微软刚上线的Decision-1，在自家36个基准测试里平均准确率83.5%，p50延迟仅85毫秒，比竞品Quyet-1.0-Large快了4.5倍。这不是那种写文章的生成模型，是专门干决策评分的——给固定选项打分，返回概率值，不用写句子。
Decision-1到底是什么？
微软说这是新的AI分类，定位是给软件做直接执行的决策场景。简单说，它的任务就是：给你输入的问题、选项，算出每个选项的概率，输出JSON格式的结果，不用生成任何文本内容。它是基于阿里的Qwen3.5-9B微调的，现在在微软Foundry和OpenRouter上线，只有托管API，没有开源权重，也没推出量化版本。支持的场景包括yes/no题、多选、评级、分类、AI响应评分、证据比对，还能设置“无法回答”的选项。
核心表现：快、准、还便宜
它的上下文窗口是32768 token，微软测了9个系统、36个基准、14.7万道题，Decision-1的平均准确率83.5%，比第二名Quyet-1.0-Large的81.9%高一点；校准分92.2，比Quyet的93.1稍逊。延迟更亮眼：p50是85ms，p95是125ms，比GPT-6 Sol的3秒快了35倍。价格也友好：每百万输入token0.042美元，输出免费，而OpenAI的Luna决策端点要0.1美元/百万输入，贵一倍多。内部测试的案例也够实在：Xbox排序1万+反馈，速度比GPT-6 Sol快14倍，成本低200倍；Copilot质控比GPT5.6 Luna快100倍。另外扰动测试里，改请求说法、打乱选项，只有1.3%的决策翻转，稳定性还行。
能用在哪，有啥限制？
适合的场景都是需要快速决策的地方，比如业务分类、内容评级、AI响应校验这些。但有几个硬限制：只能处理文本，不支持图像音频；输出没有解释，你不知道为什么它选这个；不能单独用在信用、雇佣、住房、医疗、法律这类敏感决策，必须设置人工监督；还有个小遗憾：只有API，没法本地部署，想自己改的人没戏。另外竞品H2O还指出，微软的延迟测试可能不准，他们自己测的模型延迟是29ms，但微软的Decision-1没上第三方JevBench的榜，那边H2O的模型排第一。
总的来说，Decision-1是个专门场景的好用工具，速度和成本比通用模型有优势。现在的问题是：这种只做决策评分的小模型，会不会抢了通用大模型里决策模块的生意？毕竟通用模型也能做这些，但速度和成本比不了它。
素材来源：MarkTechPost · AI情报、大模型、开源生态、AI基础设施
查看报道原文
发表第一条评论吧