微软推出决策模型Microsoft-Decision-1

微软于2026年10月9日推出了一个拒绝为你写段落的模型。 Microsoft-Decision-1 不聊天、不总结、不起草邮件。它在一次正向传递中给固定答案选项列表打分，并为每个选项返回一个概率，然后退出。该公司基于阿里巴巴的 Qwen3.5-9B 构建了它，立即通过 Microsoft Foundry 提供，并在之后不久通过 OpenRouter 提供，并已经开始指向从 事件响应 到科学发现等内部用途。

1. Microsoft-Decision-1 实际上做什么
2. 模型内部：为什么选择 Qwen3.5-9B 作为基础
3. 基准测试声明：36 次测试，近 15 万个问题
4. 定价：每百万输入令牌 0.042 美元，输出免费
5. 可用性：Foundry 优先，OpenRouter 紧随其后
1. 在 Foundry 中与 Decision-1 合作
6. 纳德拉的推销和微软的内部用例
1. 早期内部试验和示例决策
7. Decision-1 与其他小型专用模型相比
8. 简单了解决策评分是如何工作的
9. 历史背景：从分类器到校准的法官
10. 市场影响：这对谁构成压力
11. 重新定位计划：当 Qwen 停用时会发生什么
12. 开放性问题与风险
13. 预测：决策评分模型下一步走向何方
14. 现在应该做什么的构建者
15. 常见问题解答
1. 相关报道

这是有意设计的狭窄发布，而这正是它有趣的所在。虽然整个行业都在争先发布更大、更健谈的助手，但微软在 10 月的发布上专注于一个旨在做一件事的模型：快速从列表中选择一个答案，并告诉你它的信心程度。对于构建代理管道、路由层和自动化验证系统的工程团队来说，这 arguably 比另一个通用聊天机器人更有用。

Google · 优选来源

不要错过 Google 上的新技术故事

在 Google 应用中添加一次 Shattered，我们的故事就会出现在您的新闻建议中。

立即添加

Microsoft-Decision-1 实际上做什么

今年大多数 AI 标题都是关于生成更多的模型：更多的令牌、更多的上下文、更多的创意输出。Microsoft-Decision-1 则朝着相反的方向发展。根据该公司自己的公告，该模型在提供的文本和预定义的答案选项集旁边读取内容，并为每个选项返回一个校准的概率分数，而不是生成开放式文本。这与 GPT-6 Sol、Gemini 4 Argon 或 Claude Opus 5.5 构建的任务的差异很大。

微软在发布时为该模型命名了四个核心用例：路由、分类、优先级和验证，以及它所谓的流程控制。想象一下需要路由到正确团队的支援工单，需要 yes/no 人工审核的用户内容，或者需要在允许继续之前进行通过/失败检查的人工智能代理的输出。这些是高容量、低延迟的决策，而且正是 90 亿参数的专用模型比完整尺寸的推理模型更便宜地可以完成的任务。

这项区别对今天使用大型语言模型的人来说很重要。聊天机器人生成响应，你必须解析它，猜测它的置信度，并希望它遵循你的格式说明。决策评分模型完全跳过了解析步骤：输出格式已经是你在定义的选项上的概率分布。这是一个更小、更机械的问题，而微软正押注大量生产系统都有这个问题。

模型内部：为什么选择Qwen3.5-9B作为基础

引起最多评论的细节不是用例，而是基础。Microsoft-Decision-1是从Qwen3.5-9B进行后训练的，这是一个来自阿里巴巴的90亿参数的开权模型。The Register直接指出了这个选择，将发布描述为微软依赖中国AI实验室的开权发布来快速推出产品，同时指出微软自己声明的意图是随着时间的推移迁移模型的基础。

