Ett genererat titelkort till artikeln med rubriken "MAI Decision 1 är egentligen Decision 1.1" och underrubriken "och 200x-rubriken är inte Microsofts", uppdelat i två rundade paneler på var sida om en fet "vs"-skiva. Den vänstra panelen, "Inlägget som spreds", listar "10x snabbare", "200x billigare", "mot en generell modell" och "ingen namngiven baslinje"; den högra panelen, "Microsofts eget påstående", listar "50x snabbare", "79x billigare", "mot GPT-Sol 6.1" och "namngiven baslinje". En sidfot lyder "Oberoende kontroll: 67,78 på AA Decision Index v2.1, åttonde av arton rankade modeller." OrcaRouter-logotypen är inlagd i den vita remsan nedanför bilden.
Guides & Insights

MAI Decision 1 är egentligen Decision 1.1 – och 200x-rubriken är inte Microsofts.

Författare

Gideon Frost

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Två siffror om MAI Decision 1 cirkulerade den 17 november 2026: att det är 10 gånger snabbare och 200 gånger billigare än en generell modell. Ingen av siffrorna förekommer någonstans i Microsofts eget tillkännagivande. Modellen som Microsoft faktiskt lanserade på Ignite är Microsoft-Decision-1.1, och företagets publicerade påståenden anger att den är 50 gånger snabbare och 79 gånger billigare än GPT-Sol 6.1 – jämfört med en specifik namngiven modell, i ett specifikt testramverk, inte mot "en generell modell". Den skillnaden är värd att inleda med, eftersom den är skillnaden mellan ett marknadsföringstal och en siffra du kan kontrollera. Här är vad som lanserades, vad Microsoft dokumenterade och var en oberoende nämnd placerar det.

Först, namnet

Microsofts material använder aldrig strängen "MAI Decision 1". Inlägget om Ignite-lineupen kallar modellen Decision 1.1, Foundry-bloggen kallar den Microsoft-Decision-1.1, och modellkortet i Foundry-katalogen har samma namn. Etiketten "MAI Decision 1" kommer från tredjepartsrapportering om keynoten, tillsammans med "MAI Code 2", "MAI Code 2 Flash" och "MAI Cyber 2 Flash" – samma familj, omdöpt av observatörer snarare än av leverantören.

Det spelar roll av en praktisk anledning: Microsoft-Decision-1.1 är inte den första beslutsmodell som Microsoft har lanserat. Microsoft-Decision-1 blev allmänt tillgänglig på Foundry den 8 oktober 2026, byggd på Alibabas Qwen3.5-9B, endast text, utan publicerade benchmark-siffror vid lanseringen. Det som kom den 17 november är version 1.1 av samma produktlinje, med en annan basmodell, multimodala indata och en betydligt fylligare prestandaberättelse. Betrakta allt du läser om "MAI Decision 1" som att det handlar om 1.1 om det inte uttryckligen står något annat.

Vad är det egentligen i lådan?

Kontraktet är oförändrat till formen och har betydligt större räckvidd. Du skickar ett tillstånd — text eller JSON — plus en eller flera typade frågor, var och en med en fast uppsättning alternativ, och du får sannolikheter tillbaka i stället för prosa. Tre frågeprimitiver dokumenteras: en ja/nej-fråga ("noul" i API:et), ett val från en uppsättning med etiketter och en poäng på ordnade nivåer vars returvärde är det sannolikhetsviktade medelvärdet av nivåindexen. Allt i ett anrop, ett pass, ingen avkodningsloop.

Vad är nytt i 1.1:

• Basmodell – Gemma 4 26B-A4B, G​oogles öppna mixture-of-experts-modell med öppna vikter, eftertränad av Microsoft. Version 1 eftertränades på Qwen3.5-9B.

• Indata — text och bilder. Version 1 var endast text.

• Bildhantering – PNG eller JPEG, 280 till 1 568 pixlar per sida, upp till 8 bilder per fråga, inklusive eventuella som refereras från tillståndet, med en gräns på 645 120 bearbetade pixlar totalt. Tjänsten ändrar storleken till en fast arbetsstorlek, så en större uppladdning förbrukar inte fler tokens.

