docs(ms-ai-architect): KB-refresh tema-b — Foundry-navnesveip «Azure AI Foundry»→«Microsoft Foundry» (233 filer)

Verifisert mot offisiell MS-doc (juni 2026): «Microsoft Foundry» er det
gjeldende produkt-/portalnavnet; «Foundry (classic)» = gamle «Azure AI Foundry»
(/azure/foundry/ vs /azure/foundry-classic/). Premiss bekreftet før sveip.

Multi-regel, IKKE naiv s/Azure AI Foundry/Microsoft Foundry/ — MS dropper
«Azure AI» (legger IKKE til «Microsoft») for to produktvarianter:
- «Azure AI Foundry Agent[ Service|s]» → «Foundry Agent Service/Agents» (MS-form)
- «Azure AI Foundry Models» → «Foundry Models» (i «Azure OpenAI in Foundry Models»)
- «Azure AI Foundry SDK» → «Microsoft Foundry SDK» (operatør-valg)
- «Azure AI Foundry portal/project» + generisk → «Microsoft Foundry»
- Pre-eksisterende «Microsoft Foundry Models» (4) normalisert → «Foundry Models»

Bevart: «Azure OpenAI», «Azure AI Inference SDK», «Azure AI Search»,
«Azure AI Services», kode-IDer. Historisk ref «(tidligere Azure AI Foundry)»
i model-catalog-2026.md beskyttet via lookbehind. URL /azure/ai-foundry/→
/azure/foundry/ kun i owasp-llm-top10 (KB-ref); docs/-filer deferred.

Scope: skills (inkl. 3 SKILL.md) + commands + agents + README + CLAUDE.
Ekskludert: docs/ (interne), playground/+tests/ fixtures (testdata),
CHANGELOG.md (historisk logg), STATE.md (gitignored).

3 SKILL.md endret (advisor/engineering/security) → judge-cache teknisk
invalidert for disse, men scorer uendret: advisor 91, eng/gov/infra/sec 96
(alle ≥90). validate 239/0. 0 «Azure AI Foundry» igjen (utenom bevart ref).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

skills/ms-ai-security/references/cost-optimization/model-selection-price-performance.md

@@ -97,7 +97,7 @@ Fine-tunede modeller har tre kostnadsdimensjoner:
 
 ### Mønster 1: Model Router for dynamisk modellvalg
 
-**Konsept:** Bruk Azure AI Foundry Model Router for å automatisk velge den mest kostnadseffektive modellen basert på prompt-kompleksitet.
+**Konsept:** Bruk Microsoft Foundry Model Router for å automatisk velge den mest kostnadseffektive modellen basert på prompt-kompleksitet.
 
 **Fordeler:**
 - Opptil 60% kostnadsreduksjon vs. alltid-bruk-GPT-5
@@ -105,13 +105,13 @@ Fine-tunede modeller har tre kostnadsdimensjoner:
 - Ingen kodeendringer nødvendig
 
 **Implementering:**
-1. Deploy Model Router i Azure AI Foundry
+1. Deploy Model Router i Microsoft Foundry
 2. Konfigurer underliggende modeller (f.eks. GPT-4.1-nano, GPT-4.1-mini, GPT-4.1)
 3. Model Router analyserer prompt og velger passende modell
 
 **Use case:** Chatbots, kundesupport, assistenter med varierende spørsmålskompleksitet
 
-**Confidence:** Høy (Model Router er GA-funksjonalitet i Azure AI Foundry)
+**Confidence:** Høy (Model Router er GA-funksjonalitet i Microsoft Foundry)
 
 ### Mønster 2: Tiered model strategy (Small → Medium → Large)
 
@@ -264,10 +264,10 @@ Månedlig besparelse (NOK) = (Kostnad_current - Kostnad_new) × USD_to_NOK
 
 ## Integrasjon med Microsoft-stakken
 
-### Azure AI Foundry Model Catalog
+### Microsoft Foundry Model Catalog
 
 **Tilgang til modellkatalog:**
-1. Gå til [Azure AI Foundry](https://ai.azure.com)
+1. Gå til [Microsoft Foundry](https://ai.azure.com)
 2. Velg **Model Catalog** i venstre meny
 3. Filtrer på "Azure OpenAI" for Microsoft-modeller
 4. Sammenlign modeller basert på:
@@ -276,7 +276,7 @@ Månedlig besparelse (NOK) = (Kostnad_current - Kostnad_new) × USD_to_NOK
    - Capabilities (vision, function calling, etc.)
    - Regional tilgjengelighet
 