微软已经明确表示，这只是一个起点，而不是终点。在其发布文章中，该公司表示：“为了构建Microsoft-Decision-1，我们对Qwen3.5-9B进行了后训练，用于快速、单次决策评分，并将很快将其重新基于其他模型，包括微软AI (MAI) 和 OpenAI。”这对一家通过Microsoft Foundry平台及其与OpenAI的合作投入数十亿美元开发自己的模型的公司来说，是一个显著的承认。它表明，Qwen基础的选择是为了在狭窄、明确定义的任务上快速上市，而不是作为长期的架构承诺。

在2026年，使用别人的开权模型作为脚手架并不罕见。许多更小、特定于任务的工具都是这样构建的，同样的逻辑推动了像JetBrains’ Mellum2.1编码模型选择紧凑的参数数量而不是原始规模的项目。这里值得注意的是，是微软，一家有自己前沿模型野心的公司，公开选择了一个竞争对手实验室的权重，为旗舰命名的产品，然后事先告诉客户底层引擎将在以后改变。

基准声明：36项测试，近15万个问题

微软非常依赖数字来证明产品的价值。该公司表示，Decision-1在涵盖36个基准测试和大约15万个保留问题的比较中实现了最高的准确率，这个规模旨在表明广度而不是单一的精选测试。微软报告了该评估中83.5%的准确率，德国媒体BornCity也转述了这个数字。

速度声明遵循了同样的大数字模式。

行业通讯AI Weekly和AI追踪网站TestingCatalog都报告说，微软声称Decision-1比他们称之为Quyet-1.0-Large的模型快4.5倍，比GPT-6 Sol快35倍。

Data Studios的单独报道以35倍数为头条框架。

微软自己的发布材料描述了GPT-6 Sol结果为大约35倍的低P50延迟，在其自己的基准上测量，并表示Decision-1比H2O-Lightning-4B v1.1快2.5倍，后者是其在比较中的第二名。

这是一个特定的P50测量值，而不是通用的速度优势，因为系统执行不同的任务：Decision-1评分固定选项，而GPT-6 Sol生成文本。

台湾的《自由时报》报道响应时间约为85毫秒，但未指明该数字背后的硬件或测试条件。

在这里需要一个健康的怀疑态度。这些是微软自己的基准测试结果，通过公司的发布材料报告，并由报道发布会的媒体转述。

本次审查的报道中，没有包含对36项基准比较、4.5倍和35倍速度倍数的独立第三方复现，或85毫秒延迟数据的复现。

这并不意味着这些数字是虚假的，但这意味着它们应该被视为供应商报告的性能声明，而不是同行评审的结果，至少直到有人在微软外部运行相同的测试。

一个不太受关注但可能更重要的数字是：微软表示，该模型的决策在98.7%的时间内是“扰动稳定的”，这是根据AI周刊引用的微软发布摘要得出的。

在小输入变化下的稳定性是任何进行二元或多选项调用并自动由下游系统处理的模型的一个真正问题。

如果由于微不足道的重述而使路由决策发生变化，那就是一个等待发生的生产错误，因此，如果它在外部测试中保持稳定，那么对于评估该模型的工程团队来说，一个高的稳定性数字将是一个真正有用的数据点。

定价：每百万输入令牌0.042美元，输出免费

微软自己的发布声明和微软工厂文档在本文审查的来源中没有发布确认的价格。相反，流传的是来自OpenRouter自己的模型列表的内容，并由AI周刊和意大利媒体Pasquale Pillitteri转载：每百万输入令牌0.042美元，输出免费。这种定价结构对于其整个输出只是一个概率分数短列表而不是生成文本的模型来说是有道理的，因为输出方面实际上没有什么可以计量的。

在这个价格下，Decision-1被定位为真正便宜的高容量路由和分类工作的选择，这类任务目前主要路由到较小的通用模型，主要是因为没有人愿意支付完整模型的价格来询问“这是垃圾邮件，是或否”。这是一种与今年早些时候推动Anthropic将Claude Haiku定价降低75%相似的逻辑：便宜、快速的模型赢得了高频、低复杂性的API流量份额，即使旗舰模型在技术上也能完成这项工作。

