การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีหัวข้อ 'Karpo Decision 31B vs Microsoft-Decision-1' พร้อมบรรทัด 'ฝ่ายหนึ่งมีคะแนนบน leaderboard แต่ไม่มีราคา อีกฝ่ายมีรายการราคา Azure แต่ไม่มีคะแนนที่เผยแพร่' ด้านล่างเป็นการ์ดสองใบ: 'Karpo Decision 31B' ซึ่งระบุ '73.86 คะแนนเต็ม', 'ไม่เผยแพร่ราคา' และ 'weights Apache-2.0'; และ 'Microsoft-Decision-1' ซึ่งระบุ '62.07 บน Artificial Analysis', 'Azure API เท่านั้น' และ 'ไม่มีตาราง benchmark'
Guides & Insights

Karpo Decision 31B กับ Microsoft-Decision-1: ตัวหนึ่งมีราคา อีกตัวมีคะแนน

ผู้เขียน

Gideon Frost

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

วางKarpo Decision 31B ไว้ข้าง ๆ Microsoft-Decision-1 แล้วสิ่งแรกที่คุณจะสังเกตเห็นก็คือ ทั้งสองบริษัทไม่ได้ให้สิ่งที่คุณจำเป็นต้องใช้ในการเลือกระหว่างกันและกันเลย Karpo Decision 31B โมเดลปรับแต่ง Gemma 4 ขนาด 31.3 พันล้านพารามิเตอร์ ที่ MachinePulse อัปโหลดขึ้น Hugging Face เมื่อวันที่ 5 พฤศจิกายน 2026 โดยไม่มีโพสต์เปิดตัว มีตัวเลขบนลีดเดอร์บอร์ดและไม่มีราคา ส่วน Microsoft-Decision-1 ซึ่งอยู่บน Microsoft Foundry ตั้งแต่วันที่ 8 ตุลาคม 2026 มีราคา มีสัญญา Azure มีชุดเอกสารด้าน Responsible AI และไม่มีตารางผลการทดสอบที่เผยแพร่เลยแม้แต่ตารางเดียว ตัวหนึ่งวัดผลได้แต่ขายไม่ได้ อีกตัวขายได้ และตามการเลือกของผู้ขายเอง ก็ไม่ได้ถูกวัดผล

การกลับด้านนั้นคือการเปรียบเทียบทั้งหมด และก็คุ้มค่าที่จะต้านทานความอยากที่จะแก้มันด้วยการคำนวณ เลข 73.86 ที่ Karpo ถืออยู่ กับ 62.07 ที่ Artificial Analysis กำหนดให้ Microsoft-Decision-1 ไม่ใช่การอ่านค่าเดียวกันสองครั้ง พวกมันมาจากบอร์ดคนละชุด ส่วนผสมของงานคนละแบบ สูตรการให้คะแนนคนละสูตร และแนวคิดคนละอย่างว่าการตัดสินใจของโมเดลมีไว้เพื่ออะไร คำถามที่มีประโยชน์ไม่ใช่ตัวเลขไหนมากกว่า แต่เป็นช่องว่างสองช่องนี้ — ราคาที่หายไปหรือคะแนนที่หายไป — ที่การนำไปใช้จริงของคุณรองรับได้จริงหรือไม่

Microsoft กำลังขายอะไรกันแน่

{{1}}Microsoft-Decision-1{{/1}} เป็น {{2}}Qwen3.5-9B{{/2}} ที่ผ่านการฝึกในขั้นหลังการฝึก (post-trained) ซึ่งตอบด้วยการแจกแจงความน่าจะเป็นของตัวเลือก แทนการตอบเป็นข้อความร้อยแก้ว ขอบเขตการใช้งานถูกกำหนดไว้อย่างจำกัด: {{3}}ใช่/ไม่ใช่{{/3}}, {{4}}แบบเลือกตอบหลายตัวเลือก{{/4}}, มาตรวัดการให้คะแนน, ชุดการจำแนกประเภท หรือเกณฑ์การประเมิน สำหรับข้อความสูงสุด {{5}}32,768 โทเค็น{{/5}} ไม่มีรูปภาพ ไม่มีเสียง ไม่มีช่องคำอธิบาย ไม่มีโทเค็นที่สร้างขึ้น Microsoft ระบุอย่างชัดเจนว่าไม่เหมาะสำหรับคำถามปลายเปิด การแปล หรือการสรุปความ และแนะนำไม่ให้ใช้เป็นพื้นฐานเพียงอย่างเดียวสำหรับการตัดสินใจเกี่ยวกับสินเชื่อ การจ้างงาน ที่อยู่อาศัย ประกันภัย การศึกษา หรือการดูแลสุขภาพ

