微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策评分模型
Microsoft 发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策评分模型
微软发布 Microsoft-Decision-1，一个由 Qwen3.5-9B 后训练的决策评分模型，对固定选项输出校准概率而非生成文本，已上线 Microsoft Foundry 和 OpenRouter。
MarkTechPost· Asif Razzaq·2026-10-10 14:03· 1 小时前AI 评分58
Microsoft AI 发布 Microsoft-Decision-1：一个 Qwen3.5-9B 决策评分模型
AI 导读
Microsoft 发布 Microsoft-Decision-1，一个由 Qwen3.5-9B 后训练的决策评分模型，对固定选项输出校准概率而非生成文本，已上线 Microsoft Foundry 和 OpenRouter。
正文
Microsoft 发布了 Microsoft-Decision-1，一个用于路由、分类、验证和智能体控制的决策模型。Microsoft-Decision-1 是一个决策评分模型，对每个固定答案选项返回校准概率，而非生成文本。它由阿里巴巴的 Qwen3.5-9B 后训练而来，现已在 Microsoft Foundry 和 OpenRouter 上线。.
TL;DR
- 规模：基于 Qwen3.5-9B 构建；确切参数量未披露。32,768 token 上下文窗口。
- 运行方式：仅托管 API（Microsoft Foundry、通过 Azure 的 OpenRouter）。无开放权重，无量化变体，硬件未披露。
- 性能：在 Microsoft 的 36 项基准对比中平均准确率最高，p50 延迟为 85 ms。
- 最佳：在 36 项基准上平均准确率 83.5%，领先 Quyet-1.0-Large 的 81.9%。
- 最差：校准度 92.2，仅次于 Quyet-1.0-Large 的 93.1。仅文本，无解释。
- Bottom line:
- Best thing: fast, cheap, calibrated decisions at $0.042 per million input tokens with free output.
- 最差之处：闭源权重，且每项基准均由厂商自行运行。
- Best thing: fast, cheap, calibrated decisions at $0.042 per million input tokens with free output.
什么是决策模型？
决策模型读取输入并对一组封闭选项进行评分。它不撰写文本。Microsoft 将决策模型视为一个新的 AI 类别，专为软件可立即据以行动的输出而构建。
Microsoft-Decision-1 如何工作？
Microsoft 对 Qwen3.5-9B 进行后训练以实现单次决策评分。给定一个情境、一个问题及固定选项，它在一次调用中返回每个选项的概率。它计划将未来版本基于 MAI 和 OpenAI 模型重建。
Foundry 模型卡列出了支持的格式：
- 是/否、多项选择、评分、分类和评分标准问题
- 对 AI 回复和拟议智能体操作进行评分
- 对照所提供证据进行有据性检查
- 显式弃权选项，如“无法判断”
训练使用了 Microsoft 开放数据流程下的公开数据集以及合成数据。输出为 JSON。OpenRouter 指出权重持续更新，而 API 形态保持固定。
它有多快、多准？
Microsoft 在 36 项基准、147,137 个问题上比较了 9 个系统。基准在训练中保持盲测。Microsoft-Decision-1 以 83.5% 的平均准确率领先。
其 p50 延迟为 85 ms，p95 为 125 ms。这比 Quyet-1.0-Large 快 4.5 倍，比耗时 3.01 秒的 GPT-6 Sol 快 35 倍。
Microsoft 还测试了鲁棒性。它对每个请求进行 8 种扰动，包括改述和选项打乱。该模型在平均 1.3% 的扰动上翻转了决策。当选项被改述、反转或打乱时，翻转率为零。
在安全方面，Microsoft 在 11 项基准上运行了 5,250 个请求。这些涵盖有害内容、越狱和提示注入。Microsoft 报告了正确拒绝且保留高实用性，但未公布分数。
Microsoft 报告的内部结果
- Xbox Research：整理了 10,000+ 条反馈，比 GPT-6 Sol 快 14 倍、便宜 200 倍。
