Сгенерированная титульная карточка с заголовком «MAI Decision 1 vs Microsoft Decision 1» и подзаголовком «та же линейка продуктов, с разницей в шесть индексных пунктов», разделённая на две скруглённые панели вокруг диска «vs». Левая панель, «Microsoft-Decision-1.1», содержит подпись «GA 17 ноября 2026» и строки «67,78 индекс решений», «123 мс на задачу», «изображения и текст» и «на базе Gemma 4»; правая панель, «Microsoft-Decision-1», содержит «GA 8 октября 2026», «62,07 индекс решений», «274 мс на задачу», «только текст» и «на базе Qwen3.5». В нижнем колонтитуле указано: «Оба указаны по цене /bin/bash.042 за миллион входных токенов». Логотип OrcaRouter размещён в белой полосе под изображением.
Guides & Insights

MAI Decision 1 против Microsoft Decision 1: одна и та же линейка продуктов, разница в шесть пунктов

Автор

jinhao.song

Дата публикации

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

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 A​libaba Qw​en3.5-9B, 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 — Qw​en3.5-9B, 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.

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.

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.

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.

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.

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.

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

© 2026 OrcaRouter