可用性：工厂优先，OpenRouter紧随其后

Microsoft-Decision-1在Microsoft Foundry上启动了公共预览，文档描述它可用于分类、路由、排序、评分和二元决策。微软的发布帖子最初描述OpenRouter的可用性为“即将到来”，但OpenRouter自己的模型列表确认该模型在宣布后大约一天内使用标识符microsoft/microsoft-decision-1上线，OpenRouter发布称其“已在OpenRouter上上线。”

根据 Data Studios 的报道，该模型的权重并未分发，这意味着开发者只能通过托管 API 而不是下载和自托管的方式来访问 Decision-1，这与它所基于的完全开放的 Qwen3.5-9B 形成对比。这是开放权重模型商业衍生品的常见模式，但对于那些假设基于 Qwen 的产品会与基础模型具有相同开放性的团队来说，这一点值得关注。

在 Foundry 中使用 Decision-1

该模型接受文本输入，并支持高达 32,000 个 token 的输入。它返回预定义选项的校准分数，并且不生成解释或处理图像、音频或视频。需要书面理由或多模态输入的团队将不得不将其与通用模型配合使用，而不是期望 Decision-1 能够完成这项工作。

置信分数是应用程序所采取的输出部分。概率本身是 API 的一部分，而不仅仅是排名分数，应用程序使用置信分数来决定何时行动、推迟或请求审查。一个路由示例读取：如果紧急程度高于 0.9 且优先级高于 1.5，立即呼叫值班工程师。另一个示例设定了底线：如果最高概率低于 0.65，本地策略可以避免降级，保持当前模型或请求手动选择。

文档中的一个示例展示了该模型返回加权优先级分数 1.9868，置信度为 98.08%。90% 的预测在代表性案例中应该大约有 10 次中的 9 次是正确的，这是团队在用自己的数据测试分数时应持有的标准。快速入门需要 Python 3.10 或更高版本，因此第一个试点可以很小。由于 Microsoft 将定价描述为动态的，因此在确定部署规模之前，值得检查当前的 Foundry 列表。

纳德拉的推介和微软的内部用例

萨提亚·纳德拉亲自在 X 上介绍了该模型，写道：“介绍微软-Decision-1，我们用于快速决策的新模型。

它在结构化决策任务上表现最佳，在延迟和质量方面都优于 LLM 和其他决策模型。我们已经在微软内部测试它，用于从事件响应和质量管理到科学发现等各个方面。

这是一个特定、命名的内部应用程序集，总共三个，这表明微软不仅将 Decision-1 发送给第三方开发者。该公司首先将其通过自己的运营工作流程运行。

事件响应是一个合理的起点：决策评分模型可以对警报进行分诊、评分严重性，或决定是否需要将工单升级给人类，所有这些任务都完美符合“固定选项加置信分数”的形状。质量和科学发现是更广泛的声明，尽管除了纳德拉之外，没有其他知名的微软高管公开描述这些工作流程实际上如何使用该模型，尽管微软发布的材料后来已经更详细地描述了其他内部试验。

早期的内部试验和示例决策

微软报告称，Xbox研究团队使用Decision-1将超过10,000条开放式反馈分类到预定义的主题中，其质量被认为与GPT-5具有竞争力，执行速度报告为80-100倍更快。其他微软发布的材料表示，团队还评估了该模型用于Copilot响应评估和自适应重规划。这些是公司报告的结果，因此它们更多地展示了工作的预期形态，而不是独立测量结果。

微软的文档也给出了其打算做出的决策的具体情况。一个例子是描述为“结账服务已中断20分钟。客户无法完成购买，且没有替代方案。”该模型对报告进行优先级评分，应用程序根据结果决定如何处理。Foundry列出了支持工单分派、事件优先级排序、内容过滤、模型、工具和代理选择以及模型输出评估作为支持用途。

