Temukan minat Anda, bersama

Promo pilihan, ulasan jujur, dan cerita belanja dari mereka yang seminat dengan Anda — setiap hari di Kuybeli.

Temukan minat Anda, bersamaPromo pilihan, ulasan jujur, dan cerita belanja dari mereka yang seminat dengan Anda — setiap hari di Kuybeli.

Microsoft Decision 1.1 Lebih Cepat, tetapi Akurasi HLE Menurun

Microsoft Decision 1.1 Lebih Cepat, tetapi Akurasi HLE Menurun
Minat|Asisten Dokumen AI

Dua versi, dua karakter penilaian

Microsoft Decision 1.1 dan Decision 1 adalah dua versi dari lini model AI Microsoft yang dirancang untuk menilai pilihan, memberi skor, dan mengklasifikasikan masukan, bukan menghasilkan jawaban panjang untuk pengguna. Jika prioritas Anda adalah keputusan cepat, kalibrasi yang lebih baik, dan kemampuan menolak menebak, 1.1 lebih menarik. Namun, jangan anggap angka indeks yang lebih tinggi berarti akurasi selalu lebih baik: pada soal pengetahuan sulit HLE, Decision 1 menjawab lebih banyak dengan benar. Kedua model dirilis hanya berselang enam minggu, tetapi memakai model dasar berbeda. Decision 1 berbasis Qwen3.5-9B dan tersedia umum pada 8 Oktober 2026; Decision 1.1 hadir pada 17 November dengan Gemma 4 26B-A4B. Jadi, ini bukan sekadar penyegaran kecil. Pergantian arsitektur membantu menjelaskan mengapa kecepatan model AI dan perilaku menahan diri meningkat, sementara beberapa ukuran akurasi mentah justru menurun.

UkuranDecision 1Decision 1.1
Model dasarQwen3.5-9B, padatGemma 4 26B-A4B, campuran pakar
Skor Artificial Analysis Decision Index v2.162,0767,78
Latensi rata-rata per tugas274 ms123 ms
Non-halusinasi pada AA-Omniscience-Decision21,7%49,4%
Akurasi mentah HLE-MultiChoice v1.18,64%6,29%
Konsistensi pada AA-Symmetry51,7%47,5%
Masukan yang didukungTeksTeks, JSON, dan gambar
Batas konteks32.768 token32.768 token

Decision 1.1 unggul saat kecepatan dan kehati-hatian penting

Bagi sistem yang harus menyaring permintaan, menilai hasil, atau memutuskan kapan agen perlu memanggil alat, 1.1 adalah pilihan yang lebih praktis. Latensinya rata-rata 123 ms per tugas, dibanding 274 ms pada versi sebelumnya—sekitar 2,2 kali lebih cepat—dan skor indeksnya naik dari 62,07 menjadi 67,78. Peningkatan terbesar dari sisi perilaku terlihat pada kemampuan menahan diri: angka non-halusinasi di AA-Omniscience-Decision mencapai 49,4%, dari 21,7% pada Decision 1. Ini penting ketika jawaban spekulatif lebih merugikan daripada tidak memberi jawaban. Kalibrasinya juga membaik: skor Brier turun dari 0,1965 menjadi 0,1604; nilai yang lebih rendah menandakan probabilitas yang diberikan lebih selaras dengan hasil. Dukungan gambar turut memperluas kegunaan 1.1 untuk menilai tangkapan layar. Pilih versi ini untuk keputusan berfrekuensi tinggi dan pemrosesan multimodal, tetapi tetap uji perilakunya pada ambang dan alur kerja Anda sendiri.

Akurasi HLE membuat Decision 1 tetap relevan

Keunggulan 1.1 pada skor komposit tidak berarti ia lebih sering menjawab benar pada setiap tugas. Pada HLE-MultiChoice v1.1, akurasi mentahnya 6,29%, lebih rendah daripada 8,64% milik Decision 1—penurunan relatif sekitar 27% pada proporsi soal sulit yang dijawab benar. Ada nuansa penting: Decision Score HLE justru naik dari 39,42 menjadi 46,11 karena keyakinan 1.1 lebih selaras dengan benar atau salahnya jawaban yang diberikannya. Dengan kata lain, 1.1 lebih baik dalam mengukur kapan jawabannya patut dipercaya, tetapi pada tolok ukur ini 1 masih mendapatkan lebih banyak jawaban benar. 1 juga lebih konsisten pada AA-Symmetry: 51,7% berbanding 47,5% untuk 1.1. Jika alur kerja Anda menuntut jawaban atas pertanyaan pengetahuan yang sangat sulit atau menggunakan templat dengan susunan opsi berubah-ubah, jangan migrasi hanya karena skor indeks dan latensi 1.1 tampak lebih baik.

Pilih berdasarkan risiko kesalahan Anda

Untuk penerapan baru yang mementingkan respons cepat, kalibrasi, penyaringan panggilan alat, atau masukan gambar, 1.1 adalah rekomendasi yang lebih kuat. Namun, bila ketepatan jawaban pada soal HLE dan kestabilan saat susunan pertanyaan berubah menjadi tolok ukur utama, pertahankan atau uji Decision 1 sebelum mengganti sistem. Keduanya tetap memiliki batas yang sama, yakni konteks 32.768 token; audio dan video tidak didukung, dan model tidak mengeluarkan penjelasan atau token jawaban. Keduanya juga hanya tersedia sebagai layanan terhosting, sehingga memilih versi baru mengubah pola kekuatan dan kelemahan, bukan menghilangkan ketergantungan layanan. Sebaiknya bandingkan kedua versi menggunakan contoh nyata dari pekerjaan Anda, terutama kasus ketika model perlu menolak menjawab. Keputusan terbaik bergantung pada biaya kesalahan: apakah lebih berbahaya menerima tebakan, atau melewatkan jawaban yang sebenarnya diketahui?

  • Buy the Microsoft Decision 1.1 if kecepatan, latensi rendah, dan keputusan berjumlah besar menjadi prioritas.
  • Skip the Microsoft Decision 1.1 if tugas utama Anda menuntut lebih banyak jawaban benar pada soal HLE yang sulit.
  • Buy the Microsoft Decision 1 if alur kerja Anda mengutamakan akurasi mentah HLE atau konsistensi saat susunan opsi dan kalimat berubah.
  • Skip the Microsoft Decision 1 if Anda memerlukan masukan gambar atau kemampuan menahan diri yang lebih baik.

Kuybeli memperoleh komisi saat Anda berbelanja melalui tautan kami, tanpa biaya tambahan untuk Anda.

You May Also Like

Comments
Tulis sesuatu...
Belum ada komentar. Jadilah yang pertama berbagi pendapat!