สิ่งที่มันนำมาให้จริง ๆ คือส่วนที่เช็กพอยต์แบบเปิดทำไม่ได้ นั่นคือการดีพลอย Foundry ภายใต้พอร์ตโฟลิโอ Direct from Azure ไม่ว่าจะเป็นแบบ serverless หรือ unified-endpoint, standard SKU, การยืนยันตัวตนผ่าน Azure, ใบแจ้งหนี้ใบเดียว, การปิด batch inference ไว้โดยเจตนา และไม่มีเส้นทางการดาวน์โหลดเวตหรือการ fine-tuning สำหรับธนาคารหรือกลุ่มโรงพยาบาล กลุ่มข้อเท็จจริงชุดหลังนี้มักมีค่ามากกว่ายี่สิบคะแนนบนลีดเดอร์บอร์ด เพราะมันคือความแตกต่างระหว่างโมเดลที่ทีมแพลตฟอร์มอนุมัติได้ กับโมเดลที่ทีมแพลตฟอร์มต้องสร้างสแต็กให้บริการมารองรับ

ราคาเป็นของจริงแต่บอกเป็นราคาได้ลำบาก หน้าโมเดลไม่ได้แสดงอัตราต่อโทเคน แต่ลิงก์ออกไปยังหน้าด้านราคาของ Azure สิ่งที่ Artificial Analysis ติดตามสำหรับโมเดลนี้คือ 143 ดอลลาร์ต่อหนึ่งล้านงานที่อัตราอินพุต เทียบกับ 345 ดอลลาร์ต่อหนึ่งล้านงานสำหรับ Gemini Decision 1 ของ Google Karpo ไม่มีตัวเลขที่เทียบเคียงได้ เพราะ Karpo ไม่มีตารางราคาใด ๆ เลย — ไม่มีโฮสต์ ไม่มีคอนโซล ไม่มีเวอร์ชันทดลอง ไม่มีค่าใช้จ่ายต่อ GPU ที่เผยแพร่

สิ่งที่คณะกรรมการวัด และสิ่งที่ไม่ได้วัด

A generated two-panel diagram titled 'Two numbers, two instruments'. The left panel is headed 'Karpo Decision 31B — Decision Index 0.4.1' and lists 'Full score 73.86 — private tests, board-computed', 'Same-skills 70.94', 'New-domains 61.5' and 'Public index 75.05 — vendor run, all 140,178 requests, 11 refused'. The right panel is headed 'Microsoft-Decision-1 — Artificial Analysis Decision Index v2.1' and lists 'Composite 62.07', 'When2Call 88.0', 'AA-Paperclip 51.8 — 20.9% document pass' and 'HLE-MultiChoice 39.4 — 8.6% raw'. The footer reads 'The two panels are different instruments and are not subtractable.'

หมายเลขของ Karpo เป็นหมายเลขจากชุมชน Decision Index ซึ่งเป็นกระดานเปิดที่ติดตามการทำซ้ำผลของ Jev จาก TypeSafe จัดให้อยู่ที่ 73.86 Full ในฉบับ 0.4.1 — เป็นอันดับหนึ่งร่วมจาก 307 แถวในดัมป์ที่กระดานเผยแพร่ โดยเสมอกับ GLiDE 27B ที่ 73.37 เพราะกระดานจัดกลุ่มสิ่งใดก็ตามที่อยู่ในระยะ 0.9 คะแนนจากผู้นำ คะแนน Full นั้นเป็นของบุคคลที่สามในความหมายที่สำคัญ: ผู้ดูแลกระดานได้รันการทดสอบส่วนตัวที่ผู้ขายไม่เคยเห็น โดยแบ่งroughly 60% ทักษะเดิม และ 40% โดเมนใหม่ การแบ่งของ Karpo อ่านได้ 70.94 ในทักษะที่คุ้นเคย และ 61.5 ในทักษะที่ไม่คุ้นเคย ซึ่งเป็นรูปร่างปกติสำหรับโมเดลที่ถูกปรับจูนอย่างหนักกับชุดทดสอบที่รู้จัก