关于GitHub Copilot在CLI和VS Code中的决策路由，微软开发者社区的一篇帖子展示了相同的思想应用于模型选择，将路由器放置在Copilot CLI的原生/model命令中以及VS Code的Chat模型选择器中。

对于部署，文档中列出的选项包括全球标准，以及在选定地区的数据区标准。

对于评估该模型的团队来说，实际要点是从一个已有明确选项的决策开始，例如工单队列或模型选择器，并在让它们自动触发任何操作之前，先测量分数与过去人类决策的对比。

Decision-1与其他小型专用模型相比

微软并非唯一一家押注2026年AI市场在尖端巨头的旁边还有空间容纳小型、特定任务模型的公司。亚马逊已在该领域推出了Strands Decider 2B，这是一个拥有20亿参数的开源代理模型，专为快速决策设计，在亚马逊自己的测试中运行速度约为100毫秒。这比Decision-1的9B基础参数数量更少，而且它是开源的，而Decision-1仅提供API，但这两个产品都在追逐同一个细分市场：不需要完整推理模型的代理护栏和路由决策。

2026年10月的更广泛的AI模型市场看起来像一根棒子。在一端，实验室不断推动前沿模型规模，例如Mistral的Large 4预览，大约有1万亿参数，或GPT-6在ChatGPT中的四层推出。在另一端，供应商正在推出廉价、狭窄、快速模型，用于支撑那些旗舰助手的重复性决策。Decision-1坚定地属于第二阵营，在精神上更接近分类器而不是聊天机器人，尽管它与通用语言模型有着共同的血统。

对比突显了一个重要事实：Decision-1 并不是在与 GPT-6 Sol 或 Gemini 4 Argon 在同一任务上进行直接竞争。它是在成本和延迟上与它们竞争，针对那些完全不需要生成的那部分请求，即 yes/no 调用、A/B/C 分类、通过/失败检查。如果企业 AI 流量中有相当一部分确实如此机械化，那么一个廉价的专长模型可能会在不写一句散文的情况下，从通用 API 中吸引出相当可观的流量。

决策评分的简单解析

与提示聊天机器人相比，其机制很简单。开发者提供上下文和一个封闭的选项集，模型为每个选项返回一个概率。一个简化的请求可能看起来像这样：

{
  "model": "microsoft/microsoft-decision-1",
  "input": "Customer message: 'My payment failed twice today.'",
  "options": ["billing_support", "technical_support", "spam", "escalate_to_human"]
}

// Example response shape
{
  "scores": {
    "billing_support": 0.81,
    "technical_support": 0.11,
    "spam": 0.01,
    "escalate_to_human": 0.07
  }
}

这种输出格式就是其全部要点。应用程序可以设置一个置信度阈值，例如，自动路由高于 0.75 的请求，并将低于此阈值的任何内容发送给人工审核员，而无需编写一行文本解析逻辑。这对于任何使用传统机器学习构建分类层的人来说都是一个熟悉的模式，只是在现代 transformer 基础上重新打包。

历史背景：从分类器到校准的裁判

决策评分并不是一个新概念，它更接近于一种回归原形。在生成式 AI 疾风之前，大多数生产机器学习都是这样：为单一狭窄的任务训练的分类器、排序器和评分模型。

2022 年至 2025 年的生成式浪潮将大量工程注意力吸引到能够做任何事情的聊天机器人和代理上，代价是简单事情的响应速度变慢且更昂贵。

Microsoft-Decision-1、AWS Strands Decider 以及类似产品代表了行业修正：当任务真正需要开放式推理时，使用前沿模型；当不需要时，使用一个小型、廉价、快速的模型。

