› 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 compitoClassificazione 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 geograficiI 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).