ค่า 75.05 บนการ์ดโมเดลเป็นคนละเรื่องกัน และการ์ดก็ระบุไว้ตรงไปตรงมา: นั่นคือการรันชุดเครื่องมือให้คะแนนอย่างเป็นทางการของ MachinePulse เอง โดยมีคำขอที่ได้รับการให้คะแนน 140,178 รายการ และมี 11 รายการถูกปฏิเสธเพราะเกินหน้าต่างที่กำหนด ซึ่งคณะกรรมการรับรองหลังจากให้คะแนนซ้ำด้วยชุดเครื่องมือแล้วได้ผลออกมาเท่ากับที่อ้างไว้ เปิดเผยต่อสาธารณะและทำซ้ำได้ แต่ยังเป็นข้อมูลจากเจ้าของเอง แถวของคณะกรรมการเองยืนยันการรับรองดังกล่าว และระบุว่าความสอดคล้องของการทดสอบแบบส่วนตัวกับแถวที่ส่งมาเป็น 100% ใน 827 แถว

Microsoft-Decision-1 ไม่มีสิ่งเหล่านี้เลย หน้าแคตตาล็อกของ它具有แท็บ Benchmarks ที่มีเพียงย่อหน้าอธิบายระเบียบวิธีและไม่มีตัวเลขใด ๆ ได้แก่ เกณฑ์มาตรฐานการตัดสินใจแบบสาธารณะและแบบชุมชน ชุดข้อมูลภายในที่กันไว้สำหรับทดสอบ ความแม่นยำและข้อผิดพลาดในการปรับเทียบ การสลับลำดับตัวเลือก และการใช้การทดสอบทางสถิติแบบจับคู่ Microsoft ระบุว่าโมเดลนี้ทำงาน "ได้ทัดเทียมกับโมเดลการตัดสินใจชั้นนำ และนำหน้าโมเดลการตัดสินใจแบบเปิดอื่น ๆ ที่ประเมินด้วยระเบียบวิธีเดียวกัน" แล้วก็ไม่ยอมแสดงผลการประเมิน ข้อกล่าวอ้างเรื่องประสิทธิภาพทั้งหมดเกี่ยวกับโมเดลนี้ในปัจจุบันเป็นข้อมูลที่ผู้ขายรายงานเองและยังไม่มีการจำลองผลซ้ำ

เครื่องมือเดียวที่ให้คะแนนเรื่องนี้คือ Artificial Analysis บน Decision Index v2.1 และองค์ประกอบแต่ละตัวให้ข้อมูลมากกว่าคะแนนรวม Microsoft-Decision-1 ได้ 88.0 ใน When2Call ใกล้เคียงผู้นำ และ 86.8 ใน EvalSafe-O*NET ได้ 51.8 ใน AA-Paperclip โดยมีอัตราการผ่านเอกสารแบบได้ทั้งหมดหรือไม่ได้เลย 20.9% ได้ 54.9 ใน AA-Omniscience-Decision โดยมีอัตราการไม่ฮาลูซิเนต 21.7% และได้ 39.4 ใน HLE-MultiChoice โดยมีความแม่นยำดิบ 8.6% รูปแบบที่เห็นคือโมเดลที่ให้คะแนนการตัดสินใจในที่ทำงานได้ดี แต่มีพฤติกรรมด้านความรู้ที่อ่อนแอ และตัวเลขการละเว้นการตอบคือสิ่งที่ควรหยุดคิดไว้: โมเดลที่ปฏิเสธที่จะตอบคำถามด้านความรู้ถึง 78% กำลังปกป้องความแม่นยำตามการปรับเทียบของตนโดยแลกกับการมีประโยชน์

รูปร่างของคำขอ เมื่อวางเทียบกันแบบเคียงข้าง

A generated two-column comparison titled 'The request shapes, side by side'. The Karpo Decision 31B column reads '31.3B bf16 plus fp32 readout — about 62.5 GB', 'text, JSON and images', '32,768 tokens, split by question, refuses overflow', 'choice up to 255 options, noul, score', '94 ms median per request' and 'Apache-2.0 weights'. The Microsoft-Decision-1 column reads '9B dense, API only, no weights', 'text only', '32,768 tokens, no way to raise it', 'yes/no, multiple choice, rating, classification, rubric', '274 ms per task' and 'no published rate on the model card'. A footer line reads 'Latency figures are not the same measurement: per request for one, per task over a document set for the other.'