“LLM 作为裁判”模式，即语言模型评估或打分另一个模型的输出，已经成为 AI 评估管道中的常客已有几年了。2026 年的变化是供应商将这种模式打包成一个专门的、定价的产品，而不是开发者使用提示工程在通用模型上手工制作的东西。微软将 Decision-1 定位为“AI 裁判”和“代理护栏”用例，使其牢牢地属于这一传统，只是被正式化并作为基础设施出售。

市场影响：谁会受到压力

最直接的压力落在那些销售通用模型的供应商身上，这些模型用于路由和分类任务，而客户相对于任务的实际复杂性支付了过高的费用。如果企业开始将它们的高容量、低复杂度 API 调用重定向到专门构建的评分模型，这对那些依赖对不需要完整模型推理的任务收取完整模型费率的供应商来说，将是 token 容量的真正打击。

它也对谷歌和 Anthropic 带来了竞争压力，让他们决定是否需要自己的命名决策评分产品，或者是否将类似功能整合到现有的轻量级层级中。谷歌已经一直在收紧其免费层级模型阵容，如今年 Gemini 4 Argon 的定价和基准拆分 所见，而 Anthropic 对 Claude Haiku 的成本削减表明了同样的本能：将前沿模型的价格保持在顶层，并在容量所在的低端市场进行激烈竞争。

云基础设施也是一个角度。微软工厂（Microsoft Foundry）是微软为企业客户销售 AI 计算和 模型访问 的平台，而像路由和分类这样廉价、高容量、粘性强的业务正是让客户留在某个云生态系统内，而不是跨供应商查找 API 调用的那种流量。一种每百万个 token 收费 0.042 美分的产品，即使它永远不会像新聊天机器人那样成为头条产品，如果它表现符合宣称，也可能成为工厂的一个安静的交易驱动因素。

The Rebasing Plan: What Happens When Qwen Goes Away

微软公开计划将 Decision-1 基于MAI和 OpenAI 模型重新定位，这对现在采用它的任何团队都提出了一个明显的操作性问题：在这次转换中，分数、校准和延迟是否会保持稳定？微软将 MAI 和 OpenAI 重新定位描述为计划的而不是发布的，并且没有发布迁移时间表，也没有承诺对这里审查的现有集成向后兼容。今天在 API 标识符 microsoft/microsoft-decision-1 上构建生产系统的团队正在隐含地赌，底层模型的未来交换不会实质性地改变他们的路由或分类阈值的行为。

对于像内容路由这样的低风险用例来说，这是一个合理的赌注，而对于任何接触合规性、安全分类或财务决策的东西来说，风险要大得多，因为模型校准的悄然变化可能会在没有明显的代码更改指向的情况下改变现实世界的后果。预计微软将在企业客户向其投入大量交易之前，发布关于此的版本控制和变更日志实践。

Open Questions and Risks

到目前为止公开确认的内容中存在一些明显的空白。除了纳达拉的社交帖子之外，微软还没有任命发言人，因此产品或研究团队背后没有来自 Decision-1 的详细技术解释。基准方法，包括使用的 36 个基准以及比较模型如何配置，还没有以外部研究人员可以重现的形式发布。速度倍数，包括对 GPT-6 Sol 低约 35 倍的 P50 延迟，仍然是微软自己的基准声明，而不是独立确认的结果。

所有这些都不是淘汰性的。许多合法的产品发布在完整技术披露之前领先于营销数字。但是，评估 Decision-1 用于超出低风险试点之外任何东西的买家应该预期运行自己的基准比较，而不是将 35 倍和 4.5 倍的速度声明当真。

