
Karpo Decision 31B กับ Microsoft-Decision-1: ตัวหนึ่งมีราคา อีกตัวมีคะแนน
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 184 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 215 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 109 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
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

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

• 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

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
