การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีหัวข้อว่า 'แนวการนำเสนอหลัก ฉบับตรวจสอบแล้ว' มีคำโปรยว่า 'Microsoft-Decision-1.1 — Artificial Analysis Decision Index v2.1' พร้อมชิปสี่อันที่ระบุว่า 67.78, 'Jev 1.14 66.2', 'Gemini Decision 1 65.98' และ 'GPT-6 Luna 60.2' เหนือคำบรรยายที่ระบุว่า 'สี่โมเดลที่ถูกเอ่ยชื่อบนเวที' โดยมีป้ายกำกับด้านข้างสีเทาสองป้ายที่ระบุว่า '25 รายการที่ได้รับการจัดอันดับ' และ 'สิบรายการที่สูงกว่า 67.78' โลโก้ OrcaRouter ถูกคอมโพสิตไว้ที่มุมขวาล่าง
Guides & Insights

Microsoft-Decision-1.1 ขึ้นเวที Ignite Keynote แล้ว ข้อความ Benchmark ที่อ้างถึงนั้นเป็นความจริงแต่จำกัดขอบเขต

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

Microsoft-Decision-1.1 เปิดให้ใช้งานทั่วไปเมื่อวันที่ 17 พฤศจิกายน 2026 หกสัปดาห์หลัง Microsoft-Decision-1 และใช้ฐานโมเดลที่แตกต่างออกไปโดยสิ้นเชิง: Gemma 4 26B A4B ระบบ mixture-of-experts ขนาดกลางที่ Microsoft ระบุชื่อไว้ในโพสต์เปิดตัวของตนเอง แทนที่ Qwen3.5-9B ที่เวอร์ชัน 1 ได้รับการ post-train มาจาก การสลับดังกล่าวคือแก่นสารของการเปิดตัวครั้งนี้ ถ้อยแถลงที่ไปได้ไกลกว่ามาจากการกล่าวสุนทรพจน์หลักในงาน Ignite ซึ่ง Decision 1.1 ถูกแนะนำในฐานะการจัดเส้นทางโมเดลที่ "ผสานรวมเข้ากับแอปพลิเคชันของคุณโดยตรง" และจากนั้นได้รับการสนับสนุนด้วยประโยคเดียว — "บน AA Decision Index มันเอาชนะ Jev, Google และ OpenAI" ชื่อทั้งสามนั้นหมายถึง Jev 1.14 ที่ 66.2, Gemini Decision 1 ที่ 66.0 และ GPT-6 Luna (Decisions) ที่ 60.2 เทียบกับ 67.78 ของ Microsoft-Decision-1.1 การเปรียบเทียบทั้งสามรายการถูกต้อง

พวกเขายังเป็นชุดย่อยสี่โมเดลที่ดูดีที่สุดบนบอร์ดที่ปัจจุบันจัดอันดับอยู่ที่ 25 รายการ คืนนี้มีโมเดลการตัดสินใจสิบโมเดลที่ทำคะแนนได้สูงกว่า Microsoft-Decision-1.1 ตั้งแต่ d1.2-ultra ที่ 74.8 ผ่าน Drex Max v1.1 และ SubQ Snap 1.2 ที่ 72.6 ไปจนถึง SubQ Snap 1.1 ที่ 67.9 ประโยคในคีย์โนตไม่ได้เป็นเท็จ มันเป็นการเปรียบเทียบที่ผ่านการคัดสรรซึ่งนำเสนอด้วยโครงสร้างประโยคที่ทำให้ดูเหมือนเป็นการเปรียบเทียบแบบครบถ้วน และความแตกต่างนี้มีคุณค่ามากกว่าตัวการเปิดตัวเสียอีก เพราะมันคือสิ่งที่เกิดขึ้นเมื่อดัชนี benchmark ได้ขึ้นสไลด์เป็นครั้งแรกในงานประชุมนักพัฒนาของบริษัทไฮเปอร์สเกลเลอร์