• Kontext — 32 768 indatatokener för kombinationen av tillstånd och fråga, samma tak som i version 1.

• Språk – tränade och utvärderade på 25+, mot 35+ som stöds direkt av basmodellen. Microsoft är tydliga med att basmodellens täckning inte fastställer validerad kalibrering per språk.

• Serving – en beslutsändpunkt i stället för en chattkomplettering: förfrågningar går till /providers/microsoft/v1/systemone på din Foundry-resurs, med ett distributionsnamn i modellfältet. Microsoft säger att den kör en anpassad inferensmotor skriven för beslutsarbetsbelastningar i stället för en textgenereringsstack.

• Pris — $0.042 per miljon tokens på Global Standard, $0.05 i datazonerna EU och APAC. Samma som version 1, och beslutsanrop faktureras baserat på indatatoken, eftersom det i praktiken inte finns någon utdata att fakturera för.

• Träningsfönster — oktober till november 2026, enligt modellkortet.

• Vikter – inga. Detta är en hostad modell i Foundrys portfölj ”Direct from Azure”. Det finns ingen nedladdning och ingen väg för finjustering.

Undantagen anges lika tydligt som funktionerna, och de definierar fortfarande produkten. Microsoft-Decision-1.1 är inte avsedd för textgenerering, öppet frågebesvarande, konversation, översättning eller sammanfattning, och inte heller för uppgifter som kräver kunskap som saknas i indata. Den producerar ingen motivering. Svaret innehåller sannolikheter och ingenting som du kan visa en användare som förklaring, vilket innebär att förklaringen är ditt ansvar och tröskelvärdet är ditt beslut: 0,7 eskaleras, 0,95 gör det inte, och den gränsen sätts av applikationen, inte av leverantören.

De två påståendena om hastighet och kostnad, och vilket av dem som håller vid granskning

Den cirkulerande versionen – "10x snabbare och 200x billigare än en generell modell" – saknar referent. En kvot mot en namnlös modell kan inte reproduceras, och de två publicerade Microsoft-jämförelserna som faktiskt namnger något är både snävare och större samtidigt.

Ignite-inlägget säger att Decision 1.1 är "50x snabbare och 79x billigare än GPT-Sol 6.1". Foundry-lanseringsinlägget säger att den är "mer än dubbelt så snabb som vår första modell, till samma kostnad", och ger ett Copilot-exempel: routning mellan Copilot och Cowork med samma noggrannhet som en stor språkmodell, 2,2x snabbare och 4,4x billigare. Det är leverantörsmätningar på Microsofts egen trafik och i Microsofts eget testramverk. De är inte fel; de är avgränsade. Siffrorna 50x och 79x handlar om en konkurrent vid en typ av routningsbeslut, inte om beslutsmodeller i allmänhet.

Ett av påståendena kan kontrolleras mot en tredje part, och det håller. Artificial Analysis mäter Decision 1.1 till 123,25 millisekunder per uppgift i sitt Decision Index v2.1, mot 274,25 ms för Microsoft-Decision-1. Det är 2,23 gånger, vilket är vad "mer än dubbelt så snabbt" betyder. Kostnadspåståendet håller också, i en försvagad form: AA beräknar $139,64 per miljon uppgifter för 1.1 mot $142,56 för version 1 – cirka 2 % billigare, inte samma pris, eftersom de två versionerna använder olika tokenantal per uppgift även vid ett identiskt pris per token. "Till samma kostnad" är korrekt vad gäller prislistan och något generöst vad gäller fakturan.

Var det placerar sig, och formen på det påstående som Microsoft framförde

Microsofts lanseringsinlägg säger att Decision 1.1 "får 68, sex poäng högre än vår första modell och före Jev 1.14, Googles Gemini Decision 1 och OpenAI:s GPT-6 Luna (Decisions)". I Artificial Analysis Decision Index v2.1, avläst den 18 november 2026, är varje del av det sant. Decision 1.1 ligger på 67.78. Jev 1.14 ligger på 66.23, Gemini Decision 1 på 65.98, GPT-6 Luna på 60.25. Version 1 ligger på 62.07, så ökningen med sex poäng är också verklig.