- Copilot 质量控制：与 GPT5.6 Luna 相当，速度快 100 倍。
- Microsoft Discovery：一致性比 LLM 评分高 46 倍，速度是其 3 倍。
它与其他决策模型相比如何？
| 特性 | Microsoft-Decision-1 | Quyet-1.0-Large | H2O-Lightning-4B | GPT-6 Luna Decisions |
|---|---|---|---|---|
| 开发者 | Microsoft | Chinh Nguyen | H2O.ai | OpenAI |
| 基础模型 | Qwen3.5-9B | Gemma-4-31B-it（LoRA 合并） | Qwen3.5-4B | 未披露 |
| 参数量 | 未披露 | 31.3B | 4B | 未披露 |
| 上下文 / 输入 | 32,768 tokens | 8,000-token 提示（6,000 状态） | 40,960（vLLM serve 设置） | 未披露 |
| 许可证 | 专有 API | Apache-2.0 | Apache-2.0 | 专有 API |
| 模态 | 文本 | 文本 | 文本和图像 | 文本和图像 |
| 硬件 | 托管（Azure） | 1x 80 GB GPU，bf16 | 测试用 32 GB GPU；9.1 GB 权重 | 托管 |
| 准确率（Microsoft，36 项基准） | 83.5% | 81.9% | 77.2% | 79.4% |
| 校准（Microsoft） | 92.2 | 93.1 | 91.8 | 89.9 |
| Microsoft 图表中的中位延迟 | 85 ms | 380 ms | 210 ms | 300 ms |
| 价格 | $0.042/百万输入，输出免费 | 自托管 | 自托管 | $0.10/百万输入，输出免费 |
准确率、校准和延迟行来自 Microsoft 的图表。其中的竞品延迟使用 JevBench v1.6.1 调整后的中位数。
延迟比较是同类对比吗？
不完全是。Microsoft 通过 Foundry 测量自家模型。竞品数据使用 JevBench 调整后的中位数，而非原始计时。
H2O.ai 的模型卡对此提出异议。它指出 JevBench 的调整值将测量时间翻倍并增加 0.15 秒。H2O 表示其模型实测中位数为 29 ms，而非 210 ms。Microsoft-Decision-1 未出现在 JevBench 榜单上。在该榜单的官方综合评分中，H2O-Lightning-4B 以 72.5 排名第 1。
开发者如何部署它？
开发者可以从 Microsoft Foundry 调用它，作为正式可用的“Direct from Azure”模型。在 OpenRouter 上，它运行在 Decisions API 上，而非聊天端点。Chat completions SDK 将无法使用。
定价为 每百万输入 tokens $0.042，输出免费。OpenAI 的 Luna decisions 端点每百万输入 tokens 收费 $0.10。
有哪些限制？
模型卡明确指出：
- 不适用于文本生成、开放式问答、聊天、翻译或摘要。
- 仅限文本。不支持图像、音频或视频。
- 输出中不提供解释或理由。
- 不适用于信贷、就业、住房、医疗或法律权利方面的唯一自动化决策。
- 应用必须定义选项、阈值、升级路径和人工监督。
关键要点
- Microsoft-Decision-1 用校准概率对固定选项评分，而非文本。
- 基于 Qwen3.5-9B 后训练，具有 32,768-token 上下文窗口。
- 在 Microsoft 的 36 项基准比较中以 83.5% 准确率和 85 ms p50 领先。
- 每百万输入 tokens 成本 $0.042；输出 tokens 免费。
- 延迟比较存在争议；独立的 JevBench 结果尚未公布。
查看 官方公告、Foundry 模型卡和 OpenRouter 列表。所有功劳都归于本项目的研究人员。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ 机器学习 SubReddit 并订阅我们的新闻通讯。等等！你在用 Telegram 吗？现在你也可以在 Telegram 上加入我们了。
文章 Microsoft AI 发布 Microsoft-Decision-1：一个 Qwen3.5-9B 决策评分模型 首次出现在 MarkTechPost。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news