-**Confidence:** Høy (Azure AI Foundry er GA)
+**Confidence:** Høy (Microsoft Foundry er GA)
 
 ### Azure Cost Management + Budgets
 
@@ -390,7 +390,7 @@ Månedlig besparelse (NOK) = (Kostnad_current - Kostnad_new) × USD_to_NOK
 | Strategi | Potensial besparelse | Kompleksitet |
 |----------|----------------------|--------------|
 | **Bytt fra GPT-4.1 til GPT-4.1-mini** | 50% | Lav (krever testing) |
-| **Bruk Model Router** | 30-60% | Middels (Azure AI Foundry-setup) |
+| **Bruk Model Router** | 30-60% | Middels (Microsoft Foundry-setup) |
 | **Prompt-optimalisering** | 20-40% | Lav (kan gjøres iterativt) |
 | **Fine-tuning for å erstatte større modell** | 40-70% | Høy (krever treningsdata og vedlikehold) |
 | **Migrering til PTU (ved høyt volum)** | 20-50% | Middels (krever volumprediksjon) |
@@ -456,7 +456,7 @@ Månedlig besparelse (NOK) = (Kostnad_current - Kostnad_new) × USD_to_NOK
 **A:** Nei. Velg den minste modellen som oppfyller kvalitetskravene. Hvis GPT-4.1-nano gir 70% kvalitet men GPT-4.1-mini gir 95%, kan ekstra kostnad være verdt det.
 
 **Q: "Hvordan vet jeg om GPT-4.1-mini er god nok vs. GPT-4.1?"**
-**A:** Opprett et evaluation dataset (50-100 representative eksempler), kjør begge modeller, sammenlign output. Bruk Azure AI Foundry evaluations for strukturert testing.
+**A:** Opprett et evaluation dataset (50-100 representative eksempler), kjør begge modeller, sammenlign output. Bruk Microsoft Foundry evaluations for strukturert testing.
 
 **Q: "Er fine-tuning alltid billigere?"**
 **A:** Nei. Fine-tuning har opfront-kostnad (training) og hosting-kostnad ($1.70/time). Kun kostnadseffektivt ved høyt volum (>100K forespørsler/måned) eller hvis du kan erstatte GPT-4.1 med fine-tuned GPT-4.1-mini.
@@ -480,7 +480,7 @@ Bruk alltid confidence markers når du anbefaler modeller:
 
 **Anbefal alltid:**
 1. [Azure Pricing Calculator](https://azure.microsoft.com/pricing/calculator/) for estimering
-2. [Azure AI Foundry Calculator](https://ai.azure.com/resource/calculator) for PTU-estimering
+2. [Microsoft Foundry Calculator](https://ai.azure.com/resource/calculator) for PTU-estimering
 3. Azure Cost Management for faktisk kostnadssporing
 
 ### Vanlige fallgruver
@@ -504,7 +504,7 @@ Bruk alltid confidence markers når du anbefaler modeller:
    Hentet: 2026-02
    Innhold: Modellsammenligninger, latency trade-offs, reasoning-nivåer
 
-2. **Plan to manage costs for Azure OpenAI in Azure AI Foundry Models**
+2. **Plan to manage costs for Azure OpenAI in Foundry Models**
    URL: https://learn.microsoft.com/en-us/azure/foundry/concepts/manage-costs
    Hentet: 2026-02
    Innhold: Billing models, token pricing, cost monitoring
@@ -519,7 +519,7 @@ Bruk alltid confidence markers når du anbefaler modeller:
    Hentet: 2026-02
    Innhold: Model Router, cost optimization workflows
 
-5. **Azure OpenAI in Azure AI Foundry Models**
+5. **Azure OpenAI in Foundry Models**
    URL: https://learn.microsoft.com/en-us/azure/foundry/foundry-models/concepts/models-sold-directly-by-azure
    Hentet: 2026-02
    Innhold: Model catalog, capabilities, regional availability
@@ -539,7 +539,7 @@ Bruk alltid confidence markers når du anbefaler modeller:
    URL: https://azure.microsoft.com/pricing/calculator/
    Note: For pre-deployment estimering
 
-9. **Azure AI Foundry Calculator**
+9. **Microsoft Foundry Calculator**
    URL: https://ai.azure.com/resource/calculator
    Note: For PTU-estimering