
MAI Decision 1 — это на самом деле Decision 1.1, а заголовок о 200x — не от Microsoft.
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 90 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 87 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 за 1 млн токенов · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 за 1 млн токенов · 182 tok/s
Два числа о MAI Decision 1 разошлись 17 ноября 2026 года: что она в 10 раз быстрее и в 200 раз дешевле универсальной модели. Ни одна из этих цифр нигде не встречается в собственном анонсе Microsoft. Модель, которую Microsoft фактически выпустила на Ignite, — это Microsoft-Decision-1.1, а опубликованные компанией заявления утверждают, что она в 50 раз быстрее и в 79 раз дешевле GPT-Sol 6.1 — по сравнению с конкретной названной моделью, на конкретном испытательном стенде, а не с «универсальной моделью». С этого разрыва стоит начинать, потому что это разница между маркетинговым соотношением и цифрой, которую можно проверить. Вот что было выпущено, что Microsoft задокументировала и как это оценивает независимый совет.
Сначала имя
В материалах Microsoft никогда не используется строка "MAI Decision 1". В публикации о линейке Ignite модель называется Decision 1.1, в блоге Foundry — Microsoft-Decision-1.1, и карточка модели в каталоге Foundry носит то же название. Обозначение "MAI Decision 1" взято из сторонних публикаций о презентации, как и "MAI Code 2", "MAI Code 2 Flash" и "MAI Cyber 2 Flash" — то же семейство, переименованное наблюдателями, а не самим поставщиком.
Это важно по одной практической причине: Microsoft-Decision-1.1 — не первая модель принятия решений, выпущенная Microsoft. Microsoft-Decision-1 стала общедоступной в Foundry 8 октября 2026 года; она построена на базе Qwen3.5-9B от Alibaba, работает только с текстом, а на момент запуска опубликованных результатов бенчмарков не было. То, что появилось 17 ноября, — это версия 1.1 той же продуктовой линейки, с другой базовой моделью, мультимодальным вводом и гораздо более полными данными о производительности. Воспринимайте всё, что вы читаете о «MAI Decision 1», как относящееся к версии 1.1, если не указано иное.
Что на самом деле находится в коробке
Контракт не изменился по форме и стал значительно шире по охвату. Вы отправляете состояние — текст или JSON — плюс один или несколько типизированных вопросов, каждый с фиксированным набором вариантов, и вместо прозы получаете вероятности. Документированы три примитива вопросов: да/нет («noul» в API), выбор из помеченного набора и оценка по упорядоченным уровням, возвращаемое значение которой является средневзвешенным по вероятностям значением индексов уровней. Всё в одном вызове, за один проход, без цикла декодирования.
Что нового в 1.1:
• Базовая модель — Gemma 4 26B-A4B, смесь экспертов с открытыми весами от Google, дообученная Microsoft. Версия 1 была дообучена на Qwen3.5-9B.
• Ввод — текст и изображения. Версия 1 была только текстовой.
• Обработка изображений — PNG или JPEG, от 280 до 1 568 пикселей по каждой стороне, до 8 изображений на вопрос, включая любые изображения, на которые есть ссылки из состояния, с общим ограничением в 645 120 обработанных пикселей. Сервис изменяет размер до фиксированного рабочего размера, поэтому загрузка изображения большего размера не расходует больше токенов.
• Контекст — 32 768 входных токенов для комбинации состояния и вопроса, тот же потолок, что и в версии 1.
• Языки — обучение и оценка проводились на 25+ языках, тогда как базовая модель напрямую поддерживает 35+ языков. Microsoft прямо указывает, что покрытие базовой модели не означает подтверждённой калибровки для каждого языка.
• Сервинг — это эндпоинт для принятия решений, а не chat completion: запросы отправляются на /providers/microsoft/v1/systemone в вашем ресурсе Foundry, при этом имя развертывания указывается в поле model. Microsoft утверждает, что там используется собственный движок инференса, написанный для задач принятия решений, а не для стека генерации текста.
• Цена — $0.042 за миллион токенов в Global Standard, $0.05 в зонах данных ЕС и APAC. Та же, что и в версии 1; вызовы решений тарифицируются по входным токенам, поскольку выходных токенов для оплаты фактически нет.
• Окно обучения — с октября по ноябрь 2026 года, согласно карточке модели.
• Веса — отсутствуют. Это размещённая в облаке модель из портфеля Foundry «Direct from Azure». Скачивание и дообучение не предусмотрены.
Исключения сформулированы так же прямо, как и возможности, и они по-прежнему определяют продукт. Microsoft-Decision-1.1 не предназначен для генерации текста, ответов на открытые вопросы, ведения диалога, перевода или суммирования, а также для задач, требующих знаний, отсутствующих во входных данных. Он не выдаёт обоснований. В ответе содержатся вероятности и ничего, что можно было бы показать пользователю в качестве объяснения, а значит, объяснение — ваша задача, и порог — ваше решение: 0,7 требует эскалации, 0,95 — нет, и эта граница задаётся приложением, а не поставщиком.