สิ่งที่เวทีพูด และสิ่งที่บอร์ดบอก

ทรานสคริปต์ปาฐกถาหลักที่ Microsoft เผยแพร่ในวันเดียวกันกล่าวถึงหัวข้อนี้เพียงสั้น ๆ หลังจากไล่ผ่านโมเดลสำหรับเขียนโค้ดแล้ว ก็หันมาที่การตัดสินใจ: "ความต้องการให้เอเจนต์ตัดสินใจมีเพิ่มขึ้นเรื่อย ๆ โดยเฉพาะในจุดที่ความเร็วและต้นทุนเป็นเรื่องวิกฤต ดังนั้น Decision 1.1 จึงมี model routing ที่ผสานรวมไว้ในแอปพลิเคชันของคุณโดยตรง และบน AA Decision Index มันเอาชนะ Jev, Google และ OpenAI ได้"

เมื่อแยกดูให้ละเอียด นั่นคือการเปรียบเทียบสี่ทางที่ดัชนีนี้รองรับ ในคะแนนรวม Decision Index v2.1 ซึ่งเผยแพร่โดย Artificial Analysis และอ่านค่า ณ ที่นี้เมื่อวันที่ 19 พฤศจิกายน 2026 Microsoft-Decision-1.1 ได้ 67.78 คะแนน Jev 1.14 ได้ 66.2 คะแนน Gemini Decision 1 ได้ 65.98 คะแนน และ GPT-6 Luna (Decisions) ได้ 60.2 คะแนน ช่องว่างคือ 1.6, 1.8 และ 7.6 คะแนน ไม่มีอะไรในเรื่องนั้นที่โต้แย้งได้

สิ่งที่ประโยคนี้ละไว้คือครึ่งบนของกระดานที่อยู่เหนือมันขึ้นไป หน้าเดียวกันจัดอันดับให้ Microsoft-Decision-1.1 อยู่อันดับที่สิบเอ็ด และสิบรายการที่นำหน้ามันไปนั้นไม่ใช่ชื่อที่ไม่เป็นที่รู้จัก:

• d1.2-ultra (Liquid AI) — 74.8 ผู้นำบนตารางอันดับ ที่ราคา 133 ดอลลาร์ต่อหนึ่งล้านงาน

• Drex Max v1.1 (Nace) — 72.6 ที่ $103 และ SubQ Snap 1.2 — 72.6 ที่ $137

• GLiDE v1.2 (Fastino) — 72.5 ในราคา $780, Mammoth 27B (Baseten) — 71.4 ในราคา $264, d1-ultra — 70.6

• Decider v1.3 (Perplexity) — 70.4 ที่ราคา $68, Decider v1.2 — 69.8, d1.2 — 68.7, SubQ Snap 1.1 — 67.9

ผู้จำหน่ายที่เลือกคู่แข่งซึ่งระบุชื่อสามรายที่ทำให้การเปิดตัวของตนดูดีขึ้นไม่ใช่เรื่องอื้อฉาว โพสต์เปิดตัวทุกอันทำแบบนี้ และ Microsoft ก็ชัดเจนเป็นพิเศษว่านี่คือโมเดลที่ตนเลือกจะระบุชื่อ ส่วนที่น่าสนใจคือเวที ดัชนีของบุคคลที่สามที่มีกรรมสิทธิ์ ซึ่งฉบับ v2 ออกในวันที่ 8 พฤศจิกายน 2026 ก่อน Ignite เก้าวัน สร้างบนชุดข้อมูลส่วนตัว 45% ถูกอ้างบนเวทีในฐานะแหล่งอ้างอิงสำหรับข้อกล่าวอ้างเกี่ยวกับโมเดลของ Microsoft เอง นั่นเป็นข้อเท็จจริงคนละประเภทกับภาพแคปหน้าจอ benchmark จากผู้จำหน่าย และมันมีผลสองทาง ทั้งยกระดับดัชนี และทำให้ดัชนีตกอยู่ในสถานะที่การถูกอ้างแบบเลือกหยิบมาใช้กลายเป็นส่วนหนึ่งของชื่อเสียงของมันแล้ว

