
Microsoft-Decision-1.1 дошёл до основного доклада Ignite. Строка бенчмарка, которую он процитировал, верна и узка.
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 184 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 223 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 96 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Microsoft-Decision-1.1 стала общедоступной 17 ноября 2026 года — через шесть недель после Microsoft-Decision-1 и на совершенно другой базовой модели: Gemma 4 26B A4B, среднеразмерной системе mixture-of-experts, которую Microsoft называет в своём анонсе, заменив Qwen3.5-9B, на которой дообучалась версия 1. Эта замена и составляет суть релиза. Фраза, получившая более широкое распространение, прозвучала в основном докладе Ignite, где Decision 1.1 представили как маршрутизацию моделей, «встроенную прямо в ваши приложения», а затем подкрепили одной фразой: «в AA Decision Index он обходит Jev, Google и OpenAI». Эти три названия соответствуют Jev 1.14 с результатом 66,2, Gemini Decision 1 с результатом 66,0 и GPT-6 Luna (Decisions) с результатом 60,2 — против 67,78 у Microsoft-Decision-1.1. Все три сравнения корректны.
Это также самая лестная подборка из четырёх моделей в таблице, где сейчас ранжируются двадцать пять записей. Сегодня вечером десять моделей принятия решений набирают больше баллов, чем Microsoft-Decision-1.1: от d1.2-ultra с 74,8 через Drex Max v1.1 и SubQ Snap 1.2 с 72,6 до SubQ Snap 1.1 с 67,9. Фраза из пленарного доклада не была ложной. Это было тщательно подобранное сравнение, поданное в грамматике полного сравнения, и это различие стоит больше, чем сам запуск, потому что именно это происходит, когда индекс бенчмарков впервые попадает на слайд на конференции разработчиков гиперскейлера.
Что сказала сцена и что говорит доска
Опубликованная Microsoft в тот же день стенограмма keynote-доклада почти не освещает эту тему. После обзора моделей для программирования она переходит к принятию решений: «агенты всё чаще нужны для принятия решений, особенно там, где критичны скорость и стоимость. Поэтому Decision 1.1 обеспечивает маршрутизацию моделей, встроенную прямо в ваши приложения. И в AA Decision Index он обходит Jev, Google и OpenAI».
Если разобраться, это четырёхстороннее сравнение, которое индекс действительно поддерживает. По композитному показателю Decision Index v2.1, опубликованному Artificial Analysis и приведённому здесь по состоянию на 19 ноября 2026 года, Microsoft-Decision-1.1 набирает 67,78, Jev 1.14 — 66,2, Gemini Decision 1 — 65,98, а GPT-6 Luna (Decisions) — 60,2. Разрывы составляют 1,6, 1,8 и 7,6 балла. С этим не поспоришь.
Это предложение умалчивает о верхней половине таблицы, расположенной над ним. На той же странице Microsoft-Decision-1.1 занимает одиннадцатое место, и десять записей перед ним вовсе не безвестны:
• d1.2-ultra (Liquid AI) — 74,8, лидер таблицы, по цене $133 за миллион задач
• Drex Max v1.1 (Nace) — 72,6 за $103, и SubQ Snap 1.2 — 72,6 за $137
• GLiDE v1.2 (Fastino) — 72,5 при $780, Mammoth 27B (Baseten) — 71,4 при $264, d1-ultra — 70,6
• Decider v1.3 (Perplexity) — 70.4 при цене $68, Decider v1.2 — 69.8, d1.2 — 68.7, SubQ Snap 1.1 — 67.9
То, что вендор выбирает три названных конкурента, которые выгодно оттеняют его запуск, — не скандал; так делает каждый анонс запуска, а Microsoft необычно прямо говорит, что это именно те модели, которые она решила назвать. Самое интересное — это площадка. Проприетарный сторонний индекс — тот, чья редакция v2 вышла 8 ноября 2026 года, за девять дней до Ignite, и который на 45% построен на приватных наборах данных, — цитировался со сцены как авторитет для утверждения о собственной модели Microsoft. Это факт иного рода, чем скриншот вендорского бенчмарка, и это палка о двух концах: он повышает статус индекса и ставит индекс в положение, при котором избирательное цитирование теперь становится частью его репутации.