Det som meningen inte säger är var modellen placerar sig i det fullständiga fältet. Den ligger åtta på resultattavlan, sju poäng efter en ensam ledare och en och en halv poäng före den modell som Microsoft namngav:

• 74,85 — d1.2-ultra (Liquid AI)

• 72,62 — Drex Max v1.1 (Nace.AI)

• 72.58 — SubQ Snap 1.2 (subkvadratisk)

• 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.

Sju modeller får högre poäng, och ledaren är 7,1 poäng före. Microsofts separata påstående – "den högsta genomsnittliga träffsäkerheten bland åtta beslutsmodeller" över deras egen interna svit med 102 benchmarks och 385 000 frågor – är ett uttalande om ett område som Microsoft har valt, vilket är en normal sak för en leverantör att publicera och en dålig sak att tolka som en rangordning. Det oberoende fältet omfattar arton rangordnade modeller, och Microsoft finns i den övre halvan.

Delpoängen är mer informativa än kompositen, eftersom de visar vad efterträningen har gett. I AA:s sex ingående utvärderingar uppnår Decision 1.1 95,1 på verktygsanropet When2Call, 88,8 på EvalSafe-O*NET, 75,7 på symmetri, 58,7 på AA-Paperclip-dokumentbeslut, 60,5 på allvetenhet och 46,1 på HLE:s flervalsfrågor. Dess träffsäkerhetsindex är 48,45 mot 40,59 för version 1, och dess Brier-poäng – kalibreringsmåttet, där lägre är bättre – förbättras från 0,1965 till 0,1604. Den förändringen i Brier är den mest meningsfulla siffran i släppet: den säger att sannolikheterna kom närmare att vara sanna, vilket är den enda egenskapen som gör tröskelvärdesättning av en beslutsmodell till ett förnuftigt ingenjörsval.

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.

Bytet av basmodell är den verkliga nyheten

Version 1 var en efterträning av Qwen3.5-9B, en dense 9B-modell. Version 1.1 är en efterträning av Gemma 4 26B-A4B, en mixture-of-experts med ungefär 4B aktiva parametrar. Microsofts egen förklaring handlar om serveringsekonomi snarare än kvalitet: tillräckligt många aktiva parametrar för omdöme, tillräckligt litet för att köras över A100-, H100/200- och GB200/300-flottor, med en anpassad motor som dirigerar förfrågningar över GPU-poolen för kostnad snarare än enbart latens.

Det följer tre konsekvenser, och det är dessa ett plattformsteam bör bry sig om. För det första är en MoE med 4B aktiva parametrar billig att serva per anrop just för att större delen av modellen är inaktiv – det är där de 123 ms kommer ifrån. För det andra nollställer bytet språk- och kalibreringsbilden: basen har ändrats, påståendet om 25 språk gäller den nya basen, och all kalibrering du mätte på version 1 gäller inte längre. För det tredje är licensieringen för basen Googles, medan den eftertränade modellen är Microsofts och endast finns hostad – så arvet med öppna vikter ger dig inget operativt mervärde. Du kan inte ladda ner den här modellen, och att basen är öppen ändrar inte det.

Vad ett samtal kostar, i de enheter du faktiskt betalar

Vid $0,042 per miljon indatatoken kostar ett routinganrop som bär ett ärende på 1 200 token och en fråga med tre alternativ cirka $0,00005 – fem hundradels cent. En miljon sådana anrop kostar ungefär $50 enligt prislistan; AA:s uppmätta $139,64 per miljon uppgifter är högre eftersom dess uppgifter är längre än ett supportärende, vilket är en nyttig påminnelse om att priser per token och kostnader per uppgift är olika enheter och att det är den andra som dyker upp i en budgetgenomgång.