จริง ๆ แล้วมีอะไรเปลี่ยนแปลงไปบ้างระหว่าง 1 กับ 1.1

ตัดสไลด์ออกไป แล้วรายละเอียดทางวิศวกรรมก็ชัดเจนเฉพาะเจาะจง Microsoft-Decision-1.1 ไม่ใช่การปรับแต่งเล็กน้อยจากโมเดลเดือนตุลาคม ฐานเปลี่ยนจาก Qwen3.5-9B ของ Alibaba ซึ่งหน้าคาตาล็อก v1 ยังให้เครดิตอยู่ ไปเป็น Gemma 4 26B A4B Microsoft อธิบายทางเลือกนี้ในแง่ต้นทุน: มีพารามิเตอร์ที่ใช้งานอยู่มากพอสำหรับการตัดสินใจ และเล็กพอที่จะรันได้ทั่วทั้งฟลีต A100, H100/200 และ GB200/300 เอนจินอินเฟอเรนซ์แบบกำหนดเอง ซึ่งสร้างขึ้นสำหรับการให้คะแนนมากกว่าการสร้างทีละโทเคน คือสิ่งที่บริษัทให้เครดิตในเรื่องความหน่วง

ความสามารถที่ไม่มีใน v1 คือการรับข้อมูลภาพ Microsoft-Decision-1.1 รองรับข้อความ JSON หรือภาพ — รูปถ่าย ภาพหน้าจอ — และยังคงปฏิเสธเสียง วิดีโอ และคำอธิบายรูปแบบใด ๆ ที่สร้างขึ้น ชื่อประเภทคำถามยังคงเดิม: noul สำหรับความน่าจะเป็นของข้อความแบบใช่/ไม่ใช่ choice สำหรับหนึ่งเลเบลจากชุดที่กำหนดตายตัว พร้อมความน่าจะเป็นสำหรับทุกตัวเลือก score สำหรับตำแหน่งบนมาตราส่วนที่มีลำดับ คำขอไปยังพาธที่ลงท้ายด้วย /providers/microsoft/v1/systemone ซึ่งอาจเป็นชื่อเอนด์พอยต์ที่อธิบายตนเองได้น้อยที่สุดที่จัดส่งในไตรมาสนี้ หรือเป็นเบาะแสว่า Microsoft คิดว่าหมวดหมู่นี้อยู่ตรงไหนในสแต็ก

Context คือตัวเลขที่ต้องจับตาหากคุณกำลังย้ายระบบ: Microsoft ระบุว่า "อินพุตได้สูงสุด 32K โทเคน" และ Artificial Analysis บันทึกหน้าต่างขนาด 33k Version 1 ก็เป็นเช่นเดียวกัน โมเดลที่ใช้ตัดสินใจซึ่งอ่านสัญญาขนาด 40,000 โทเคนไม่ได้อยู่ในรีลีสนี้

สามคำกล่าวอ้างจากโพสต์เปิดตัว ที่ตรวจสอบกับบอร์ด

โพสต์ของ Microsoft เองกล่าวอ้างเชิงปริมาณสามข้อ และข้อมูลอิสระให้ข้อสรุปต่อแต่ละข้อแตกต่างกันออกไป

• "ให้คะแนน 68" — ค่าดัชนีคือ 67.78 นี่คือการปัดเศษ ไม่ใช่การขยายเกินจริง และเป็นข้อกล่าวอ้างเดียวที่ยืนยันได้ตรงเป๊ะ

• "เร็วกว่าสองเท่าขึ้นไป" — เวอร์ชัน 1 วัดได้ 274.25 มิลลิวินาทีต่องาน ส่วนเวอร์ชัน 1.1 วัดได้ 123.25 มิลลิวินาที นั่นคือ 2.23 เท่า และทำให้โมเดลใหม่เป็นรายการที่เร็วเป็นอันดับห้าบนตารางอันดับ แทนที่จะเป็นอันดับยี่สิบ

• “ด้วยต้นทุนเดียวกัน” — จริงในระดับโทเค็น และชวนเข้าใจผิดในทางปฏิบัติ ทั้งสองเวอร์ชันระบุราคา $0.042 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น แต่ต้นทุนที่วัดได้ต่อหนึ่งล้านงานคือ $139.64 สำหรับ 1.1 เทียบกับ $142.56 สำหรับ v1 ซึ่งดีขึ้น 2% ไม่ใช่ลดลงครึ่งหนึ่ง ราคาเดียวกัน บิลใกล้เคียงเดิม แต่ปริมาณงานที่ทำได้ต่อหน่วยเวลาสองเท่า หากข้อจำกัดของคุณคือความหน่วงมากกว่าค่าใช้จ่าย การอัปเกรดครั้งนี้ถือว่ามาก หากเป็นค่าใช้จ่าย การอัปเกรดแทบไม่มีผลอะไร

A generated single-column scoreboard headed 'Microsoft-Decision-1.1 — the scoreboard' with six rows: Decision Index 67.78, 11th of 25; When2Call at 10% weight 95.08; AA-Paperclip at 30% weight 58.67; HLE-MultiChoice 6.29% raw accuracy; non-hallucination 49.4%, was 21.7%; speed 123 ms per task, was 274 ms. A footer reads 'All figures per Artificial Analysis Decision Index v2.1, read 19 November 2026.' The OrcaRouter logo is composited in the bottom-right corner.

