Сгенерированная титульная карточка для статьи с заголовком «MAI Decision 1 — на самом деле Decision 1.1» и подзаголовком «а заголовок про 200x — не от Microsoft», разделённая на две скруглённые панели по обе стороны от диска с жирным «vs». В левой панели «Пост, который разошёлся» перечислены пункты «в 10 раз быстрее», «в 200 раз дешевле», «против универсальной модели» и «базовая модель не названа»; в правой панели «Собственное заявление Microsoft» перечислены пункты «в 50 раз быстрее», «в 79 раз дешевле», «против GPT-Sol 6.1» и «указанная базовая модель». В нижнем колонтитуле написано: «Независимая проверка: 67,78 в AA Decision Index v2.1 — восьмое место из восемнадцати ранжированных моделей». Логотип OrcaRouter скомпонован на белой полосе под иллюстрацией.
Guides & Insights

MAI Decision 1 — это на самом деле Decision 1.1, а заголовок о 200x — не от Microsoft.

Автор

Gideon Frost

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

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 G​oogle, 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

A screenshot of the Artificial Analysis Decision Index v2.1 leaderboard page, headed 'Artificial Analysis Decision Index v2.1' with the subheading describing a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, and the constituent evaluation labels AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision, HLE-MultiChoice and AA-Symmetry.

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.

A generated single-column scoreboard card titled 'Microsoft-Decision-1.1 — the scoreboard' with six rows: AA Decision Index v2.1 67.78, eighth of eighteen; latency per task 123 ms; cost per million tasks 139.64 dollars; Brier score 0.160, lower is better; input context 32,768 tokens; price per million input tokens 0.042 dollars. The footer reads 'Index, latency, cost and Brier per Artificial Analysis v2.1, read 18 November 2026; price per Microsoft Foundry's list.' The OrcaRouter logo is composited in the white strip below the artwork.

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.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, showing the OrcaRouter navigation, a models breadcrumb for the typesafe vendor, the model name typesafe/jev-1.14, HF and ZDR badges, a Data retention panel noting that Zero Data Retention is available and that with ZDR on requests go only to providers, and the page's Code samples and Pricing sections.

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.

© 2026 OrcaRouter