微軟推出 Decision-1 非生成式決策模型，專為選項評分，回應僅85毫秒

微軟10月9日在 Microsoft Foundry 推出 Microsoft-Decision-1 決策模型，專門處理分類、選項判斷與評分工作。這款模型不採用一般生成式 AI 的文字回答方式，而是根據輸入情境和預先提供的選項，計算各選項的機率分數，供應用程式決定下一步操作。第三方 AI 模型平台 OpenRouter 也同步上架，模型代號為「microsoft/microsoft-decision-1」。

Decision-1 的用途與一般聊天模型不同。開發者可以提供一段使用者訊息，要求模型判斷其意圖，再依照結果轉交客服、技術支援或其他處理流程；也能用於資料分類、事件分流、內容安全標記及量表評分。模型支援是非題、多選題，以及無法從現有資訊作出判斷時的棄權選項。由於輸出限定為決策分數，不需要另外生成文字解釋，適合整合進需要快速判斷的自動化系統。

微軟將 Decision-1 設計為純文字模型，上下文長度最高 32,768 token，不接受影像、音訊或影片。模型權重並未公開，開發者須透過託管 API 使用，計費為每百萬輸入 token 0.042 美元，輸出不另外收費。Microsoft Foundry 提供 Decision 類型 API，部署選項包括 GlobalStandard，以及部分區域適用的 DataZoneStandard。

在模型來源方面，Decision-1 並非完全由微軟自家模型從頭訓練，而是以阿里巴巴開放權重的 Qwen3.5-9B 為基礎，再由微軟進行後訓練。外媒《The Register》指出，微軟尚未解釋初期選用 Qwen 的原因。微軟則表示，後續計畫改以自家 MAI 或 OpenAI 模型作為底層架構。儘管 Decision-1 使用開放權重模型開發，微軟並未對外提供完成後訓練的模型權重。

微軟執行長納德拉（Satya Nadella）也在社群平台 X 介紹這款模型，表示公司內部已將相關技術用於事件回應、品質控管及科學發現。官方公布的測試涵蓋36項基準、147,137道未納入訓練的題目，平均準確率達83.5%，回應延遲中位數約85毫秒。

Xbox Research、Copilot 和 Discovery 等微軟內部團隊也回報，在維持相近品質的情況下，Decision-1 能提高處理速度並降低成本。不過，這些效能與成本數據均來自微軟自身測試，尚無獨立第三方驗證。不同任務的選項設計、輸入長度與判斷門檻，也可能影響實際部署結果。

決策模型市場目前也已有其他業者投入，OpenAI 推出 Decisions API 後，市場上已有超過百款類似模型。微軟這次以獨立 API 提供 Decision-1，讓開發者可以將決策評分與一般文字生成工作分開處理，例如先判斷請求類型，再決定是否交由其他模型或程式執行。