微软推出决策评分模型Microsoft-Decision-1：准确率与速度双冠，革新AI决策工作流

微软决策模型登场：重新定义AI辅助决策

科技巨头微软近日通过其官方博客宣布，正式推出名为Microsoft-Decision-1的决策评分模型。这款模型已在Microsoft Foundry和OpenRouter平台上线，它的核心任务是处理那些需要明确选择的场景，比如内容路由、任务分类、优先级排序、结果验证以及复杂工作流的控制。

根据微软披露的数据，这款模型的实力不容小觑。在一项覆盖了近15万个问题、并在训练期间保持盲测的广泛基准对比中，Microsoft-Decision-1在36项测试里拿到了最高的综合准确率。

更令人印象深刻的是它的速度。在实际推理测试中，它的表现远超其他竞争者：处理速度比排名第二的H2O-Lightning-4B v1.1模型快了2.5倍，而与GPT-6 Sol相比，速度优势更是达到了惊人的35倍。这意味着在需要快速响应的自动化决策流程中，它能带来显著的效率提升。

Microsoft-Decision-1是在Qwen3.5-9B模型的基础上进行后续训练得到的。微软表示，未来该模型将整合进微软AI（MAI）体系，并会迁移到OpenAI的模型架构上。

它的工作方式非常直接：当用户给定一组固定的选项时，模型不会只给出一个简单的“是或否”答案，而是会为每一个可能的选项输出一个经过校准的概率分数。这种输出方式让后续系统能够更精细地理解和利用AI的“思考”过程。

决策的稳定性至关重要。为了测试模型的鲁棒性，微软对同一请求施加了八种不同的文本扰动（如改写、添加噪声等）。结果显示，平均只有1.3%的请求会出现决策“翻转”（即从选A变成选B），这说明模型在面对输入变化时保持了高度的稳定性。

在定价策略上，微软采取了极具竞争力的方案：输入每百万tokens收费0.042美元，而输出则完全免费。这种模式尤其适合那些决策结果简洁、但需要分析大量输入信息的应用。

新模型并非停留在纸面，它已经接受了实战检验。在微软Xbox研究部门内部，团队使用Microsoft-Decision-1处理了超过一万条用户反馈，并成功进行了自动化归类。

最终评估显示，其分类质量与强大的GPT-6 Sol模型处于同一水准，但处理速度却快了14倍，而整体计算成本更是降低了200倍。这个案例清晰地展示了该模型在提升效率与控制成本方面的双重价值。

随着企业自动化流程日益复杂，对智能、快速且经济的决策辅助工具需求激增。Microsoft-Decision-1的推出，标志着微软正在为这个细分市场提供一个强有力的新选项。