微软发布 Decision-1：不写文本、只做决策的打分模型

10 月 9 日，微软 CEO 萨提亚·纳德拉在 X 上宣布，发布一款新模型 Microsoft-Decision-1。微软 Office of the CTO 软件工程副总裁 Achint Srivastava 同步在微软 Command Line 发了技术介绍。

它只做一件事：从你给定的固定选项里挑出最优解，并给每个选项一个概率分数。

选项可以是“是/否”、多选题、数值打分，也可以是一套评分标准，用来给 AI 的回复或智能体的动作打分。调用一次 API，返回结构化数据，软件可以直接拿去执行，不用再从文本里解析答案。

微软列的用途包括：路由分发、内容分类、优先级排序、结果验证、工作流控制、数据标注、搜索相关性、安全筛查，还有智能体动作管控。简单说，它是给智能体工作流当“裁判”和“分拣员”的。

多少钱，在哪用

现在可以在 Microsoft Foundry 和 OpenRouter 上调用。价格很便宜：输入每百万 token 0.042 美元，输出免费。

有两个限制。第一，它只接受纯文本输入，没有视觉能力。第二，微软没有开放模型权重，只能调 API 用。这两点不如 Cloudflare 的 Clef：Clef 带视觉编码器，权重还是 Apache 2.0 开源的。

微软公布的成绩

微软说，在 36 项基准、近 15 万道训练时没见过的题目上，Decision-1 的准确率（83.5%）排第一。速度上，微软称它比次快的竞品快 2.5 倍（另一份材料里写的是 4.5 倍，对比对象不同），比 GPT-6 Sol 快 35 倍。

微软还给了个内部例子。Xbox Research 团队用它给 1 万多条游戏反馈做分类，质量和 GPT-6 Sol 相当，速度快 14 倍以上，成本低约 200 倍。

稳定性方面，微软做了 8 种等价改写测试，比如改写选项描述、打乱选项顺序，平均只有 1.3% 的情况下决策会改变。安全测试做了 5250 次请求，覆盖有害内容、越狱和提示注入 11 项基准。

以上都是微软自测数据，目前还没有第三方验证。

有意思的背景

Decision-1 的基础模型是阿里的开源模型 Qwen3.5-9B，微软在它上面做后训练。微软同时表示，以后会换成自家的 MAI 系列和 OpenAI 的模型。

决策模型这个赛道，是 9 月中被创业公司 TypeSafe 的 Jev 带火的。随后 OpenAI 在 10 月初把 Decisions API 推向公开测试，Cloudflare 开源了 Clef 决策模型。微软是第四个入场的大玩家。

有个细节值得留意：微软的 36 项基准对比里，没有纳入 Cloudflare 的 Clef。所以“最快最准”的说法，只在它自己选的对比范围内成立。

对谁有用

如果你在搭智能体工作流，一个现成的省钱思路是：把决策环节（分类、路由、验证、打分）交给 Decision-1 这类小模型，生成环节留给大模型。微软的定价就是冲这个来的：输出免费，决策这种高频调用场景用起来不心疼。

当然，先在自己的任务上测一遍再说。基准数字是微软自己跑的。