — um número informado pelo fornecedor, proveniente do próprio harness da Microsoft, não reproduzido fora dela.

O que vale dizer sem rodeios é o que o OrcaRouter oferece e o que não oferece. Não hospedamos Microsoft-Decision-1.1, nem Gemini Decision 1, nem qualquer endpoint de pontuação de decisões, porque uma API apenas de probabilidades não é um alvo de chat-completions e fingir o contrário seria o tipo de alegação de disponibilidade que soa bem e falha em produção. O que oferecemos é a metade de um pipeline de decisão que de fato gera — e uma janela para este lançamento é incomumente literal: Gemma 4 26B A4B, o modelo base exato que a Microsoft ajustou, está no nosso catálogo a $0.06 por milhão de tokens de entrada e $0.33 por milhão de tokens de saída, ao lado do Jev 1.14 a $0.042, o modelo em relação ao qual o Microsoft-Decision-1.1 é medido. Se você quiser ver quanto do comportamento de decisão vem do modelo base e quanto vem do pós-treinamento, ambas as pontas dessa comparação são alcançáveis com uma única chave, ao preço de lista do provedor, com 0% de markup repassado.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, headed with the model name and typesafe as the provider. Pricing shows $0.04 input and $0.04 output per million tokens, with a code sample posting a state and two typed questions to https://api.orcarouter.ai/v1/systemone. A performance panel lists a p50 time-to-first-token of 181 ms, a European Union inference region and zero data retention available, with 171.8M tokens of usage shown.

O que assistir a seguir

Duas coisas agora são testáveis publicamente que não eram na semana passada. A primeira é se o Decision Index continua aparecendo nas telas de keynote: um benchmark se torna um documento de compra no momento em que os fornecedores começam a citá-lo sob seu próprio logotipo, e o próximo fornecedor a fazer isso citará um subconjunto diferente de quatro modelos. A segunda é se {{KEEP}}Microsoft-Decision-1.1{{/KEEP}} mantém sua posição de roteamento quando o board cresce — When2Call carrega um peso de 10% e fornece a maior parte da vantagem do modelo sobre o Gemini Decision 1, o que significa que uma revisão rotineira do índice pode mover este ranking mais do que qualquer atualização de modelo.

Por enquanto, a frase precisa é mais estreita que o slide e mais útil: a Microsoft lançou um modelo de decisão que é duas vezes mais rápido que seu antecessor pelo mesmo preço por token, consideravelmente melhor calibrado, recém-capaz de ler imagens, ainda limitado a 32K tokens, honesto sobre o que não sabe e em décimo primeiro lugar no único ranking independente que o classifica. A apresentação principal disse que ele supera o Google e a OpenAI. Supera. Só não supera todo mundo.