
MAI Decision 1 против Microsoft Decision 1: одна и та же линейка продуктов, разница в шесть пунктов
- 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
В этом противостоянии есть ловушка, и ловушка — это сама посылка. MAI Decision 1 и Microsoft Decision 1 — не две конкурирующие модели. Это одна и та же продуктовая линейка Microsoft с разницей в одну версию: модель, которую в материалах Ignite назвали MAI Decision 1, — это Microsoft-Decision-1.1, а Microsoft-Decision-1 — октябрьский релиз, который она заменяет. Так что полезное сравнение — не «какой вендор победит», а «что дали пять недель и новая базовая модель и стоит ли обновление миграции для тех, кто уже использует старую конечную точку в продакшене». Короткий ответ: шесть пунктов индекса, вдвое меньшая задержка, ввод изображений и прайс-лист, который не изменился.
Именование — решено раз и навсегда
Метка слева в этом сравнении взята из репортажей с презентации, а не из Microsoft. Собственные строки вендора — «Decision 1.1» в посте с линейкой Ignite и «Microsoft-Decision-1.1» в блоге Foundry и карточке модели; префикс MAI перешёл вместе с MAI Code 2 и MAI Cyber 2 Flash через те же сторонние публикации и прижился. Так что эта страница сравнивает версию 1.1 с версией 1 одной продуктовой линейки, и интересный вопрос не в том, какой вендор побеждает, а в том, что изменили пять недель и другая базовая модель.
Версия 1 не была отозвана. Она по-прежнему указана в Foundry и по-прежнему оценивается в независимом рейтинге — поэтому эти два названия постоянно появляются рядом в сравнительных таблицах, иногда как конкуренты из разных компаний, хотя это не так.
Шесть недель, две модели, одна цена
Версия 1 стала общедоступной (GA) 8 октября 2026 года: текстовый пост-трейн Alibaba Qwen3.5-9B, калиброванные вероятности по фиксированному набору вариантов, лимит в 32 768 токенов, без весов, без опубликованных показателей бенчмарков. Версия 1.1 вышла 17 ноября с базой Gemma 4 26B-A4B, вводом изображений и полной историей производительности — при этом прайс-лист остался ровно там же, на уровне $0,042 за миллион токенов.
• Базовая модель — Qwen3.5-9B, плотная, 9B общих параметров против Gemma 4 26B-A4B, смесь экспертов с примерно 4B активных; обе прошли постобучение внутри компании
• Модальность — только текст или текст, JSON и изображения PNG/JPEG, до 8 на вопрос
• Предел входных данных — 32 768 токенов против 32 768 токенов, без изменений
• Типы вопросов — да/нет, с множественным выбором, рейтинг, классификация, рубрика в сравнении с тем же набором, представленные в виде трёх типизированных примитивов (noul, choice, score)
• Цена — $0,042/млн токенов Global Standard, $0,05 для ЕС и APAC против идентичных
• Измеренная задержка — 274,25 мс на задачу против 123,25 мс на задачу, Artificial Analysis
• Измеренная стоимость — $142.56 за миллион задач против $139.64 за миллион задач, Artificial Analysis
• Индекс решений v2.1 — 62,07 против 67,78
• Веса — нет, размещены только в Foundry, против: нет, размещены только в Foundry
Единственная строка, которая не изменилась, — это та, по которой большинство команд планирует бюджет, а та, что изменилась сильнее всего, — та, о которой никто не трубит: задержка сократилась вдвое, а цена за токен осталась прежней, потому что новая базовая модель — разреженная и выполняет гораздо меньше работы за вызов.

Из чего сделаны шесть точек
Совокупный разрыв в 5,71 распределён неравномерно, и эта неравномерность подсказывает, для каких рабочих нагрузок создавалось обновление. По шести составляющим оценкам Artificial Analysis, если смотреть на таблицу на 18 ноября 2026 года:
• Вызов инструментов When2Call — 95,1 на версии 1.1 против 87,9 на версии 1: прирост на 7,1 пункта, и именно этот показатель важен для guardrails агентов
• Оценка рабочего места EvalSafe-O*NET — 88,8 против 86,8
• AA-Symmetry, инвариантность решения при переформулировке — 75,7 против 70,4
• Решения по документу AA-Paperclip — 58,7 против 51,8, крупнейший абсолютный скачок
• AA-Omniscience, знания и галлюцинации — 60,5 против 54,9
• HLE, рассуждение с множественным выбором — 46,1 против 39,4
Все субпоказатели улучшились, что необычно и делает агрегированный показатель заслуживающим доверия; составной показатель, который растёт в одной оценке и падает в двух, обычно является артефактом взвешивания. Прирост инвариантности — это незаметное изменение, которое стоит отметить. Симметрия измеряет, сохраняется ли решение при перестановке вариантов или переформулировке вопроса — именно тот режим отказа, о котором предупреждает собственная документация Microsoft, и именно то свойство, которое определяет, сработает ли в продакшене порог, настроенный вами на стенде. Переход с 70 на 76 по этому показателю — большее операционное изменение, чем переход с 62 на 68 по основному показателю.
Калибровка улучшилась в том же направлении. Оценка Бриера (Brier score), которая измеряет квадрат разрыва между заявленной вероятностью и истиной, снизилась с 0,1965 до 0,1604 — чем ниже, тем лучше. Точность выбранного варианта выросла с 40,6 до 48,5. Оба числа — это измерения Artificial Analysis на его собственных задачах, а не Microsoft, и именно поэтому их стоит учитывать: собственное представление Microsoft при запуске 1.1 — это оценка 68 «на шесть пунктов выше нашей первой модели», а независимая панель оказывается в пределах половины пункта от этого — на 67,78 при приросте на 5,71 пункта. На этот раз поставщик и аудитор в целом согласны.