จุดที่คอมโพสิตไม่สอดคล้องกับการตลาดอีกต่อไป

คอมโพสิต Decision Index v2.1 ไม่ใช่เรื่องลึกลับ มันคือหกองค์ประกอบที่ถ่วงน้ำหนัก และค่า 67.78 ของ Microsoft-Decision-1.1 สามารถสร้างซ้ำได้จากองค์ประกอบเหล่านี้: 30% AA-Paperclip, 15% EvalSafe-O*NET-AA, 10% When2Call, 15% AA-Omniscience-Decision v1.1, 15% HLE-MultiChoice v1.1, 15% AA-Symmetry คูณและบวกแล้วคุณจะได้ 67.78 พอดี ความโปร่งใสนั้นคือสิ่งที่ทำให้คะแนนย่อยอ่านได้ และคะแนนย่อยคือจุดที่เรื่องเล่าการเปิดตัวน่าสนใจ

• When2Call — 95.08 นี่คือการทดสอบการกำหนดเส้นทาง และเป็นตัวเลขที่แข็งแกร่งที่สุดในชุดนี้อย่างทิ้งห่าง ข้อเสนอของ Microsoft คือ "การกำหนดเส้นทางโมเดลที่ผสานเข้ากับแอปพลิเคชันของคุณ" และในองค์ประกอบเดียวที่วัดสิ่งนั้นได้อย่างแม่นยำ โมเดลนี้อยู่ใกล้ตำแหน่งสูงสุดของตาราง

• AA-Paperclip — คะแนน Decision Score 58.67 ตอบเอกสารได้สมบูรณ์แบบ 36.8% นี่คือองค์ประกอบ 30% ซึ่งเป็นเอกสารส่วนตัว 1,500 ฉบับ แต่ละฉบับมีการตัดสินใจห้ารายการและข้อเท็จจริงสิบข้อ โดยให้คะแนนแบบได้ทั้งหมดหรือไม่ได้เลย เวอร์ชัน 1 ผ่าน 20.9% การเพิ่มขึ้น 15 จุดในอัตราเอกสารสมบูรณ์แบบถือเป็นการเพิ่มขึ้นเชิงวิศวกรรมครั้งใหญ่ที่สุดเพียงครั้งเดียวในรีลีสนี้ และยังเป็นเหตุผลว่าทำไมคะแนนคอมโพสิตจึงขยับมากขนาดนั้น

• HLE-MultiChoice v1.1 — Decision Score 46.11 จากความแม่นยำดิบ 6.29% โดยมีอัตราการไม่ฮัลลูซิเนต 38.4% ความแม่นยำหกเปอร์เซ็นต์ในแบบทดสอบความรู้ระดับยากไม่ใช่จุดแข็ง Decision Score น่านับถือได้ก็เพียงเพราะโมเดลซื่อสัตย์ว่าตนกำลังหลงทาง โพสต์ของ Microsoft เองระบุว่าโมเดลเหล่านี้ “ยังไม่ได้ปรับแต่งอย่างชัดเจนสำหรับปัญหาที่ยากขึ้น” และแถวนี้คือจุดที่การยอมรับดังกล่าวปรากฏต่อสาธารณะ

• AA-Omniscience-Decision v1.1 — 60.46 จากความแม่นยำ 33.2% และการไม่สร้างข้อมูลเท็จ (non-hallucination) 49.4% เวอร์ชัน 1 ได้ 21.7% ในการไม่สร้างข้อมูลเท็จ ดังนั้นโมเดลจึงเรียนรู้ที่จะปฏิเสธได้อย่างน่าเชื่อถือประมาณสองเท่า พร้อมกับได้ความแม่นยำเพิ่มขึ้นสองจุด สำหรับโมเดลที่ใช้ตัดสินใจ การแลกเปลี่ยนนี้คือหัวใจทั้งหมด

