ENPT

Microsoft-Decision-1

Última atualização:

GA—$0.042/M input

Notas do quadrante

Ver o quadrante completo

Pontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.

  • Maturidade6.4/10

    GA no Foundry e listado no OpenRouter. Microsoft Learn tem guia público de deployment/API e exemplos REST; não encontrei SDK específico do modelo. Uma integração ativa. Pesos fechados; sem SLA ou status page específicos do modelo.

  • Capability7.9/10

    Três tipos de decisão; JevBench mede calibração 84,4, latência mediana 459 ms e composite 69,1 (#6 entre APIs). As 21 falhas por limite de contexto contam nas 1.500 decisões. Evidência externa forte; Jev ainda lidera no total.

  • Adoção24/100

    Anunciado por Satya Nadella (~4,7 mil likes no primeiro dia); agora listado no OpenRouter. A Microsoft relata testes internos no Xbox Research, Copilot, resposta a incidentes e Microsoft Discovery; nenhum cliente externo em produção foi verificado.

Vendor claims

Notícias sobre este modelo

Leia antes

  1. GA, API fechada. Disponível no Microsoft Foundry e no OpenRouter. Sem pesos.
  2. Separe claims do fornecedor de medições externas. O conjunto de 36 benchmarks da Microsoft não é público; o JevBench traz a comparação independente abaixo.

Specs
Base Qwen3.5-9B pós-treinado para pontuação de decisão numa passada. A Microsoft diz que vai trocar a base para modelos MAI e OpenAI
Tipos Sim/não, múltipla escolha, rating; correção por rubrica de respostas de IA e ações de agentes
Preço US$ 0,042 por 1M tokens de input; output grátis
Acesso Foundry · OpenRouter · Guia de API no Microsoft Learn

Números para ler com cuidado

A versão atual do artigo de lançamento relata a maior acurácia numa comparação com 36 benchmarks e diz que o modelo foi 2,5× mais rápido que H2O-Lightning-4B v1.1 e ~35× mais rápido que GPT-6 Sol no p50. Também relata média de 1,3% de decisões trocadas em oito perturbações, 5.250 pedidos de segurança em 11 benchmarks e resultados internos de Xbox/Copilot. Continuam sendo claims do fornecedor: o conjunto de 36 benchmarks e os resultados por tarefa não são públicos. O artigo foi atualizado para adicionar uma comparação com Jev; o JevBench independente oferece uma comparação separada entre peers.

Resultado no JevBench (10/10/2026)

O placar de APIs hospedadas do Benchmark Heaven, que afirma medir os modelos sem vínculo com a TypeSafe AI, coloca o Microsoft-Decision-1 em #6 entre 27 APIs na escala JevBench v1.6.1: composite 69,1, capability 70,8, intelligence 57,2 e calibration 84,4. A rodada completa cobriu 1.500 decisões. As 21 falhas por limite de contexto permaneceram no denominador pontuado. A latência mediana no endpoint foi 459 ms, medida num subconjunto de 124 requests; o custo calculado pelo placar foi US$ 0,019 por mil decisões.

No mesmo placar de APIs, o Jev fica em #4 com 71,5 e o Sage em #1 com 74,0. Portanto, o Microsoft não lidera a comparação geral. O radar por categoria fica acima do Jev em vários usos citados. O Benchmark Heaven alerta que as categorias podem ter pools e tipos de pergunta diferentes; leia os valores como sinais por área, não como confronto controlado:

Caso de uso Microsoft-Decision-1 Jev 1.13.0
Recrutamento 29,7 0,0
Avaliação de risco 51,2 32,8
Jogos 25,1 5,1
Publicidade 37,0 16,4
Descoberta científica 36,9 21,2
Moderação e confiança/segurança 67,2 51,6

O radar multilíngue marca 88,32 em 79 respostas concluídas. O post chama esse resultado de melhor entre as dez APIs líderes em tarefas multilíngues; a amostra é útil, mas pequena. Composite, calibração e velocidade são medições independentes; os claims de lançamento da Microsoft acima continuam sendo claims do fornecedor.

Prévia clínica System One (10/10/2026)

O placar System One da EdgeEvals lista o Microsoft-Decision-1 empatado em #5 de 38, com 611/669 decisões creditadas. Registra 152/153 decisões em notas clínicas, 224/240 em triagem, 136/156 em critérios e 99/120 em codificação. O placar também registra 2 erros graves de triagem. A latência mediana é 417 ms; o custo é US$ 0,03129 por mil decisões, ou cerca de US$ 0,021 nesta rodada de 669 casos. No teste com texto irrelevante, manteve 130/130 casos que já estavam corretos antes da inclusão, sem novos erros graves.