Predictions: Where Decision-Scoring Models Go Next

• 谷歌和Anthropic将在两个季度内作出回应。预期它们中至少有一个会正式推出一个命名决策评分或评判产品，而不是将这个类别留给微软和亚马逊.
• 路由任务的定价持续下降至接近零。如果每百万输入token的0.042美元价格得以维持，竞争对手将会匹配或压低这个价格，因为服务一个9B级模型的边际成本很低，而且量级奖励很大.
• 独立基准测试将在几周内出现。微软的速度声明几乎保证了第三方研究人员会尝试在GPT-6 Sol上重现35倍的数字，一旦测试条件标准化，实际数字可能会更低.
• MAI/OpenAI的重新校准将成为2027年的故事。不要预期微软会迅速更换底层模型；中途的基础设施变更可能会破坏企业客户围绕校准构建的工作流程.
• 代理护栏将成为突破性用例。随着更多公司部署自主AI代理，一个在代理采取行动前能够说“是、否或升级”的廉价、快速模型可能会比单独的路由或分类更快地被采用.

构建者现在应该做什么

对于已经在通用模型上运行分类或路由逻辑的团队，Decision-1值得进行试点，而不是全面迁移.

选择一个低风险的流程，运行它针对当前模型和Decision-1两个模型两周到四周，并直接比较准确率、延迟和成本，而不是相信微软发布的倍数.

对于从零开始构建新代理管道的团队，值得将Decision-1与AWS的Strands Decider 2B并排比较，因为这两个模型在目的上足够接近，选择很可能将取决于托管偏好（仅API与开放权重）以及其余堆栈已经存在于哪个云上.

任何接触合规、安全或金融决策的人员都应该在将Decision-1放入该路径之前等待微软发布版本策略。快速、廉价评分模型的优点是真实的，但一旦MAI或OpenAI技术的承诺重新校准真正发生，未宣布的校准变更的风险也是真实的.

常见问题解答

Microsoft-Decision-1是什么？
它是微软于2026年10月9日发布的专用AI模型，旨在用校准概率对固定答案选项进行评分，而不是生成开放式文本。微软将其定位用于路由、分类、优先级排序、验证和工作流控制.

Microsoft-Decision-1基于什么模型？
微软对阿里巴巴发布的90亿参数开放权重模型Qwen3.5-9B进行了后训练，以构建Decision-1的第一个版本。微软表示计划在未来的版本上基于自己的Microsoft AI (MAI)模型和OpenAI技术进行重新校准.

我可以在哪里访问Microsoft-Decision-1？
它现在可以通过微软Foundry进行公开预览，并且在发布公告后一天左右在OpenRouter上以模型标识符microsoft/microsoft-decision-1上线.

Microsoft-Decision-1 的价格是多少？
微软将价格定为每百万输入 token 0.042 美元，不收取输出 token 费用，适用于 Foundry 中的美国和欧盟 Datazone 提供的服务，OpenRouter 的列表和二次报告也显示相同的价格。微软社区指南表示价格是动态的，因此部署应使用当前的 Foundry 列表

Microsoft-Decision-1 比 GPT-6 Sol 或其他大型模型更快吗？
微软声称其比 GPT-6 Sol 大约快 35 倍，比它称为 Quyet-1.0-Large 的模型快 4.5 倍，这是基于公司自己的基准比较。这些是供应商报告的数字，在本文审查的覆盖范围内尚未独立复制，因此应将其视为起点而不是验证结果

我能下载并自行托管 Microsoft-Decision-1 的权重吗？
不能。报告表明权重没有被分发，因此访问仅限于通过 Foundry 或 OpenRouter 的微软托管 API，与其衍生自的完全开放的 Qwen3.5-9B 模型不同

这与 AWS Strands Decider 2B 有什么不同？
两者都是为代理式决策构建的小型快速模型，而不是开放式生成。Strands Decider 2B 是开源的，参数量较小为 20 亿，而 Decision-1 的基础参数量更大为 90 亿，只能通过微软的托管 API 访问，不可自行托管

Microsoft-Decision-1 会取代企业通用聊天机器人吗？
不会。它是为狭窄的任务集构建的，从固定列表中选择答案并附带置信度分数，而不是用于对话、内容生成或开放式推理。它的目的是与通用模型一起使用，处理不需要完整聊天机器人响应的高容量、低复杂度决策