• พารามิเตอร์ — Karpo 31.3B ใน bf16 พร้อม readout ขนาด 255 × 5,376 fp32 ประมาณ 62.5 GB บนดิสก์; Microsoft-Decision-1 ซึ่งเป็นโมเดลฐาน dense ขนาด 9B ที่ให้บริการผ่าน API เท่านั้น

• อินพุต — Karpo รับข้อความ JSON และรูปภาพ โดยมีภาพหน้าจอส่งมาเป็น state.viewport_screenshot; Microsoft-Decision-1 รับเฉพาะข้อความ ซึ่งถูกทำให้เป็นอนุกรมเป็น 32,768 โทเค็น

• บริบท — 32,768 โทเค็นสำหรับทั้งสองระบบ โดยมีความแตกต่างสำคัญในโหมดความล้มเหลว: Karpo จะแบ่งคำขอยาวออกตามคำถามและปฏิเสธส่วนที่ยังไม่พอดี ขณะที่เพดานของ Microsoft คืออินพุตบวกชุดตัวเลือก โดยไม่มีวิธีใดที่จะเพิ่มเพดานนั้นได้

• ประเภทคำถาม — Karpo choice รองรับได้สูงสุด 255 ตัวเลือก, noul สำหรับจริง/เท็จ, score สำหรับระดับที่มีลำดับ; Microsoft ใช่/ไม่ใช่, ตัวเลือกหลายข้อ, การให้คะแนน, การจำแนกประเภท และรูบริก พร้อมรองรับตัวเลือกการงดตอบ เช่น "ไม่สามารถระบุได้" ภายในชุด

• การประมวลผลแบบเป็นชุด — Karpo เข้ารหัสสถานะหนึ่งและคำถามจำนวนมากไว้ในลำดับเดียว ดังนั้นคำถามหนึ่งร้อยข้อเกี่ยวกับใบแจ้งหนี้หนึ่งใบจึงมีต้นทุนประมาณหนึ่งรอบการประมวลผลใบแจ้งหนี้; ข้อกำหนดที่ Microsoft เผยแพร่ระบุว่าหนึ่งสถานะและชุดคำถามของสถานะนั้นต่อการเรียกใช้หนึ่งครั้ง โดยความกว้างมาจากการจัดกลุ่ม

• ความหน่วง — ค่ามัธยฐาน 94 มิลลิวินาทีต่อคำขอ บนฮาร์ดแวร์อ้างอิงของ tracker โดยใช้หนึ่ง GPU และทำทีละคำขอสำหรับ Karpo; 274 มิลลิวินาทีต่องานสำหรับ Microsoft-Decision-1 จากการวัดของ AA ซึ่งเป็นค่าต่องานที่วัดจากชุดเอกสาร ไม่ใช่ค่าต่อคำขอ

• สัญญาอนุญาตและการเข้าถึง — {{1}}น้ำหนักโมเดลแบบ Apache-2.0 พร้อมข้อกำหนดของ Gemma 4 ควบคู่กัน{{/1}} สำหรับ Karpo; ไม่มีน้ำหนักโมเดลใด ๆ เลยสำหรับ Microsoft-Decision-1 ซึ่งเป็น {{2}}แบบ API-only ภายใต้ข้อกำหนดของ Azure{{/2}}

ราคา — ไม่มีอัตราที่เผยแพร่สำหรับ Karpo; 143 ดอลลาร์ต่อล้านงานในการติดตามของ AA สำหรับ Microsoft-Decision-1 โดยอัตราอินพุตต่อโทเค็นถูกระบุไว้บนหน้าราคาของ Azure แทนที่จะอยู่บนการ์ดโมเดล

