10月9日，微软正式推出Decision-1。随着这一模型的问世，主流云平台现已全面提供专为AI智能体工作流中的路由、评分和门控任务设计的专用模型。此举完善了由TypeSafe AI于24天前开创的新品类，标志着决策模型已从 niche 评估工具演变为备受争夺的平台层基础设施。作为结构性瓶颈，它决定了哪些查询需送往昂贵的前沿大模型，哪些可在毫秒级内以极低成本处理。
Decision-1：为决策而非生成而生
Decision-1是一个拥有90亿参数的模型，基于阿里巴巴开源的Qwen3.5-9B进行后训练。与传统语言模型不同，它专门用于对决策进行评分，而非生成自由格式文本。该模型接受上下文及一组固定答案选项（如是/否、多项选择或数值量表），在单次前向传播中直接返回每个选项的校准概率。
微软声称，在P50延迟下的评估任务中，Decision-1的速度比GPT-6 Sol快35倍，比GPT-5.6 Luna快100倍以上。在涵盖近15万个保留问题的36个基准测试中，其准确率位居榜首。需要注意的是，所有数据均由厂商报告，独立基准测试机构尚未发布完整评估。微软建议团队在替换现有分类器或路由器前，先在自有数据上进行测试。
架构革新：消除顺序解码，重构成本结构
标准语言模型通过自回归方式逐词元生成文本，一条30词的回复需30次或更多顺序传递。这种架构虽适合开放式推理，但在答案受限的任务（如工单路由、合规评分）中会造成计算浪费。决策模型则仅执行Transformer推理的预填充阶段，在一次可并行处理的传递中处理完整输入，直接对预定义选项的概率分布进行评分，完全跳过自回归解码。
这种架构带来了直接的经济效益。由于不生成词元，输出计费消失。Decision-1在Microsoft Foundry上的定价为每百万输入词元0.042美元，输出免费。这与TypeSafe的Jev定价一致，似乎确立了该品类的市场出清价格。对于每秒1000次调用、平均每次500词元的工作流，每小时成本约为75美元，仅为同等前沿模型调用的极小部分。
校准优于速度：工程部署的关键
尽管微软强调延迟优势，但工程师指出，校准才是决定该类别能否安全部署的关键。一个准确率为96%但过度自信的模型，在运营上不如一个准确率为94%但概率诚实的模型。Jev和Decision-1均声称返回校准的概率分数，即0.9的置信度在代表性案例中应约90%正确，使下游代码能设置可操作阈值，而非将输出视为二元确定性。
微软的鲁棒性测试显示，Decision-1在面对请求扰动（如改写选项描述、重新排序）时表现稳定。在八种不同方式的扰动测试中，该模型平均仅在1.3%的情况下改变答案，且对改写或重新排序的选项零翻转。
品类起源与竞争格局
决策模型品类起源于2026年9月15日，当时TypeSafe AI推出了托管决策模型Jev。TypeSafe表示，Jev在最初24小时内吸引了超过15万人注册候补名单，首周每日输入词元量超一万亿。社区分析发现，相较于LLM基线，Jev的实际加速倍数中位数为7倍，虽远低于部分报道中的193倍，但仍具显著意义。
随后，Cloudflare于10月1日推出基于Qwen系列的开源模型Clef和Clef-flash；亚马逊同日推出Strands Decider 2B。微软在八天后入场，完成了这一品类的初步构建。目前，TypeSafe的Jev为闭源托管服务，Cloudflare模型开源，亚马逊Strands Decider 2B移除了语言模型头部以追求极致速度，而微软则选择对开源权重进行后训练，并计划未来基于自家模型重构。
内部实战：Xbox、Copilot与科学发现
微软透露，Decision-1已在多个内部团队的生产环境中运行。Xbox Research利用其处理超过1万名玩家的开放式反馈，发现其在质量上与GPT-6 Sol相当，但速度快14倍以上，成本低约200倍。Copilot团队将其用于聊天和智能体响应的质量控制，速度达到GPT-5.6 Luna的100倍。
在微软科学研究AI平台Discovery中，Decision-1被引入自适应重规划循环。结果显示，在速度提高三倍的情况下，其评分一致性比基于LLM的评分器高出46倍，总体吞吐量提升近四倍，显著缩短了实验收敛时间。所有内部数据均源自微软团队使用自家模型作为基线的对比，独立第三方测试尚未公布。
战略意图：掌控AI智能体的路由权
此次发布由微软CTO办公室软件工程副总裁Achint Srivastava主导。Srivastava曾共同创立AI评估初创公司Pi Labs，该公司于2025年12月被微软收购。这次收购不仅带来了团队，更引入了将评估构建为基础设施而非临时层的智力框架。
CEO萨提亚·纳德拉将Decision-1定位为“帮助人们引导和控制AI智能体在复杂环境中运作”的工具，这与微软《人文主义AI指南》中强调人类权威的理念一致。在多步智能体工作流中，决策模型决定了什么请求能到达生成模型。谁拥有这个路由层，谁就掌握了用户意图与前沿模型响应之间的结构性瓶颈。通过Azure Foundry部署Decision-1，微软正试图成为企业智能体工作流的核心路由基础设施，这是对AI企业栈的结构性主张。
目前，Decision-1已在Microsoft Foundry模型目录和OpenRouter上可用，相关文档已在Azure上线。