NoticiasAccionesMicrosoft-Decision-1.1 obtiene 68 puntos en el Decision Index de Artificial Analysis

Microsoft-Decision-1.1 obtiene 68 puntos en el Decision Index de Artificial Analysis

Autor: CryptoBriefing·

Puntos clave

  • •Microsoft-Decision-1.1 se lanzó el 17 de noviembre de 2026 y obtuvo 68 puntos en el Artificial Analysis Decision Index v2.1, una mejora respecto a los 62 puntos de su antecesor.
  • •El nuevo modelo completa tareas en 123 milisegundos frente a los 274 milisegundos de Decision-1, más que duplicando la velocidad mientras mantiene el precio en $0.042 por millón de tokens de entrada.
  • •Decision-1.1 es una versión post-entrenada de Qwen3.5-9B con 9 mil millones de parámetros y una ventana de contexto de aproximadamente 32,000 a 33,000 tokens, ajustado para puntuación de probabilidad en una sola pasada en formatos de sí/no, opción múltiple y rúbricas.
  • •El modelo ocupa el octavo lugar entre los modelos de decisión en el índice v2.1 gestionado de forma independiente, por delante de Jev 1.14, Gemini Decision 1 de Google y GPT-6 Luna de OpenAI, aunque siete modelos siguen con puntuaciones más altas.
  • •Microsoft reporta que más de 4,000 clientes han utilizado el modelo desde su vista previa pública de octubre de 2026 y afirma el mejor promedio de precisión en 102 benchmarks a ciegas, aunque esa cifra de precisión proviene de Microsoft y no de un evaluador independiente.
Microsoft-Decision-1.1 obtiene 68 puntos en el Decision Index de Artificial Analysis

Microsoft ha lanzado Microsoft-Decision-1.1, un modelo de IA especializado diseñado para tomar decisiones empresariales. El modelo obtuvo 68 puntos en el Artificial Analysis Decision Index v2.1, funciona a más del doble de velocidad que la versión anterior y mantiene su precio sin cambios.

La primera versión apenas entró en vista previa pública en octubre de 2026, lo que significa que Microsoft lanzó una secuela más rápida y con mejor puntuación en cuestión de semanas.

Qué cambió entre versiones

El nuevo modelo se lanzó el 17 de noviembre de 2026. Su puntuación en el benchmark subió a 68, frente a los 62 que su antecesor, Microsoft-Decision-1, registró en el mismo índice.

La velocidad es el titular principal. Decision-1.1 completa una tarea en 123 milisegundos, en comparación con los 274 milisegundos del modelo anterior, lo que lo hace más del doble de rápido que Decision-1.

El precio no se movió. El modelo sigue costando $0.042 por millón de tokens de entrada, la misma tarifa que Decision-1, por lo que los clientes effectively obtienen más rendimiento por el mismo gasto.

Cómo funciona realmente el modelo

Bajo el capó, Decision-1.1 es una versión post-entrenada de Qwen3.5-9B, un modelo base relativamente compacto. Cuenta con 9 mil millones de parámetros y maneja una ventana de contexto de aproximadamente 32,000 a 33,000 tokens.

Está ajustado para puntuación de probabilidad en una sola pasada: se le plantea una pregunta y devuelve una estimación calibrada de la probabilidad de cada respuesta. Ese diseño encaja con la economía de las cargas de trabajo de puntuación de alto volumen, donde la latencia por tarea y el costo por token determinan si un modelo puede ejecutarse a escala en producción.

Microsoft lo construyó para manejar varios formatos. Entre ellos se incluyen respuestas de sí/no, preguntas de opción múltiple y evaluaciones basadas en rúbricas.

Microsoft afirma que ha estado usando el modelo internamente. La compañía también reporta que más de 4,000 clientes lo han utilizado desde que comenzó la vista previa pública. Esas cifras de adopción provienen de Microsoft.

Su posición en la tabla de clasificación

Artificial Analysis, que realiza evaluaciones de benchmarks independientes, ubica a Decision-1.1 en el octavo lugar entre los modelos de decisión en su índice v2.1. Eso lo coloca por delante de varios nombres reconocibles, incluidos Jev 1.14, Gemini Decision 1 de Google y GPT-6 Luna de OpenAI. Siete modelos siguen por delante de Decision-1.1 en el mismo índice. Dado que Artificial Analysis realiza sus evaluaciones de manera independiente de los proveedores clasificados, el índice ofrece a los compradores un punto de referencia neutral para comparar modelos especializados de distintos proveedores.

Microsoft también ha presentado sus propias afirmaciones de precisión. La compañía dice que el modelo lidera en precisión promedio en 102 benchmarks a ciegas, con más de 385,000 preguntas evaluadas. Esa cifra proviene de Microsoft y no de Artificial Analysis.

Qué significa esto

Microsoft mantuvo su precio por token sin cambios mientras reducía el tiempo de tarea de 274 a 123 milisegundos, por lo que los clientes effectively reciben mayor rendimiento por el mismo gasto, duplicando aproximadamente la cantidad de tareas completadas por unidad de tiempo sin costo adicional. Dado que Decision-1.1 está construido sobre una base compacta de 9 mil millones de parámetros, su posición por encima de propuestas de Google y OpenAI en el índice de Artificial Analysis es un resultado destacable.

Aun así, siete modelos se ubican por delante de Decision-1.1 en el índice v2.1, por lo que Microsoft es competitivo más que dominante en ese marcador en particular. La afirmación más amplia de Microsoft sobre la precisión en 102 benchmarks tampoco se ha presentado como un resultado independiente, y los compradores que evalúen el modelo querrán probarlo con sus propios datos antes de confiarle decisiones con consecuencias reales. Dos desarrollos valen la pena observar de aquí en adelante: si las próximas versiones reducen la brecha con los siete modelos que lo superan en el índice v2.1, y si surgen resultados independientes que corroboren la afirmación de precisión de 102 benchmarks de la compañía.