การสอบเทียบคือแกนที่ทั้งสองฝ่ายต่างมีสิ่งจะพูด

สำหรับโมเดลที่ผลลัพธ์ทั้งหมดเป็นความน่าจะเป็น ตัวเลขที่กำหนดการนำไปใช้งานไม่ใช่ความแม่นยำ แต่คือว่าความน่าจะเป็นนั้นสื่อความหมายตามที่มันบอกหรือไม่ การ์ดของ Karpo รายงานค่าความคลาดเคลื่อนของการสอบเทียบ 4.8 จุด: จากคำตอบที่ให้คะแนน 34,411 รายการ ความเชื่อมั่นเฉลี่ยอยู่ที่ 87.96% เทียบกับความแม่นยำ 83.19% และในกลุ่มความเชื่อมั่นสูงสุด — ซึ่งคิดเป็น 68.5% ของคำตอบทั้งหมด — โมเดลตอบถูก 95.7% ของเวลา ขณะที่อ้างว่า 98.7% นี่คือโมเดลที่คุณสามารถกำหนดเกณฑ์ได้ โดยมี drift ที่ทราบได้ที่ช่วงบนสุด

Microsoft ไม่ได้เผยแพร่ค่า expected calibration error, ค่า Brier score หรือ reliability curve ใด ๆ สิ่งที่คะแนนองค์ประกอบของ AA บ่งชี้คือโมเดลที่ใช้ความเชื่อมั่นอย่างระมัดระวัง: อัตราการไม่เกิด hallucination ที่สูงบน Omniscience และ HLE หมายความว่าเมื่อไม่แน่ใจ โมเดลจะเลือกไม่ตอบแทนที่จะตอบ ซึ่งเป็นพฤติกรรมที่ guardrail ต้องการแต่ classifier ไม่ต้องการ ไม่เป็นที่ทราบว่า 0.8 ของโมเดลหมายถึง 0.8 จริงหรือไม่เมื่ออยู่นอกการประเมินของ Microsoft เอง และเอกสารของ Microsoft ก็บอกเช่นนั้นในแบบของตน โดยแนะนำให้นักผสานรวมตรวจสอบความถูกต้องบนข้อมูลที่เป็นตัวแทนและกำหนดเกณฑ์จากต้นทุนของข้อผิดพลาด

ความไม่สมมาตรนั้นมีผลในทางปฏิบัติ กับ Karpo คุณได้รับเส้นโค้งการสอบเทียบที่เผยแพร่แล้ว และสามารถกำหนดเกณฑ์เริ่มต้นได้ก่อนที่คุณจะเริ่มรันสิ่งใด กับ Microsoft-Decision-1 คุณได้รับระเบียบวิธีและคำมั่นสัญญา และสองสัปดาห์แรกของคุณคือโครงการวัดผล ทั้งสองไม่ใช่ข้อที่ทำให้ต้องตัดทิ้ง แต่เป็นเพียงงานต่างชนิดกัน

เวอร์ชันที่ไม่มีชื่อเรื่องของใครกล่าวถึง

Microsoft-Decision-1 ไม่ใช่โมเดลปัจจุบันในตระกูลของตัวเองอีกต่อไปแล้ว Microsoft-Decision-1.1 เปิดตัวเมื่อวันที่ 17 พฤศจิกายน 2026 ที่งาน Ignite บนฐานแบบ mixture-of-experts ของ Gemma 4 26B A4B ในราคาเดิมและเพดาน 32K เท่าเดิม และ Artificial Analysis ให้คะแนน 67.78 — สูงกว่าเวอร์ชัน 1 อยู่ 5.7 คะแนน โดยใช้เวลา 123 ms ต่องานแทนที่จะเป็น 274 ms พร้อมอัตราการไม่ฮาลูซิเนตบน Omniscience เพิ่มขึ้นจาก 21.7% เป็น 49.4% นอกจากนี้ยังแย่ลงในสิ่งต่าง ๆ ที่ตัวให้คะแนนควรจะเสถียร ได้แก่ ความแม่นยำดิบ 6.29% บน HLE-MultiChoice เทียบกับ 8.64% และ 47.5% ของตระกูลคำถาม AA-Symmetry ที่ตอบได้อย่างสอดคล้อง เทียบกับ 51.7%

