微软发布 Microsoft-Decision-1，一款专用于结构化决策任务的模型，针对预设候选项返回校准概率分数以支持路由、分类、排序和内容筛选等场景。微软称其在多项基准上表现优异并具低延迟，但强调不适合开放式生成和重大自动决策，集成方需负责阈值、人工复核与安全措施。
微软于 2026 年 10 月 9 日发布 Microsoft-Decision-1，一款面向结构化决策任务的专用模型。它不以生成长篇文本为目标，而是在用户预先给定问题和答案选项后，为每个选项返回经过校准的概率分数。
微软表示，该模型已经可以通过 Microsoft Foundry 模型目录 和 OpenRouter 使用，适用于路由、分类、排序、验证、内容筛选以及智能体工作流控制等场景。
这类产品显示，模型供应商正在尝试把“低延迟、结构化决策”发展为区别于通用大语言模型的独立类别。它们不必承担完整对话或复杂推理，而是作为软件系统中的判断组件，决定一个请求应当被接受、转交、暂停，还是交给更强的模型处理。
面向固定选项的单次评分
根据微软在 Command Line 官方文章 中的介绍，Microsoft-Decision-1 基于阿里巴巴的开放权重模型 Qwen3.5-9B 进行后训练，重点优化单次决策评分。模型支持是非题、多项选择、评级，以及按照预先定义的标准为 AI 回复或智能体行动打分。
在一次调用中，模型会针对每个候选答案返回概率，而不是生成一段自然语言解释。应用程序可以据此设置阈值：高置信度结果自动执行，低置信度或存在歧义的结果转交人工，或者请求通用模型进一步处理。
Microsoft Foundry 的模型页面将其能力列为 AI 输出评估、请求分类与路由、智能体护栏、内容安全筛选以及搜索结果相关性判断。模型支持最长 32,768 个 token 的输入，输出类型为 JSON。
不过，微软也明确列出了产品边界。Microsoft-Decision-1 并不适合开放式问答、聊天、翻译、摘要或文本生成，也不应成为信贷、招聘、住房、保险、教育、医疗和法律权利等重大事项的唯一自动决策依据。模型本身也不会提供解释或理由，阈值、升级路径、人工监督和下游安全措施仍由集成应用负责。
微软公布的评测结果
微软称，Microsoft-Decision-1 在覆盖近 15 万个问题的 36 项基准比较中取得最高准确率。这些基准据称在训练阶段保持盲测，涵盖路由、排序、长上下文、多语言、分布外任务、推理和安全等类型。
在延迟方面，微软称该模型是比较对象中实测最快的模型：速度约为第二名 H2O-Lightning-4B v1.1 的 2.5 倍，约为 GPT-6 Sol 的 35 倍。微软官方文章将其中一项关键指标表述为 Microsoft-Decision-1 的 P50 延迟约比 GPT-6 Sol 快 35 倍。
这些数字目前仍属于微软公布的内部或厂商测试结果，而不是独立机构的复测结论。不同模型的提示格式、候选选项数量、输入长度、硬件、推理框架和并发设置，都可能改变最终延迟。微软的官方文章还注明，发布后曾更新内容，加入 Jev 在准确率和校准方面的基准结果，因此读者在比较版本时也需要注意评测口径的变化。
微软同时公布了定价：输入 token 为每百万 0.042 美元，输出 token 免费。对于大量重复的分类、审核或路由请求，这种定价方式可能比调用具备完整文本生成能力的大模型更容易控制成本，但实际经济性仍取决于调用频率、输入长度以及人工复核比例。
决策模型正在形成一个新竞争层
微软并不是唯一押注这一方向的公司。AWS 旗下 Strands Labs 近期发布了 Strands Decider 2B，同样把“下一步做什么”的判断从通用模型中拆出来。Cloudflare 也发布了 Clef-omni 决策模型 ，试图让软件直接消费概率化的多模态判断结果。
这种架构的吸引力在于，复杂智能体并不需要让同一个大模型处理所有步骤。通用模型可以负责理解复杂指令、规划和语言表达；轻量决策模型则负责检查工具调用、识别请求类别、选择模型、判断是否需要人工确认，或在执行前进行一次安全筛选。
在连续工作流中，哪怕每次判断只增加几十到几百毫秒，累积后的延迟也可能影响用户体验。相反，如果把所有简单判断都交给大型生成模型，系统还要承担额外的输出 token、文本解析和错误处理成本。决策模型试图在这两者之间提供一层更窄、更快、更容易接入控制流的能力。
概率并不等于可靠性
但这一路线也带来一个容易被忽视的问题：模型返回了概率，并不意味着概率在所有业务场景中都可靠。一个系统必须知道，所谓 90% 的置信度是否真的大致对应 90% 的正确率，以及不同错误的代价是否相同。
例如，在内容分类中一次误分可能只意味着人工复核；在付款、数据删除、权限授予或外部系统写入前，一次高置信度误判则可能产生更严重的后果。因此，开发者仍需要用自己的数据检查概率校准、边界样本、输入变化和分布迁移，并建立最小权限、审计、人工确认和回滚机制。
从这个角度看，Microsoft-Decision-1 的重要性不只在于“比某个大模型快多少”，而在于微软正在把模型的角色重新切分：大模型负责生成和推理，决策模型负责在有限选项中快速判断。这个类别能否从基准测试真正进入企业软件和智能体系统，最终取决于它在真实工作流中的稳定性，以及外围控制层是否足够严格。