Два утверждения о скорости и стоимости — и какое из них выдерживает проверку
«Циркулирующая версия — „в 10 раз быстрее и в 200 раз дешевле универсальной модели“ — не имеет референта. Соотношение с неназванной моделью невозможно воспроизвести, а два опубликованных сравнения Microsoft, в которых что-то всё же названо, одновременно и уже, и масштабнее.»
В посте Ignite говорится, что Decision 1.1 «работает в 50 раз быстрее и стоит в 79 раз дешевле, чем GPT-Sol 6.1». В посте о запуске Foundry говорится, что она «более чем в два раза быстрее нашей первой модели при той же стоимости», и приводится пример с Copilot: маршрутизация между Copilot и Cowork с той же точностью, что и у большой языковой модели, в 2,2 раза быстрее и в 4,4 раза дешевле. Это измерения поставщика на собственном трафике Microsoft и собственном тестовом стенде Microsoft. Они не ошибочны — у них есть чёткие границы применимости. Цифры 50x и 79x относятся к одному конкуренту и одному типу решения о маршрутизации, а не к моделям принятия решений в целом.
Одно из утверждений можно проверить с помощью третьей стороны, и оно подтверждается. Artificial Analysis измеряет Decision 1.1 на уровне 123,25 миллисекунды на задачу в своём Decision Index v2.1 против 274,25 мс у Microsoft-Decision-1. Это в 2,23 раза, что и означает «более чем вдвое быстрее». Утверждение о стоимости также выдерживает проверку, хотя и в ослабленной форме: AA рассчитывает $139,64 за миллион задач для 1.1 против $142,56 для версии 1 — примерно на 2% дешевле, а не та же цена, поскольку две версии используют разное количество токенов на задачу даже при одинаковой цене за токен. «При той же стоимости» — это точно о прайс-листе и слегка щедро о счёте.
Какое место он занимает и как сформулировано заявление Microsoft
В публикации Microsoft о запуске говорится, что Decision 1.1 «набирает 68 баллов, на шесть пунктов больше, чем у нашей первой модели, и опережает Jev 1.14, Gemini Decision 1 от Google и GPT-6 Luna (Decisions) от OpenAI». По данным Artificial Analysis Decision Index v2.1 по состоянию на 18 ноября 2026 года, каждый из этих пунктов верен. Decision 1.1 — 67,78. Jev 1.14 — 66,23, Gemini Decision 1 — 65,98, GPT-6 Luna — 60,25. Version 1 — 62,07, так что рост на шесть пунктов тоже реальный.
Чего в этом предложении нет, так это того, где модель находится в полном поле. Она занимает восьмое место в таблице, отставая на семь очков от единоличного лидера и опережая на полтора очка модель, которую назвала 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

Семь моделей набирают больше баллов, а лидер опережает на 7,1 балла. Отдельное утверждение Microsoft — «наивысшая средняя точность среди восьми моделей принятия решений» в её собственном внутреннем наборе из 102 бенчмарков и 385 000 вопросов — это заявление о поле, которое Microsoft выбрала сама; для вендора нормально такое публиковать, но плохо воспринимать это как рейтинг. Независимый список насчитывает восемнадцать ранжированных моделей, и Microsoft входит в его верхнюю половину.
Суб-оценки информативнее композитной оценки, потому что показывают, что дало постобучение. В шести составляющих оценках AA Decision 1.1 набирает 95,1 балла в вызове инструментов When2Call, 88,8 — в EvalSafe-O*NET, 75,7 — в симметрии, 58,7 — в принятии решений по документам AA-Paperclip, 60,5 — во всезнании и 46,1 — в HLE с множественным выбором. Его индекс точности составляет 48,45 против 40,59 у версии 1, а показатель Бриера — мера калибровки, чем ниже, тем лучше — улучшается с 0,1965 до 0,1604. Это изменение показателя Бриера — самое значимое число в релизе: оно говорит, что вероятности стали ближе к истине, а это единственное свойство, которое делает применение порога к модели принятия решений разумным инженерным выбором.

Настоящая история — это переключение на базовую модель.
Версия 1 была результатом посттренинга Qwen3.5-9B — плотной модели с 9B параметров. Версия 1.1 — это результат посттренинга Gemma 4 26B-A4B, смеси экспертов с примерно 4B активных параметров. Сама Microsoft объясняет это экономикой обслуживания, а не качеством: достаточно активных параметров для суждений, достаточно компактна, чтобы работать в парках A100, H100/200 и GB200/300, с собственным движком, который маршрутизирует запросы между пулом GPU исходя из стоимости, а не только задержки.
Из этого следуют три последствия, и именно они должны волновать команду платформы. Во-первых, MoE с 4B активных параметров дешево обслуживать на один вызов именно потому, что большая часть модели простаивает, — отсюда и 123 мс. Во-вторых, переключение сбрасывает историю с языками и калибровкой: базовая модель изменилась, утверждение о 25 языках относится к новой базе, и любая калибровка, которую вы измеряли на версии 1, не переносится. В-третьих, лицензия на базовую модель принадлежит Google, тогда как постобученная модель принадлежит Microsoft и доступна только в виде хостингового сервиса, — так что открытая весовая линейка ничего не дает вам с операционной точки зрения. Вы не можете скачать эту модель, и то, что база открыта, этого не меняет.