Что на самом деле изменилось между 1 и 1.1
Уберите слайд, и инженерия станет конкретной. Microsoft-Decision-1.1 — это не доработка октябрьской модели. Базовая модель сменилась с Alibaba Qwen3.5-9B, которую до сих пор указывает страница каталога v1, на Gemma 4 26B A4B. Microsoft описывает этот выбор в терминах затрат: достаточно активных параметров для суждений, достаточно мала, чтобы работать на парках A100, H100/200 и GB200/300. Собственный движок вывода, созданный для скоринга, а не для пошаговой генерации токенов, — вот что компания считает причиной задержки.
Возможность, которой не было в v1, — это ввод изображений. Microsoft-Decision-1.1 принимает текст, JSON или изображения — фотографии, скриншоты — и по-прежнему не принимает аудио, видео и любые формы сгенерированных объяснений. Названия типов вопросов не изменились: noul — вероятность для утверждения «да/нет», choice — одна метка из фиксированного набора с вероятностью для каждого варианта, score — позиция на упорядоченной шкале. Запрос отправляется по пути, который заканчивается на /providers/microsoft/v1/systemone, что является либо наименее понятным названием эндпоинта, выпущенным в этом квартале, либо подсказкой о том, какое место Microsoft отводит этой категории в стеке.
Контекст — это число, за которым стоит следить при миграции: Microsoft документирует «входные данные объёмом до 32K токенов», а Artificial Analysis фиксирует окно в 33k. В версии 1 было так же. Модели принятия решений, которая читает контракт объёмом 40 000 токенов, в этом релизе нет.
Три утверждения из поста о запуске, сверенные с табло
В собственном посте Microsoft приводятся три количественных утверждения, и независимые данные по каждому из них дают иной ответ.
• «Оценка 68» — значение индекса составляет 67,78. Это округление, а не инфляция, и это единственное утверждение, которое подтвердилось в точности.
• «Более чем в два раза быстрее» — версия 1 выполняет задачу за 274,25 мс, версия 1.1 — за 123,25 мс. Это в 2,23 раза быстрее, и благодаря этому новая модель занимает пятое место по скорости в таблице, а не двадцатое.
• «При той же стоимости» — верно на уровне токенов и вводит в заблуждение на практике. Обе версии указывают $0.042 за миллион входных токенов. Но измеренная стоимость на миллион задач составляет $139.64 для 1.1 против $142.56 для v1 — улучшение на 2%, а не сокращение вдвое. Та же цена, примерно тот же счёт, вдвое больше пропускной способности. Если ваше ограничение — задержка, а не расходы, обновление даёт большой выигрыш; если расходы, обновление почти ничего не меняет.

Где композит перестаёт согласовываться с маркетингом
Сводный индекс Decision Index v2.1 — не загадка. Он состоит из шести взвешенных компонентов, и показатель 67.78 у Microsoft-Decision-1.1 воспроизводится из них: 30% AA-Paperclip, 15% EvalSafe-O*NET-AA, 10% When2Call, 15% AA-Omniscience-Decision v1.1, 15% HLE-MultiChoice v1.1, 15% AA-Symmetry. Умножьте и сложите — и вы получите ровно 67.78. Именно эта прозрачность делает субпоказатели читаемыми, а субпоказатели — это то, где история запуска становится интересной.
• When2Call — 95.08. Это тест маршрутизации, и это самый сильный показатель в наборе с большим отрывом. Позиционирование Microsoft звучит так: «маршрутизация моделей, интегрированная в ваши приложения», и именно по тому единственному компоненту, который измеряет именно это, модель находится почти на вершине таблицы.
• AA-Paperclip — 58,67 Decision Score, 36,8% документов получили идеальные ответы. Это компонент с весом 30%: 1 500 закрытых документов, в каждом по пять решений и десять фактов, оцениваются по принципу «всё или ничего». Версия 1 прошла 20,9%. Скачок на пятнадцать пунктов по доле документов с идеальными ответами — крупнейшее единичное инженерное улучшение в релизе, и именно поэтому сводный показатель изменился настолько сильно.
• HLE-MultiChoice v1.1 — Decision Score 46.11 при сырой точности 6.29% и 38.4% отсутствия галлюцинаций. Точность в шесть процентов в сложном тесте на знания — это не сильная сторона; Decision Score выглядит достойно только потому, что модель честно признаёт, что потерялась. В собственном посте Microsoft говорится, что эти модели «явно ещё не настроены на более сложные задачи», и именно эта строка — то место, где это признание проявляется публично.
