
Microsoft-Decision-1.1 ขึ้นเวที Ignite Keynote แล้ว ข้อความ Benchmark ที่อ้างถึงนั้นเป็นความจริงแต่จำกัดขอบเขต
- 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 · 223 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 · 96 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 · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 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 · 69 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
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

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

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.

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