เมื่ออ่านประกอบกันแล้ว โปรไฟล์นี้มีความสอดคล้องกัน: นี่คือเราเตอร์ที่เร็วและปรับเทียบมาอย่างดี แต่มีฐานความรู้ตื้น นั่นเป็นผลิตภัณฑ์ที่สามารถปกป้องได้ แต่มันไม่ใช่ผลิตภัณฑ์ที่ประโยคในคีย์โน้ตสื่อถึง

A screenshot of the Artificial Analysis page for Microsoft-Decision-1.1, headed 'Release, Decision Index Score, Performance & Price'. The headline figures read a Decision Index of 68 at rank 11 of 25, 123 ms per task and about $140 per million tasks. The comparison summary states the model is above average on the Decision Index but somewhat expensive and notably fast, supports text input and carries a 33k-token context window, with board medians of 66, 206 ms and $137. Component rows for Decision Index, AA-Paperclip, EvalSafe-O*NET-AA, When2Call, AA-Omniscience-Decision v1.1 and HLE-MultiChoice v1.1 sit below.

การกำหนดราคา ในหน่วยที่บิลใช้จริง

Foundry ระบุอัตราอินพุตสามอัตราสำหรับ Microsoft-Decision-1.1 และไม่มีอัตราเอาต์พุตเลย เพราะโมเดลนี้ไม่สร้างโทเคนเอาต์พุต: $0.042 ต่อหนึ่งล้านโทเคนอินพุตบน Global Standard, $0.046 บน US Data Zone และ $0.05 บนการติดตั้ง EU และ APAC Data Zone หากเลือก SKU ตามโซนข้อมูล คุณจะจ่ายแพงกว่าตัวเลขที่ประกาศไว้ 19% เพื่อแลกกับความเป็นท้องถิ่น นั่นคือจุดแรกที่ข้ออ้างเรื่อง "โมเดลตัดสินใจที่ถูกที่สุด" ถูกปรับแก้อย่างเงียบๆ

จุดที่สองคือคอลัมน์ต้นทุนต่องาน ซึ่งคือสิ่งที่ได้เมื่อคุณนำราคาโทเคนคูณกับปริมาณอินพุตที่งานหนึ่งใช้จริง ที่ $139.64 ต่อล้านงาน AA จัดให้ Microsoft-Decision-1.1 อยู่อันดับที่ 15 จาก 25 ในด้านต้นทุน — ถูกกว่า Gemini Decision 1 ที่ $344.90 แต่แพงกว่า Celeris-1.1 Decision ที่ $14 และ Decider v1.3 ที่ $68 โมเดลนี้เร็วและมีราคาระดับกลาง มันไม่ใช่ตัวเลือกที่คุ้มค่าในหมวดของตัวเอง และ Microsoft ก็ไม่เคยอ้างว่าเป็นเช่นนั้น

สถานการณ์นี้ทำให้ทีมที่ต้องการจะเรียกมันเป็นอย่างไร

เส้นทางแบบ first-party คือ Foundry: ปรับใช้โมเดล จากนั้นส่งสถานะ พร้อมแมปของคำถามแบบมีชนิดไปยัง endpoint การตัดสินใจ ผู้ซื้อระดับองค์กรจะให้ความสำคัญกับข้อเท็จจริงที่ว่า Microsoft กำลังใช้มันเป็นผู้ตัดสินภายใน Foundry Evaluations และเป็นเราเตอร์ใน Copilot โดยบริษัทรายงานว่าการตัดสินใจเส้นทางเดียวกันนั้นทำได้เร็วขึ้น 2.2 เท่าและมีต้นทุนต่ำลง 4.4 เท่าเมื่อเทียบกับโมเดลภาษาขนาดใหญ่ — เป็นตัวเลขที่ผู้ขายรายงานจากฮาร์เนสของ Microsoft เอง ซึ่งยังไม่มีการทำซ้ำภายนอก