ดังนั้น ใครก็ตามที่เปรียบเทียบ Karpo กับ "โมเดลการตัดสินใจของ Microsoft" ในช่วงปลายเดือนพฤศจิกายน กำลังเปรียบเทียบกับเวอร์ชันที่ถูกแทนที่แล้ว สิ่งนี้ไม่ได้ทำให้การเปรียบเทียบกันหมดความหมาย — เวอร์ชัน 1 ยังคงเป็นสิ่งที่ใช้กำหนดขนาดการติดตั้งใช้งาน Foundry จำนวนมาก — แต่หมายความว่าตัวเลขที่ต้องเอาชนะฝั่ง Microsoft คือ 67.78 และคำถามรองคือ โมเดลที่แลกความแม่นยำของความรู้กับวินัยในการละเว้นตอบนั้นเป็นรูปแบบที่เหมาะสมกับไปป์ไลน์ของคุณตั้งแต่แรกหรือไม่

สิ่งที่แต่ละฝ่ายไม่สามารถมอบให้คุณได้

Karpo ไม่สามารถให้สัญญากับคุณได้ ไม่มี endpoint ไม่มีตารางราคา ไม่มีช่องทางสนับสนุน ไม่มี SLA และไม่มีคำแถลงจากผู้ขายใด ๆ นอกเหนือจาก model card และ README หากองค์กรของคุณไม่สามารถรัน checkpoint ขนาด 62.5 GB บนฮาร์ดแวร์ของตนเองได้ การเปรียบเทียบก็จบเพียงเท่านี้ไม่ว่าคะแนนจะเป็นเท่าใด การโหลดเป็นโมเดลแชตทั่วไปก็ไม่สามารถสร้างคำตอบเดิมได้เช่นกัน จำเป็นต้องมีทั้ง branch attention และ readout แบบ 255 โค้ด และแพ็กเกจ Python กับ POST /v1/systemoneเซิร์ฟเวอร์มีอยู่ก็เพราะสแต็ก inference ทั่วไปใช้ไม่ได้

Microsoft-Decision-1 ไม่สามารถให้ตัวเลขที่คุณไม่ได้ยอมรับโดยไม่ตรวจสอบได้ ไม่สามารถ fine-tune ด้วยข้อมูลการตัดสินใจของคุณเองได้ ไม่สามารถอ่านภาพหน้าจอได้ และไม่สามารถรันแบบออฟไลน์ได้ นอกจากนี้ คุณยังไม่สามารถ benchmark มันด้วยเครื่องมือเดียวกันกับ Karpo ได้ เพราะ Decision Index เป็นทะเบียนของการทำซ้ำแบบเปิด และโมเดล API แบบปิดไม่มีน้ำหนักให้ทำซ้ำ โมเดลทั้งสองจะยังคงคลาดกันไปเรื่อย ๆ: บอร์ดหนึ่งจะไม่มีวันแสดง scorer ของ Microsoft และ Artificial Analysis ก็ไม่มีแถวสำหรับ Karpo

มีตำแหน่งที่สามที่มีประโยชน์กว่าทั้งสองคอลัมน์ หากสิ่งที่คุณต้องการจริง ๆ คือเลเยอร์การตัดสินใจที่อยู่เคียงข้างไปป์ไลน์การสร้าง ตัวสร้างคือครึ่งหนึ่งที่คุณทำให้เป็นมาตรฐานได้แล้ว OrcaRouter ไม่ได้โฮสต์ Karpo Decision 31B หรือ Microsoft-Decision-1 และทั้งคู่ก็ไม่ควรอยู่เบื้องหลังเส้นทาง chat-completions สิ่งที่มันโฮสต์คือสองโมเดลที่การเปรียบเทียบนี้วนเวียนอยู่: Gemma 4 31B ซึ่งเป็นโมเดลฐานที่ Karpo ถูกไฟน์ทูนมาจาก และ Jev 1.14 ของ TypeSafe โมเดลที่กระดาน open-reproduction ถูกสร้างขึ้นมาเพื่อไล่ตาม ทั้งคู่อยู่เบื้องหลังคีย์ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียว ควบคู่กับโมเดลอื่นอีก 200+ โมเดลในราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยไม่บวกเพิ่ม ดังนั้นการลดราคาของผู้ขายจะส่งถึงฝั่งเราในวันเดียวกัน และการสลับเมื่อเกิดความล้มเหลวอัตโนมัติช่วยให้ลูปการให้คะแนนยังทำงานอยู่ เมื่อผู้ให้บริการรายหนึ่งเกิดปัญหา