São resultados de um placar em prévia, não validação clínica: a EdgeEvals diz que os casos são sintéticos e ainda não foram revisados por médicos nem codificadores certificados. Não há dados de pacientes. É um resultado adicional e específico da tarefa; as notas do catálogo ficam iguais. Dados · metodologia · post.

Atualização da nota (10/10/2026)

Capability subiu de 5,8 para 7,9 com evidência pública de terceiro. Em 10/10, maturidade também sobe de 6,0 para 6,4: o Foundry marca GA, o Microsoft Learn publica um guia de API e o OpenRouter lista o modelo. Conta: disponibilidade 10 × 0,30 + docs 7 × 0,25 + integrações 5 × 0,25 + suporte 2 × 0,20 = 6,40. O guia tem exemplos REST e Azure CLI, além de quickstart em Python; não encontrei SDK específico do modelo nem SLA público. Uma única integração ativa fica na faixa intermediária. A adoção sobe de 20 para 24: engajamento 30 × 0,35 + ecossistema 20 × 0,35 + produção 20 × 0,30 = 23,5 → 24. O OpenRouter é uma integração ativa; nenhum cliente externo em produção foi verificado. Os 459 ms do JevBench são medição independente; o placar não publica p99.

Conta das notas (9/10/2026)

  • Maturidade = 7 × 0,30 + 5 × 0,25 + 4 × 0,25 + 8 × 0,20 = 2,10 + 1,25 + 1,00 + 1,60 = 5,95 → 6,0
  • Capability = 9 × 0,30 + 5 × 0,25 + 4 × 0,25 + 4 × 0,20 = 2,70 + 1,25 + 1,00 + 0,80 = 5,75 → 5,8
  • Adoção = 30 × 0,35 + 10 × 0,35 + 20 × 0,30 = 10,5 + 3,5 + 6,0 = 20,0 → 20

Latência e acurácia em 4 pelo precedente “sem números absolutos”; calibração 5 porque é afirmada sem método. Repontuar quando um placar independente medir.

Artificial Analysis Decision Index v1.0 (13/10/2026)

Pelo artigo de lançamento do AA, o Microsoft-Decision-1 faz 54 (empatado em 2º com o GLiDE), está na fronteira de Pareto de custo com US$ 31 por 1M de tarefas e tem a melhor taxa de não alucinação entre os modelos de decisão (40% de “não sei” quando não acerta). Notas inalteradas: a acurácia já era 8. O AA é um placar separado e independente (quatro avaliações: AA-Omniscience-Decision, HLE-MultiChoice, When2Call, WildGuardTest). Notas e posições não se comparam com o Decision Index 0.3 nem com o JevBench. O AA acha todos os modelos de decisão confiantes demais no geral, sobretudo nas tarefas de conhecimento e raciocínio; a maioria é razoavelmente calibrada em When2Call e WildGuardTest.

Observações do lançamento (10/10/2026)

Yum descreve o Microsoft-Decision-1 como um modelo rápido, de decisões estruturadas, e não um modelo geral de raciocínio. Isso coincide com o escopo declarado pela Microsoft: opções fixas e respostas tipadas. O catálogo do Foundry também confirma a base Qwen3.5-9B.

A faixa de 200–600 ms é relato pessoal, sem workload, região ou protocolo de medição. É plausível e compatível com a mediana de 459 ms do JevBench no subconjunto de 124 requests de velocidade, mas os números não são diretamente comparáveis. O guia público do Microsoft Learn está marcado como atualizado em 9/10/2026 e descreve o endpoint /providers/microsoft/v1/systemone e o formato de request como similar a uma API System One. Portanto, a observação “sem documentação” parece não ter encontrado um guia que já estava publicado; “quase idêntica” vai além do que a documentação confirma.

A opinião de que comparar com GPT-6 Sol é estranho e que a Microsoft está correndo para entrar na categoria é editorial. A Microsoft destaca GPT-6 Sol no comparativo de lançamento; isso contextualiza a velocidade frente a um LLM geral, mas não substitui comparar com modelos de decisão. O JevBench oferece essa comparação independente entre peers.