› Seleccionar un modelo de decisión requiere evaluar el tipo específico de tarea estructurada, los requisitos de latencia, la necesidad de alojar pesos de forma local y las exigencias de cumplimiento en materia de protección de datos.
› El Decision Index v1.0 publicado por Artificial Analysis el 13 de octubre de 2026 evidencia que ningún modelo domina todas las dimensiones operativas, existiendo marcadas diferencias entre proveedores.Clasificación, moderación y llamada a herramientasPara tareas puras de clasificación y detección de contenido dañino, la prueba WildGuardTest de Artificial Analysis sitúa a GLiDE como el modelo con mejor puntuación global (95.1 F1, por encima de todos los LLM evaluados), seguido de Decider v1.1 27B (93.8), Jev 1.13 (93.6) y Claude Haiku 5.5 low (92.6).
› No obstante, en coste de clasificación por millón de tareas, Decider ($12.1) y Microsoft-Decision-1 ($12.5) son notablemente más económicos que GLiDE ($84.3).En la selección de herramientas y enrutamiento (When2Call), GLiDE y Celeris-1 Decision lideran con 83.7 puntos frente a Claude Haiku 5.5 low (73) y GPT-6 Luna low (77).
› Celeris-1 Decision ofrece además la menor latencia mediana de la tabla de AA (63 ms) e incluye explicaciones de una frase mediante x_celeris.explain sin coste adicional, aunque no dispone de pesos abiertos ni presencia en OpenRouter.