Microsoft-Decision-1 运营中

Microsoft-Decision-1是微软推出的新一代快速决策AI模型，专为结构化决策任务设计，可从预设选项中选出最优解并为各备选答案赋予概率评分，供下游应用判断执行、重试或转人工。Microsoft-Decision-1在36项基准测试准确率均列第一，速度达GPT-6 Sol的35倍，输入每百万tokens仅收0.042美元且输出免费。模型基于Qwen3.5-9B构建，已上线Microsoft Foundry。

最优解选取：从预设选项中选出最优答案，并输出各备选答案的概率评分。
路由分发：将请求或任务智能分发至合适的下游模块或服务。
内容分类：对文本等内容进行快速归类，如Xbox团队用它分类上万条游戏反馈。
任务优先级排序：为多个待处理任务判定处理顺序。
结果验证：评估AI生成结果的质量，决定是否通过或重试。
工作流控制：作为Agent工作流的编排组件，判断继续执行、重新尝试、升级处理还是转交人工。

底座架构：Microsoft-Decision-1基于开源的Qwen3.5-9B模型构建，参数规模适中，兼顾推理速度与部署成本，微软计划未来将其迁移至自研MAI：系列及OpenAI模型等其他底座之上。
专项后训练：模型经过以”单次决策评分”为核心的专项后训练，针对预设选项的概率化评分，从而将大语言模型改造成结构化的决策引擎。
决策机制：模型对每个决策请求一次性完成评分与选择，相比多轮推理的大语言模型大幅降低延迟；官方称连续20个决策各增加100毫秒的累计延迟问题在此架构下被显著压缩。
鲁棒性设计：针对决策稳定性做专门优化，在同一请求的8种扰动形式下平均决策翻转率仅1.3%，在选项描述改写或顺序颠倒等场景下翻转率为零，确保输入变化不影响决策一致性。
安全对齐：模型经受了涵盖11项基准、5250条请求的安全测试，覆盖有害内容识别、越狱攻击及提示词注入等场景，在拒绝有害请求的同时保持较高的正常任务效用。

接入平台：通过微软旗下的 AI 开发平台 Microsoft Foundry 向开发者开放使用。
定义决策场景：将任务转化为”预设选项 + 选择最优解”的结构化决策问题，如路由分发、内容分类、优先级排序等。
提交请求：将待决策内容用结构化格式提交给模型。
获取概率评分：模型返回最优选项及各备选答案的概率评分，而非开放式文本。
驱动下游动作：根据评分结果判断继续执行、重新尝试、升级处理或转交人工审核。
嵌入工作流：可无缝嵌入现有应用程序、AI Agent 及工作流系统，作为编排基础组件。

速度极快：P50 延迟是 GPT-6 Sol 的 35 倍、Quyet-1.0-Large 的 4.5 倍，是实测最快的决策模型。
准确率领先：在近 15 万道题目的 36 项基准测试中准确率均排名第一。
成本极低：输入每百万 tokens 仅 0.042 美元且输出免费，内部实测分类任务成本较 GPT-6 Sol 降低约 200 倍。
决策可评分：为各备选答案输出概率评分，方便下游判断执行、重试或转人工，比”黑盒式”生成更可控。
鲁棒性强：8 种扰动下决策翻转率平均仅 1.3%，选项改写/颠倒场景翻转率为零。
安全可靠：通过 11 项基准、5250 条请求的安全测试，能拒绝有害请求且保持正常使用效用。

项目官网：https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

智能路由分发：将用户请求或任务流量智能分发至最合适的下游服务、模型或 Agent。
内容分类与审核：对海量用户反馈、评论进行快速分类和有害内容识别。
任务优先级排序：在客服工单、缺陷处理等场景中判定任务处理顺序，实现工作流自动化编排。
AI 结果验证：作为 AI 响应评估器，判断生成结果是否合格，决定放行、重试还是升级处理。
异常决策与升级：在事故响应、质量控制等场景中，基于概率评分决定是否转交人工审核，构建人机协同的安全兜底机制。