Jämförelsen som gör ekonomin begriplig är mot en generell modell som utför samma uppgift i JSON-läge. Du betalar för dess uttoken, som för ett strukturerat svar är tiotals till hundratals token per anrop i stället för noll, och du betalar för det resonemang den för innan den svarar. Det är gapet som Microsoft beskriver med 79x, och gapet är verkligt även när den exakta multipeln är leverantörens val av baslinje.

Där det blir besvärligt är på samma ställe som det alltid blir med en hostad scorer från en enda leverantör: det finns en prislista, en gräns för anropstakt och en regionberättelse. Foundry erbjuder distributionerna Global Standard och Data Zone Standard, och Data Zone-varianten kostar 19 % mer, $0.05 per miljon token. Om din arbetsbelastning är latenskänslig rekommenderar dokumentationen att du samplacerar Foundry-resursen med din applikation, vilket är ett ärligt råd som också säger att modellen inte är magi – det är en liten MoE bakom en kö.

Att nå dit utan att bygga om din stack

Själva beslutsslutpunkten finns inte i OrcaRouters katalog, och inte heller dess föregångare – Microsoft levererar den här modellen via Foundry och ingen annanstans. Det som finns i katalogen, till leverantörens listpris med 0 % påslag som förs vidare, är de två objekten du behöver för att prissätta beslutet innan du köper det. Gemma 4 26B A4B är basen för post-träningen och kostar $0,25 per miljon indatatoken och $2,90 per miljon utdatatoken; den är basen snarare än post-träningen, så den kommer inte att returnera Decision 1.1:s kalibrerade sannolikheter, men det är samma arkitektur och det ärliga golvet för vad en allmän modell av den formen kostar. Jev 1.14, som Microsoft namnger och slår med 1,55 poäng på den oberoende resultattavlan, kostar $0,042 per miljon token in och ut.

Den kombinationen är användbar för utvärderingsfasen snarare än produktionsfasen. Om du avgör huruvida en beslutsmodell överhuvudtaget hör hemma i en routningsväg kan du benchmarka de två routbara slutpunkterna på dina egna märkta ärenden via en enda nyckel, med automatiskt failover mellan leverantörer, innan du ens öppnar en Azure-distribution. Om svaret är ja och siffrorna talar för Decision 1.1 distribuerar du den i Foundry och behåller routern framför – en slutpunkt för både beslutsanrop och generativa anrop, så att en beslutsmodells hastighetsbegränsning inte blir din applikations driftavbrott.

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.

Vem bör agera nu, och vem bör vänta två veckor?

Byt nu om du redan betalar för en allmän modell för att klassificera, betygsätta eller gate:a, och din volym är tillräckligt hög för att kostnaden per anrop syns i ett diagram. Medianen på 123 ms och priset på $0,042 är en given vinst jämfört med en frontier-modell som gör samma bedömning, och den multimodala indatan är skillnaden mellan en scorer som du kan rikta mot skärmbilder och en som du inte kan.

Avvakta om ditt beslut berör människor – kredit, anställning, bostad, försäkring, sjukvård, juridik – eftersom Microsofts eget kort säger att man inte ska använda det som enda beslutsfattare där, och inget i 1.1 ändrar det. Avvakta också om du behöver kalibrering som du kan försvara: 1.1:s Brier på 0.160 är en förbättring, inte en garanti, och dokumentationen är uppriktig om att poäng förändras med formuleringar och ordningsföljd för alternativ. Validera mot dina egna etiketter, slumpa ordningen på alternativen och sätt trösklar utifrån kostnaden för de två feltyperna i stället för utifrån ett leverantörsdiagram.

Den ärliga sammanfattningen av den 17 november är mindre och mer användbar än 200x-rubriken: Microsoft levererade en snabbare, multimodal, bättre kalibrerad beslutsbedömare till ett pris som gör bedömning per förfrågan överkomlig, och den är tillräckligt bra för att ligga i den övre halvan av ett oberoende fält snarare än i toppen av det. Modellen är verklig. Förhållandet i tweeten är det inte.