Сколько стоит звонок — в тех единицах, которыми вы фактически платите
При $0.042 за миллион входных токенов вызов маршрутизации с обращением на 1 200 токенов и вопросом с тремя вариантами стоит около $0.00005 — пять сотых цента. Миллион таких вызовов стоит примерно $50 по прайс-листу; измеренные AA $139.64 за миллион задач выше, потому что её задачи длиннее обращения в поддержку, и это полезное напоминание о том, что цена за токен и стоимость за задачу — разные единицы, и именно вторая фигурирует при проверке бюджета.
Сравнение, которое делает экономику понятной, — это сравнение с универсальной моделью, выполняющей ту же задачу в режиме JSON. Вы платите за её выходные токены, а для структурированного ответа это десятки или сотни токенов на вызов, а не ноль, и вы платите за рассуждения, которые она выполняет перед ответом. Именно об этом разрыве Microsoft говорит, называя 79x, и этот разрыв реален, даже если точная кратность — это выбор вендором базовой линии для сравнения.
Неловкость возникает там же, где и всегда с хостируемым скорером от одного поставщика: один прайс-лист, одно ограничение скорости запросов и одна региональная история. Foundry предлагает развертывания Global Standard и Data Zone Standard, причём вариант Data Zone стоит на 19% дороже — $0.05 за миллион токенов. Если ваша нагрузка чувствительна к задержкам, документация рекомендует размещать ресурс Foundry в том же регионе, что и приложение; это честный совет, который также говорит о том, что модель не волшебная — это небольшая MoE за очередью.
Добраться до этого, не перестраивая свой стек
Сам эндпоинт Decision в каталоге OrcaRouter отсутствует, как и его предшественник — Microsoft поставляет эту модель через Foundry и больше нигде.А в каталоге — по прайс-листовой цене провайдера со сквозной наценкой 0% — есть два объекта, которые нужны вам, чтобы рассчитать стоимость решения ещё до покупки. Gemma 4 26B A4B — это база для post-train, она маршрутизируется по $0,25 за миллион входных токенов и $2,90 за миллион выходных; это именно база, а не post-train, поэтому калиброванные вероятности Decision 1.1 она не вернёт, но архитектура у неё та же, и это честный минимум того, сколько стоит универсальная модель такой формы. Jev 1.14, которую Microsoft называет и опережает на 1,55 балла в независимом рейтинге, маршрутизируется по $0,042 за миллион токенов на входе и на выходе.
Такое сочетание полезно на этапе оценки, а не в продакшене. Если вы решаете, стоит ли вообще включать модель принятия решений в путь маршрутизации, вы можете сравнить две маршрутизируемые конечные точки на собственных размеченных тикетах через один ключ, с автоматическим переключением между провайдерами при отказе, ещё до того, как вообще создадите развёртывание в Azure. Если ответ положительный и цифры говорят в пользу Decision 1.1, разверните её в Foundry и оставьте маршрутизатор перед ней — одна конечная точка как для вызовов принятия решений, так и для генеративных вызовов, чтобы ограничение скорости модели принятия решений не превратилось в простой вашего приложения.

Кому сейчас стоит сделать ход, а кому подождать две недели
Переходите сейчас, если вы уже платите универсальной модели за классификацию, оценку или гейтинг и ваш объём достаточно высок, чтобы стоимость одного вызова была видна на графике. Медиана 123 мс и цена $0.042 — это явный выигрыш по сравнению с передовой моделью, выполняющей ту же оценку, а мультимодальный ввод — это разница между скоринг-моделью, которой можно передать скриншоты, и той, которой нельзя.
Не спешите, если ваше решение затрагивает людей — кредитование, трудоустройство, жильё, страхование, здравоохранение, юридические вопросы — потому что собственная карточка Microsoft говорит, что там нельзя использовать её как единственный инструмент для принятия решений, и ничто в {{1}}1.1{{/1}} этого не меняет. Не спешите также, если вам нужна калибровка, которую можно обосновать: Brier {{2}}1.1{{/2}} со значением 0,160 — это улучшение, а не гарантия, и в документации прямо сказано, что оценки меняются в зависимости от формулировки и порядка вариантов. Проверяйте на собственных метках, рандомизируйте порядок вариантов и устанавливайте пороги с учётом стоимости двух типов ошибок, а не по графику поставщика.
Честное резюме 17 ноября скромнее и полезнее, чем заголовок с 200x: Microsoft выпустила более быстрый, мультимодальный и лучше откалиброванный оценщик решений по цене, которая делает оценку каждого запроса доступной, и он достаточно хорош, чтобы находиться в верхней половине независимого рейтинга, а не на его вершине. Модель реальна. Соотношения из твита — нет.