• AA-Omniscience-Decision v1.1 — 60,46 при точности 33,2% и 49,4% отсутствия галлюцинаций. Версия 1 набрала 21,7% по показателю отсутствия галлюцинаций, так что модель научилась отказываться примерно вдвое надёжнее, одновременно прибавив два процентных пункта точности. Для модели принятия решений этот компромисс решает всё.
В совокупности профиль выглядит связно: это быстрый, хорошо откалиброванный роутер с неглубокой базой знаний. Это защитимый продукт. Но это не тот продукт, который подразумевает фраза из презентации.

Цены — в тех единицах, которые реально используются в счёте.
Foundry указывает три входных тарифа для Microsoft-Decision-1.1 и вообще не указывает выходной тариф, поскольку модель не выдаёт выходных токенов: $0.042 за миллион входных токенов на Global Standard, $0.046 в US Data Zone и $0.05 при развёртывании в EU и APAC Data Zone. Выбирая SKU с привязкой к зоне данных, вы платите на 19% больше заявленной цифры за локальность. Именно здесь утверждение о «самой дешёвой решающей модели» незаметно подвергается первой корректировке.
Второй пункт — столбец стоимости за задачу, который получается, если умножить цену токена на то, сколько входных данных фактически потребляет задача. При $139,64 за миллион задач AA ставит Microsoft-Decision-1.1 на пятнадцатое место из двадцати пяти по стоимости — дешевле, чем Gemini Decision 1 за $344,90, но дороже, чем Celeris-1.1 Decision за $14 и Decider v1.3 за $68. Модель быстрая, а её цена — средняя. Это не самое выгодное предложение в своей категории, и Microsoft никогда не утверждала обратного.
В каком положении это оставляет команду, которая хочет это назвать
Маршрут от самой Microsoft — Foundry: разверните модель, затем отправьте состояние плюс карту типизированных вопросов к эндпоинту принятия решений. Корпоративным покупателям будет важно, что Microsoft уже использует его в качестве судьи внутри Foundry Evaluations и в качестве маршрутизатора в Copilot, где, по сообщению компании, одно и то же решение о маршрутизации принимается в 2,2 раза быстрее и при затратах в 4,4 раза ниже, чем у большой языковой модели, — заявленная вендором цифра по результатам собственного испытательного стенда Microsoft, не воспроизведённая за его пределами.
Стоит прямо сказать, что OrcaRouter предлагает, а что — нет. Мы не хостим Microsoft-Decision-1.1, Gemini Decision 1 или какой-либо эндпоинт для скоринга решений, потому что API, возвращающий только вероятности, не подходит в качестве цели для chat-completions, а делать вид, что это не так, — это как раз тот тип заявлений о доступности, который красиво звучит и ломается в продакшене. А предлагаем мы ту половину конвейера принятия решений, которая действительно генерирует, — и один взгляд на этот релиз на редкость буквален: Gemma 4 26B A4B — та самая базовая модель, которую дообучала Microsoft, есть в нашем каталоге по цене $0.06 за миллион входных и $0.33 за миллион выходных токенов, наряду с Jev 1.14 по цене $0.042, моделью, с которой сравнивают Microsoft-Decision-1.1. Если вы хотите увидеть, какая часть поведения при принятии решений приходится на базовую модель, а какая — на посттренинг, оба конца этого сравнения доступны с одного ключа, по прайс-листовой цене провайдера с 0% наценки, переданной напрямую.

Что посмотреть дальше
Две вещи теперь можно проверить публично, чего нельзя было на прошлой неделе. Первая — продолжает ли Decision Index появляться на экранах ключевых докладов: бенчмарк становится закупочным документом в тот момент, когда вендоры начинают цитировать его под собственным логотипом, и следующий вендор, который это сделает, процитирует другую подборку из четырёх моделей. Вторая — удержит ли Microsoft-Decision-1.1 свою позицию в маршрутизации, когда табло расширится, — When2Call имеет вес 10% и обеспечивает большую часть преимущества модели над Gemini Decision 1, а значит, рутинный пересмотр индекса может сдвинуть этот рейтинг сильнее, чем любое обновление модели.
На данный момент точная формулировка уже, чем слайд, и полезнее: Microsoft выпустила модель принятия решений, которая вдвое быстрее предшественницы при той же цене за токен, заметно лучше откалибрована, теперь умеет читать изображения, по-прежнему ограничена 32K токенов, честна насчёт того, чего не знает, и занимает одиннадцатое место в единственном независимом рейтинге, который её оценивает. В основном докладе говорилось, что она превосходит Google и OpenAI. Так и есть. Просто она не превосходит всех.
