微软发布 Decision-1 决策模型，输入每百万 token 只收四分钱

微软在 10 月 9 日发布 Microsoft-Decision-1，把它定位成一款专门做决策打分的小模型：调用时给出一组固定选项，模型返回每个选项的校准概率，而不是生成一段文字。它已在 Microsoft Foundry 上线并标注为正式可用（GA），随后也会出现在 OpenRouter。微软称它面向路由、分类、优先级排序、校验和工作流控制等场景，用来把「判断」这一步接进现有应用与智能体。这款模型基于阿里开源的通义千问 Qwen3.5-9B 后训练，微软还表示后续会换到自家 MAI 与 OpenAI 的底座上。

聊天大模型擅长生成文本和推理，但很多工程任务其实只要一个判断结果，比如「这条反馈属于哪一类」「这一步要不要继续」。让大模型回答这类问题，往往要先生成一段解释、再把文字解析回结构化数据，既慢又贵。决策模型换了个思路：它不做开放生成，只在一组候选里打分，输出可以被程序直接读取的 JSON。微软在公告里把它形容为「软件能立刻照做的结构化输出」，并强调这类能力在低成本、高性能下会解锁大量任务。

过去一年，智能体的成本大头不在「想」，而在「反复判断」。一个任务链条里可能有几十个节点，每个节点都要问一次「下一步做什么」，如果每次都调用旗舰大模型，账单和延迟都会迅速堆高。决策模型瞄准的正是这块：把重复、明确的判断挪到一个便宜得多的小模型上，只在真正需要推理时才叫大模型。微软在公告里算过一笔账——每个决策多 100 毫秒，20 个串行决策就会让整个流程多花两秒，所以速度和单价同样关键。

这类模型并非微软首创。近一个月里，TypeSafe 的 Jev、Cloudflare 的 Clef 都主打「不写字只做判断」，微软这次是把同一思路做成云上托管、按量计费的产品。区别在于，前两者更偏开源或自建集成，Decision-1 直接进 Foundry，走微软的合规与计费体系。

Decision-1 的接口返回的不只是排序，而是每个选项的概率值。它支持是/否、单选多选和评分，也支持用评分标准（rubric）给 AI 回答或智能体动作打分。微软强调「概率本身就是接口的一部分」：应用可以用置信度决定何时执行、何时推迟、何时转人工。对开发者来说，这意味着可以把「要不要信这个结果」做成一个阈值，而不是再写一套规则。

官方原文见 微软 Command Line 博客；模型卡与定价可在 Microsoft Foundry 目录 查看。目录页显示它输出 JSON、上下文窗口 32768、状态为正式可用（GA）。

微软给出了几组数字。Decision-1 在其 36 项基准对比中准确率最高，覆盖近 15 万个对训练屏蔽的题目；速度上，P50 延迟比第二名 Quyet-1.0-Large 快 4.5 倍，比 GPT-6 Sol 快约 35 倍。第二组数字是稳定性：把同一请求做八种改写，模型平均只有 1.3% 会改变决定，选项描述被改写或顺序被打乱时则完全不翻转。

读这些数字要注意两点。一是基准由微软自测，第三方复现尚未出现，参考价值要打折；二是「35 倍」是延迟倍数，不是能力倍数，它回答的是「够不够快」，而不是「够不够聪明」。真正值得关注的是 1.3% 翻转率这类一致性指标——在生产里，同一个输入忽左忽右，往往比慢一点更麻烦。

价格是这次最直接的信息：输入每百万 token 0.042 美元，输出 token 免费。按微软的说法，这相当于把一次判断的边际成本压到可以忽略的量级，适合放在高频、链条很长的流程里。接入方式有两种，一是在 Microsoft Foundry 里调用，二是通过 OpenRouter，后者对没有 Azure 账号的开发者更省事。上下文窗口为 32768，够放下一段指令加一组候选，但不适合塞长文档。

和「用便宜的小模型硬做分类」相比，Decision-1 的差别是输出被约束成概率而不是自由文本，省掉了后处理解析的工程。要提醒的是，便宜不等于总成本最低：如果任务需要理解复杂语境或长文档，仍然要交给大模型，Decision-1 更适合放在「大模型之前或之后的那一步」。

微软披露了几个内部用法，能帮读者判断它到底能干什么。Xbox Research 用它把一万多条开放式反馈归到固定主题里，微软称质量与 GPT-6 Sol 相当，但快 14 倍以上、便宜约 200 倍。Copilot 团队用它做回答质量评估，认为与 GPT-5.6 Luna 相当，速度快约 100 倍。此外，值班工程师用它做故障知识检索，Microsoft Discovery 用它给实验重规划打分，一致性约为原来 LLM 方案的 46 倍。

这些例子的共同点是「分类、打分、选下一步」这类重复而明确的判断，而不是创作。反过来说，需要写文案、做推理、处理开放问题的场景，它不是替代品。

把 Decision-1 放进当前格局，它的位置比较清楚：底座不是自研，而是把开源的通义千问 Qwen3.5-9B 做后训练，再套上微软的托管与计费。好处是便宜、上手快，模型本身是成熟的小模型，微软补的是校准、结构化输出和工程化；代价是它天然依赖别人的开源底座，微软也明确说后续会换到 MAI 和 OpenAI 模型上，说明这一代底座只是过渡。对使用者而言，接口形态比底座更重要——只要输出格式和概率语义稳定，换底座时迁移成本可控。

对普通用户，这次更新几乎无感，你用的聊天工具不会突然变样。对开发者和做智能体的团队，影响更直接：如果你们正在为「路由到哪个模型」「这一步要不要执行」写规则或调用大模型，Decision-1 提供了一个更便宜、更可控的选项。对企业 IT 与安全团队，它是一个可以在 Foundry 里统一治理、按量计费的小组件，风险面比自建要小。

怎么验证？建议先用一条真实流程做小范围对照：把现有判断逻辑和 Decision-1 并排跑，记录准确率、延迟和账单，重点看它在你们数据上的翻转率与校准是否可信，再决定是否上线。编辑判断是：这次发布的意义不在「又一个模型」，而在于把「决策」从大模型里拆出来，做成专用、低价的一层。接下来值得关注两件事——微软把它换成 MAI、OpenAI 底座后表现如何，以及 OpenAI、Anthropic 是否会跟进同类「决策 API」。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

如发现事实、价格或链接有误，可通过 联系我们 提交更正。