Microsoft-Decision-1 운영 중

Microsoft-Decision-1은 Microsoft가 출시한 차세대 고속 의사결정 AI 모델로, 구조화된 의사결정 작업을 위해 설계되었습니다. 사전 설정된 선택지에서 최적의 해답을 선택하고 각 대안에 확률 점수를 부여하여 하위 애플리케이션이 실행, 재시도 또는 사람에게 이관할지 판단할 수 있도록 지원합니다. Microsoft-Decision-1은 36개 벤치마크 테스트 모두에서 정확도 1위를 기록했으며, 속도는 GPT-6 Sol의 35배에 달합니다. 입력 비용은 100만 토큰당 0.042달러이고 출력은 무료입니다. 이 모델은 Qwen3.5-9B를 기반으로 구축되었으며 Microsoft Foundry에서 제공됩니다.

최적 해답 선택: 사전 설정된 선택지에서 최적의 답변을 선택하고 각 대안의 확률 점수를 출력합니다.
라우팅 및 분배: 요청이나 작업을 적합한 하위 모듈 또는 서비스로 지능적으로 분배합니다.
콘텐츠 분류: 텍스트 등의 콘텐츠를 신속하게 분류합니다. 예를 들어 Xbox 팀은 이를 사용해 수만 건의 게임 피드백을 분류했습니다.
작업 우선순위 지정: 처리해야 할 여러 작업의 처리 순서를 결정합니다.
결과 검증: AI가 생성한 결과의 품질을 평가하고 통과 또는 재시도 여부를 결정합니다.
워크플로 제어: Agent 워크플로의 오케스트레이션 구성 요소로서 계속 실행할지, 다시 시도할지, 처리를 상위 단계로 올릴지 또는 사람에게 이관할지 판단합니다.

기반 아키텍처: Microsoft-Decision-1은 오픈 소스 Qwen3.5-9B 모델을 기반으로 구축되었습니다. 적절한 파라미터 규모로 추론 속도와 배포 비용의 균형을 이루며, Microsoft는 향후 이를 자체 개발 MAI: 시리즈와 OpenAI 모델 등 다른 기반 모델로 이전할 계획입니다.
전문 후속 학습: 모델은 ”단일 의사결정 점수화”를 핵심으로 하는 전문 후속 학습을 거쳤습니다. 사전 설정된 선택지에 확률 점수를 부여하도록 최적화하여 대규모 언어 모델을 구조화된 의사결정 엔진으로 전환했습니다.
의사결정 메커니즘: 모델은 각 의사결정 요청에 대해 점수 산정과 선택을 한 번에 완료하므로, 여러 차례 추론하는 대규모 언어 모델보다 지연 시간이 크게 줄어듭니다. Microsoft는 연속 20회의 의사결정에서 각각 100밀리초씩 누적되는 지연 문제가 이 아키텍처에서 크게 압축되었다고 밝혔습니다.
강건성 설계: 의사결정 안정성을 위해 특화된 최적화를 적용했습니다. 동일한 요청의 8가지 변형에서 평균 의사결정 전환율은 1.3%에 불과하며, 선택지 설명을 바꾸거나 순서를 뒤집는 등의 상황에서는 전환율이 0%로 나타나 입력 변화가 의사결정의 일관성에 영향을 주지 않도록 합니다.
안전 정렬: 11개 벤치마크와 5250건의 요청을 포함하는 안전성 테스트를 거쳤으며, 유해 콘텐츠 식별, 탈옥 공격 및 프롬프트 인젝션 등의 상황을 포괄합니다. 유해한 요청을 거부하면서도 정상적인 작업의 효용을 높은 수준으로 유지합니다.

플랫폼 연동: Microsoft의 AI 개발 플랫폼인 Microsoft Foundry를 통해 개발자에게 제공됩니다.
의사결정 상황 정의: 작업을 ”사전 설정된 선택지 + 최적 해답 선택”이라는 구조화된 의사결정 문제로 변환합니다. 예를 들어 라우팅 및 분배, 콘텐츠 분류, 우선순위 지정 등이 있습니다.
요청 제출: 의사결정이 필요한 내용을 구조화된 형식으로 모델에 제출합니다.
확률 점수 확인: 모델은 개방형 텍스트가 아닌 최적 선택지와 각 대안의 확률 점수를 반환합니다.
하위 작업 실행: 점수 결과에 따라 계속 실행, 재시도, 처리 상향 또는 사람의 검토 이관 여부를 판단합니다.
워크플로에 통합: 기존 애플리케이션, AI Agent 및 워크플로 시스템에 원활하게 통합하여 오케스트레이션의 기반 구성 요소로 사용할 수 있습니다.

매우 빠른 속도: P50 지연 시간은 GPT-6 Sol의 35배, Quyet-1.0-Large의 4.5배로, 실제 측정에서 가장 빠른 의사결정 모델입니다.
선도적인 정확도: 약 15만 개 문항으로 구성된 36개 벤치마크 테스트에서 모두 정확도 1위를 기록했습니다.
매우 낮은 비용: 입력 비용은 100만 토큰당 0.042달러이고 출력은 무료이며, 내부 테스트에서 분류 작업 비용이 GPT-6 Sol보다 약 200배 낮았습니다.
점수화 가능한 의사결정: 각 대안의 확률 점수를 출력하므로 하위 시스템이 실행, 재시도 또는 사람에게 이관할지 판단하기 쉽습니다. ”블랙박스” 생성보다 제어 가능성이 높습니다.
강력한 강건성: 8가지 변형에서 의사결정 전환율은 평균 1.3%에 불과하며, 선택지 변경 또는 순서 반전 상황에서는 전환율이 0%입니다.
안전성과 신뢰성: 11개 벤치마크와 5250건의 요청을 대상으로 한 안전성 테스트를 통과했으며, 유해한 요청을 거부하면서 정상적인 사용 효용을 유지합니다.

프로젝트 공식 웹사이트: https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

지능형 라우팅 및 분배: 사용자 요청이나 작업 트래픽을 가장 적합한 하위 서비스, 모델 또는 Agent로 지능적으로 분배합니다.
콘텐츠 분류 및 검토: 대량의 사용자 피드백과 댓글을 신속하게 분류하고 유해 콘텐츠를 식별합니다.
작업 우선순위 지정: 고객 지원 티켓, 결함 처리 등의 상황에서 작업 처리 순서를 결정하여 워크플로 자동화를 구현합니다.
AI 결과 검증: AI 응답 평가기로서 생성 결과의 적합성을 판단하고 승인, 재시도 또는 처리 상향 여부를 결정합니다.
예외 의사결정 및 상향 처리: 사고 대응, 품질 관리 등의 상황에서 확률 점수를 바탕으로 사람의 검토로 이관할지 결정하여 인간과 AI가 협업하는 안전장치를 구축합니다.