2026年10月10日，微软正式发布决策模型 Microsoft Decision-1。不同于传统大语言模型生成开放式文本，该模型从预设选项中返回每个答案的校准概率得分，让软件直接依据置信度执行下一步动作。在覆盖近15万道问题的36项权威基准测试中，Decision-1平均准确率达83.5%，中位延迟仅85毫秒，输入定价0.042美元/百万Token，输出完全免费。这让微软在决策模型这条新赛道上，直接站到了TypeSafe Jev、Cloudflare Clef、OpenAI Decisions API的身侧。
什么是决策模型？
决策模型（Decision Model）是近年来快速崛起的一个 AI 细分品类。与标准大语言模型负责「写文本」不同，决策模型专做「结构化判断」：接收一段输入和若干预定义选项，输出每个选项的置信概率，下游软件据此决定执行哪个动作、或是否需要人工介入。
这一品类的核心价值在于「省 latency 省钱」。Satya Nadella 近日在 X 上表示，每增加一步决策操作都会叠加延迟——若一个 AI Agent 工作流包含20步连续决策，每步即使只增加100毫秒，完整流程也已多出2秒。决策模型用专用架构替代通用语言模型生成式开销，把这一步的耗时与成本压缩到传统方案的1/35。
技术架构：基于 Qwen3.5-9B 后训练
Decision-1 基于阿里云通义千问的 Qwen3.5-9B 开源权重构建，经过专项后训练转化为决策评分模型。微软官方透露，未来计划将其迁移至更多基座模型（包括微软自有模型与 OpenAI 模型）。
模型支持 yes/no、多选和评分三种选项类型，也支持对 AI 回答或智能体动作进行评分。上下文窗口为32768个 Token，可通过 Microsoft Foundry 和 OpenRouter 调用，暂不提供开放权重。
基准测试：36项权威测试排名第一
微软在官方博客中公布了内部测试数据。Decision-1 在36项基准测试中平均准确率83.5%，排名第一；置信度校准得分92.2%，排名第二。延迟表现尤为突出：P50中位延迟85毫秒，比 GPT-6 Sol 快35倍，比 Quyet-1.0-Large（排名第二）快4.5倍。
| 指标 | Decision-1 | GPT-6 Sol | Quyet-1.0-Large |
|---|---|---|---|
| 36项基准平均准确率 | 83.5% | — | 81.9% |
| 置信度校准得分 | 92.2% | — | — |
| P50 中位延迟 | 85ms | ~3000ms | ~380ms |
| 相对延迟（越低越好） | 1x | 35x | 4.5x |
| 输入定价（/百万Token） | $0.042 | ~$1.5 | — |
| 输出定价（/百万Token） | 免费 | 收费 | — |
内部实测：Xbox 团队10万条反馈分类
Decision-1 并非纸上谈兵。微软多个内部团队已完成实测：
- Xbox Research 团队：对超过1万条游戏反馈进行分类，质量与 GPT-6 Sol 相当，速度提升14倍，成本降低约200倍。
- Copilot 团队：用于 AI 回答质量评估任务，性能与 GPT-5.6 Luna 相当，速度提升最高达100倍。
- on-call 工程师：故障知识检索场景，质量与速度均优于大语言模型基准。
- Microsoft Discovery：自适应重规划评分，一致性是大语言模型评分的46倍，速度快3倍，端到端重规划快近4倍。
定价：输入0.042美元/百万Token，输出免费
Decision-1 的定价结构在业内极为罕见：输入 Token 收取 $0.042/百万，输出 Token 完全免费。这一策略瞄准的是高频重复判断场景——企业可以将大量结构化判断任务卸载给 Decision-1，无需担心输出 Token 成本膨胀。
竞争格局：超过100个决策模型同台
Decision-1 的发布让这条赛道的竞争进一步加剧。此前，TypeSafe AI 的 Jev（站内相关阅读）已率先获得广泛关注，日处理 Token 数万亿量级；Cloudflare 的 Clef 系列（站内相关阅读）以39毫秒超低延迟著称；OpenAI 也推出了 Decisions API（站内相关阅读），由 GPT-6 Luna 驱动。
微软的差异化策略在于：基于成熟开源权重快速构建产品，而非从零训练。微软表示，未来版本将切换至自有基座与 OpenAI 模型，届时可借助 Azure 的算力优势进一步压低部署成本。值得注意的是，所有性能数据均来自微软内部基准测试，第三方独立验证尚未完成。
常见问题
Decision-1 与普通大语言模型有何不同？
标准大语言模型接收提示词后生成开放式文本；Decision-1 接收输入和预定义选项后，直接输出每个选项的校准概率。例如输入「用户问题属于哪个工单类型」，模型返回各选项的置信分，下游软件据此自动分派，无需再调用一次 LLM 解析回复内容。
Decision-1 的输出能直接作为决策依据吗？
模型返回的置信分代表「校准概率」——置信90%意味着历史上大约90%的情况下该判断是正确的。但模型仍可能出错，尤其在边界样本或训练数据覆盖不足的领域。建议在关键业务流程中设置人工复核阈值，而非完全依赖模型输出。
如何调用 Decision-1？
目前已上线 Microsoft Foundry，OpenRouter 渠道即将开放。暂不提供开放权重下载，需通过 API 调用。微软官方建议从低频、低风险场景开始试点，逐步扩展至高吞吐量的生产工作流。
小结
Microsoft Decision-1 的核心价值在于「又快又准又便宜」：比 GPT-6 Sol 快35倍、输入成本不到其1/35、输出完全免费。基于 Qwen3.5-9B 的策略也侧面印证了国产开源模型已进入全球顶级企业生产系统。决策模型品类正处于「标准未统一、格局未定」的关键窗口期，Decision-1 的入局让这条赛道的竞争正式进入白热化阶段。
延伸阅读
- ElevenLabs 3亿美元员工要约收购：220亿美元估值，语音AI年营收破5亿美元6 天前
- Cloudflare Clef-omni开放音视频多模态：130毫秒出决策，权重开源14 小时前
- Cloudflare安全审计技能走红：面向AI编码Agent，GitHub 5407 Stars3 周前
- Cloudflare Clef-omni评测：首个音视频开放权重决策模型，130毫秒出结果9 小时前