สิ่งที่ควรพูดให้ตรงไปตรงมาคือ OrcaRouter มีและไม่มีอะไรบ้าง เราไม่ได้โฮสต์ Microsoft-Decision-1.1 หรือ Gemini Decision 1 หรือปลายทางสำหรับให้คะแนนการตัดสินใจใด ๆ เพราะ API ที่ให้เฉพาะความน่าจะเป็นไม่ใช่เป้าหมายของ chat-completions และการแสร้งว่าเป็นเช่นนั้นก็เป็นข้ออ้างเรื่องความพร้อมใช้งานแบบที่อ่านดูดีแต่พังในโปรดักชัน สิ่งที่เรามีคือครึ่งหนึ่งของไปป์ไลน์การตัดสินใจที่สร้างผลลัพธ์ได้จริง — และหน้าต่างบานหนึ่งสู่รีลีสนี้ก็ตรงตัวอย่างผิดปกติ: Gemma 4 26B A4B ซึ่งเป็นโมเดลฐานตัวเดียวกับที่ Microsoft นำไปปรับแต่ง อยู่ในแคตตาล็อกของเราในราคา $0.06 ต่อล้านโทเค็นอินพุต และ $0.33 ต่อล้านโทเค็นเอาต์พุต พร้อมกับ Jev 1.14 ที่ราคา $0.042 ซึ่งเป็นโมเดลที่ Microsoft-Decision-1.1 ใช้วัดเทียบด้วย หากคุณต้องการดูว่าพฤติกรรมการตัดสินใจส่วนใดมาจากโมเดลฐานและส่วนใดมาจาก post-training ปลายทั้งสองข้างของการเปรียบเทียบนั้นเข้าถึงได้จากคีย์เดียว ในราคาตามรายการของผู้ให้บริการ โดยมีมาร์กอัป 0% และส่งผ่านโดยตรง.

A screenshot of the OrcaRouter model page for typesafe/jev-1.14, headed with the model name and typesafe as the provider. Pricing shows $0.04 input and $0.04 output per million tokens, with a code sample posting a state and two typed questions to https://api.orcarouter.ai/v1/systemone. A performance panel lists a p50 time-to-first-token of 181 ms, a European Union inference region and zero data retention available, with 171.8M tokens of usage shown.

สิ่งที่ควรดูต่อไป

ตอนนี้มีสองสิ่งที่ทดสอบได้ในที่สาธารณะซึ่งเมื่อสัปดาห์ที่แล้วยังทดสอบไม่ได้ สิ่งแรกคือ Decision Index จะยังปรากฏบนหน้าจอ keynote ต่อไปหรือไม่: benchmark จะกลายเป็นเอกสารจัดซื้อทันทีที่ผู้ขายเริ่มอ้างอิงมันภายใต้โลโก้ของตนเอง และผู้ขายรายถัดไปที่จะทำเช่นนั้นจะอ้างอิงชุดย่อยสี่โมเดลที่แตกต่างออกไป สิ่งที่สองคือ Microsoft-Decision-1.1 จะรักษาตำแหน่งด้าน routing ไว้ได้หรือไม่เมื่อบอร์ดขยายตัว — When2Call มีน้ำหนัก 10% และเป็นแหล่งที่มาของส่วนนำของโมเดลเหนือ Gemini Decision 1 เป็นส่วนใหญ่ ซึ่งหมายความว่าการแก้ไขดัชนีตามปกติสามารถขยับอันดับนี้ได้มากกว่าการอัปเดตโมเดลใด ๆ

ตอนนี้ประโยคที่แม่นยำนั้นแคบกว่าสไลด์และมีประโยชน์กว่า: Microsoft ได้ส่งมอบโมเดลการตัดสินใจที่เร็วกว่ารุ่นก่อนถึงสองเท่าในราคาต่อโทเคนเท่าเดิม ปรับเทียบได้ดีขึ้นอย่างเห็นได้ชัด มีความสามารถใหม่ในการอ่านภาพ ยังคงจำกัดที่ 32K โทเคน ซื่อตรงเกี่ยวกับสิ่งที่มันไม่รู้ และอยู่อันดับที่สิบเอ็ดบนบอร์ดอิสระเพียงแห่งเดียวที่จัดอันดับมัน การนำเสนอหลักกล่าวว่ามันเอาชนะ Google และ OpenAI ได้ มันทำได้ แค่มันไม่ได้เอาชนะทุกคน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube