Quale decision model scegliere: guida ai compiti
Analisi tecnica per scegliere il decision model adatto: classificazione, tool calling, gestione del dubbio, open weights e requisiti di conformita.
👁 112 letture
La selezione di un decision model richiede l’analisi delle singole componenti prestazionali rilevate nei benchmark. I dati pubblicati da Artificial Analysis il 13 ottobre 2026 dimostrano che nessun modello domina ogni categoria: a punteggi elevati in specifici compiti corrispondono spesso limiti su conoscenza o gestione delle risorse.
I punti di forza per tipologia di compito
- Classificazione e moderazione di sicurezza: Nel test WildGuardTest, GLiDE raggiunge il vertice con un F1 di 95,1, seguito da Decider v1.1 27B con 93,8 e da Jev 1.13 con 93,6.
- Selezione di strumenti (tool calling): Nel benchmark When2Call di NVIDIA, GLiDE e Celeris-1 Decision guidano a quota 83,7 punti, superando nettamente i modelli linguistici generativi di confronto.
- Ragionamento logico a risposte chiuse: Jev 1.13 ottiene 20,9 punti su HLE-MultiChoice, distanziando tutti gli altri decision model che non superano quota 15,4.
- Capacita di astenersi (dire non lo so): Nel test AA-Omniscience-Decision, Microsoft-Decision-1 registra un tasso di non-allucinazione del 39,8%, seguito da Jev a 35,2% e da Mercury Decide a 32,0%; tutti gli altri concorrenti restano sotto quota 17.
Punti deboli, licenze e requisiti geografici
I limiti applicativi emergono sul fronte dell’accuratezza enciclopedica pura: nel test di conoscenza di Artificial Analysis, i punteggi oscillano tra il 28% e il 41%. Il modello d1 tocca il 41,0% ma si astiene quasi mai (1,7%), mentre Jev si ferma al 34,6%. Inoltre, in una prova indicativa di questo sito su 50 ticket di assistenza in una lingua non inglese (polacco), Jev ha ottenuto il punteggio piu basso di instradamento (41/47) a causa di una tokenizzazione meno compatta (~640 token contro i ~275 di Microsoft-Decision-1), mentre Microsoft-Decision-1 ha totalizzato 44/47 ma ha generato 8 falsi allarmi sulla priorita a soglia 0,5.
Per i vincoli infrastrutturali e normativi, Decider v1.1 27B e Clef offrono pesi aperti con licenza Apache-2.0 su Hugging Face (Decider richiede circa 49 GiB di VRAM). Sul fronte della sovranita del dato, Microsoft-Decision-1 consente il deployment DataZoneStandard per mantenere il processing entro i confini europei, mentre GPT-6 Luna Decisions applica un sovrapprezzo del 10% per l’elaborazione UE/SEE. Al contrario, Jev 1.13 elabora esclusivamente su infrastruttura statunitense via DPA con clausole contrattuali tipo.
Approfondisci: Modelli decisionali IA - classifica Decision Index, prezzi e test
More on this from NITIDO
magazine·Prezzi e costi dei decision model: analisi comparativaGuida ai prezzi dei decision model: tariffe per token di input, spesa effettiva per milione di task e benchmark di Artificial Analysis.