Где старая модель всё ещё остаётся верным выбором
Есть три обоснованные причины оставаться на Microsoft-Decision-1, и ни одна из них — не производительность.
Первое — это замороженная оценка. Если вы калибровали пороги по версии 1 на собственных размеченных данных — а вам следовало это сделать — то смена базовой модели обесценивает эту работу. Плотная 9B-модель, дообученная для скоринга, и 26B MoE, дообученная для скоринга, ошибаются в разных местах, а документация для 1.1 прямо указывает, что калибровка наиболее надёжна на знакомых типах задач и может смещаться при изменении формулировок. Повторная настройка — это реальные затраты, и они ложатся на команду, а не на поставщика.
Второй аспект — языковой охват. В версии 1 была история постобучения на 25 языках на базе Qwen, при этом доступно было более 200 языков. В версии 1.1 — история о 25+ языках на базе Gemma, для которой задокументировано 35+ языков. «Двадцать пять плюс» — это не двадцать пять, и если вы ведёте многоязычную очередь, честный ход — проверить, а не предполагать, что число выросло.
Третье — это форма вашей зависимости. Обе версии доступны только как хостинговый сервис, один поставщик, один прайс-лист, один режим ограничения скорости. Обновление меняет вашу область отказа, но не уменьшает её. Если вы уже обернули конечную точку собственным резервным механизмом, использование версии 1 будет стоить вам задержки и точности, но не доступности; если нет, обновление даст вам более быструю модель при той же единственной точке отказа.
Запуск обоих бок о бок перед коммитом
Сама миграция небольшая, и это приятная часть. Форма конечной точки не изменилась — состояние плюс типизированные вопросы к маршруту принятия решений в ресурсе Foundry — а развёртывание представляет собой смену версии модели, а не переписывание интеграции. Меняется всё, что находится ниже по потоку от ответа: вероятности, пороги и приведённые выше подоценки.
Итак, запустите оба. Отправьте один и тот же размеченный пакет в оба развёртывания, сравните точность выбора варианта на пороге, который вы реально используете, и отдельно посмотрите на хвосты — случаи, когда версия 1 выдала 0,55, а версия 1.1 выдаёт 0,88, — это те, что незаметно изменят вашу частоту эскалации. Прирост за счёт симметрии говорит о том, что 1.1 должен быть более устойчивым при переупорядочивании вариантов; проверьте это на собственных промптах, а не полагайтесь на это число.
Судья и оцениваемый объект на одном ключе — это та конфигурация, к которой в итоге стремятся большинство команд, и ни одна модель Decision не может этого дать: обе — хостируемые эндпоинты, доступные только в Foundry, поэтому маршрутизатор перед ними — это ваш собственный код. А что маршрутизатор может делать тем временем — так это предоставлять средства контроля. Gemma 4 26B A4B — базовая версия, на основе которой была дообучена версия 1.1, — маршрутизируется через OrcaRouter по цене $0,25 за миллион входных токенов и $2,90 за миллион выходных, а Jev 1.14, модель Decision, с которой Microsoft сравнивает свои результаты в бенчмарках, — по цене $0,042 за миллион входных и выходных токенов. Ни одна из них не воспроизводит калиброванные ответы версии 1.1. Обе показывают, попадает ли универсальная модель на ваших собственных данных в пределы нескольких пунктов от модели Decision, — а это и есть вопрос, который решает, нужна ли она вам вообще.

Ответ на вопрос о версии
Если вы выбираете сегодня и вам не нужно отстаивать унаследованные пороги, берите 1.1. По независимому измерению он быстрее в 2,2 раза, немного дешевле в расчёте на задачу, лучше откалиброван, лучше справляется с гейтингом вызовов инструментов и единственный из двух умеет читать скриншоты. Прайс-лист идентичен, поэтому предельные затраты на обновление равны нулю.
Если вы уже используете версию 1 в продакшене, обновление стоит выполнить, и оно не срочно в том же смысле, в каком срочен патч безопасности. Предусмотрите ресурсы на повторную настройку, поддерживайте старый деплой в рабочем состоянии, пока новые пороги не станут стабильно выполняться на живом трафике, а улучшение симметрии воспринимайте как повод ожидать меньше сюрпризов, а не как обещание, что их не будет совсем.
Это противостояние — не выбор между вендорами. Оба названия указывают на одну и ту же линейку решений Microsoft, разнесённую на пять недель и одну базовую модель, при одинаковой цене $0.042 за миллион токенов. Интересный вопрос никогда не состоял в том, кто победит; он в том, достаточно ли второй лучше, чтобы платить за перекалибровку. На независимом стенде — да.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