ควรเลือกอันไหนดี

A generated decision card titled 'Which one to reach for'. The left card is headed 'Microsoft-Decision-1.1' with the subtitle 'when the estate is Azure' and the rows 'approval trail, one invoice', 'text that fits in 32K', 'budget a calibration study first' and '67.78 on Artificial Analysis'. The right card is headed 'Karpo Decision 31B' with the subtitle 'when you own the hardware' and the rows 'screenshots and JSON inputs', 'Apache-2.0 weights', 'published 4.8-point calibration error' and '73.86 Full score, private tests'. A wide strip underneath reads 'Do not choose on 73.86 versus 62.07. Different boards, different suites, no shared grading.'

เลือกใช้ Microsoft-Decision-1 หรือถ้าให้สมเหตุสมผลกว่านั้นคือ Microsoft-Decision-1.1 หากชั้นการตัดสินใจต้องอยู่ในสภาพแวดล้อม Azure หากคุณต้องการร่องรอยการอนุมัติมากกว่าตำแหน่งบนลีดเดอร์บอร์ด และหากข้อมูลนำเข้าของคุณเป็นข้อความที่พอดีใน 32K จงตั้งงบประมาณสำหรับการศึกษาคาลิเบรชัน เพราะ Microsoft ยังไม่ได้ให้คุณมา และกำหนดเกณฑ์การงดตอบของคุณจากต้นทุนของข้อผิดพลาดของคุณ แทนที่จะเป็นจากคำอธิบายของผู้จำหน่ายเกี่ยวกับข้อผิดพลาดเหล่านั้น

เลือก Karpo Decision 31B หากคุณมี GPU หากงานต้องใช้ภาพหน้าจอหรือสถานะ JSON หาก Apache-2.0 มีความสำคัญต่อผลิตภัณฑ์ที่คุณตั้งใจจะเปิดตัว และหากคะแนนการทดสอบแบบส่วนตัวจากบุคคลที่สามพร้อมเส้นโค้งการสอบเทียบที่เผยแพร่คือหลักฐานที่ทีมของคุณยอมรับ จงยอมรับแลกกับการที่คุณกลายเป็นผู้ขายเองแล้ว: ไม่มีการสนับสนุน ไม่มี SLA ไม่มีราคาให้ตั้งงบประมาณ และเป็นโมเดลที่อายุสองสัปดาห์ซึ่งรีโพซิทอรีของมันยังถูกแก้ไขอยู่เมื่อวันที่ 16 พฤศจิกายน

อย่าตัดสินเลือกฝ่ายใดฝ่ายหนึ่งจากตัวเลข 73.86 เทียบกับ 62.07 ตัวเลขเหล่านั้นมาจากองค์กรที่ไม่เคยตรวจข้อสอบชุดเดียวกัน บนชุดทดสอบที่มีสัดส่วนข้อสอบส่วนตัวต่างกันและสูตรการให้คะแนนต่างกัน และการตีความอย่างตรงไปตรงมาคือทั้งสองโมเดลมีความเป็นไปได้ และยังไม่มีหลักฐานยืนยันว่าโมเดลหนึ่งเหนือกว่าอีกโมเดล การทดสอบที่จะยุติเรื่องนี้ — การที่ Karpo ปรากฏบนบอร์ดอิสระที่ให้คะแนนโมเดลของ Microsoft ด้วย หรือการที่ Microsoft เผยแพร่ตารางผลลัพธ์ตามที่ส่วนระเบียบวิธีวิจัยอธิบายไว้ — ยังไม่เกิดขึ้น จนกว่าจะเกิดขึ้น การตัดสินใจจึงขึ้นอยู่กับการจัดซื้อ ฮาร์ดแวร์ และรูปแบบการป้อนข้อมูล ซึ่งเป็นสิ่งที่ควรใช้เป็นเกณฑ์ตั้งแต่แรก

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube