微软在 Foundry 上线 Microsoft-Decision-1，基于阿里 Qwen3.5-9B 后训练

Microsoft 于周五在 Foundry 中推出了 Microsoft-Decision-1，三天前 OpenAI 将其 Decisions API 以公开测试版形式向所有开发者开放。Microsoft 是在阿里巴巴的 Qwen3.5-9B 上对决策模型进行后训练的，而非基于其合作伙伴 OpenAI 构建的任何东西，不过它计划很快将其重新基于自家的 MAI 模型以及 OpenAI 的模型。

Decision-1 的价格为每百万输入 token 0.042 美元，输出免费，与 TypeSafe 对 Jev 的收费完全一致，而且它发布当天，TypeSafe 宣布完成由 a16z 领投的 8.7 亿美元 A 轮融资，估值达 75 亿美元。

Microsoft 比开创这一品类的初创公司落后了大约三周半，而在这段时间里，OpenAI、Upstage、Perplexity、Cloudflare 和 AWS 都已推出了各自的决策模型。

TypeSafe 表示近 30% 的《财富》500 强企业已经试用过 Jev，不过它没有点名任何一家，TypeSafe CEO Diogo Almeida 在 X 上发帖称，自发布以来的三周内，“29.4% 的《财富》500 强企业现身了”。

这些正是 Microsoft 向其销售 Azure 的公司，这让 TypeSafe 的早期势头很难被 Microsoft 忽视。

Microsoft 的第一个客户就是它自己

Microsoft 董事长兼 CEO Satya Nadella 于周五在 X 上宣布了这款模型，他写道：“我们已经在 Microsoft 内部对其进行测试，”并有四个内部团队为他背书。

Xbox Research 用它整理了超过 10,000 条玩家反馈，Copilot 团队用它为聊天和智能体回复评分，值班工程师在实时事故期间用它拉取上下文，Microsoft Discovery 则在智能体重新规划之前用它为实验打分。

Microsoft 的数据显示，在 Xbox 场景下，它比 GPT-6 Sol 快 14 倍以上，而成本仅为其一小部分；在 Discovery 中，其一致性高出 46 倍。

但这款模型可能肩负着更大的任务。周三，该公司表示 GitHub Copilot 很快将决定何时在设备上运行任务、何时将其发送给云端规模的模型，不过它尚未披露 Copilot 会向云端发送什么。

模型路由是 Microsoft 为 Decision-1 列出的用例之一，但该公司尚未说明这款模型是否会为 Copilot 做出这些调用。由于 Copilot、GitHub 和 Xbox 都需要做出路由决策，Microsoft 有动力在内部处理它们。

由于 Copilot、GitHub 和 Xbox 都需要做出路由决策，Microsoft 有动力在内部处理它们。

决策模型变得便宜了

Cognition 的工程副总裁 Jared Palmer 花了约 95 美元的 Modal H100 机时，将其开源的 Kev 模型移植到 Qwen3.5，而 Cloudflare 则在 Microsoft 所选的同一 Qwen3.5-9B 基础上构建了 Clef-flash。

Jev 的价格正在成为通行价：Palmer 在 OpenRouter 上将 Kev-4B 列为每百万输入 token 0.042 美元，Perplexity 收费 0.02 美元，而 OpenAI 的收费是 Jev 费率的两倍多。在这样的价格下，来自单次决策调用的收入微乎其微，微软更大的机会是让智能体流量——包括围绕每次决策的生成式调用——都通过 Foundry 运行。此外，OpenRouter 上的上架可能会把未使用 Azure 的开发者带入这一生态系统。

Achint Srivastava，微软 Office of the CTO 的软件工程副总裁，推出了 Decision-1，作为一种在“安全、可信的环境中”为现有应用、智能体和工作流添加决策能力的方式。

仅文本，无权重

这显示出 Decision-1 与竞争对手相比的不足之处。其 Foundry 上架信息称，它最多接受 32,768 个 token 的文本并返回 JSON，但它不支持图像，这一点不同于 OpenAI 的 Decisions API 和使用视觉编码器的 Cloudflare Clef。

虽然 Cloudflare 以 Apache 2.0 发布了 Clef，但微软尚未宣布开放权重。AWS、Upstage 和 Ollama 也已采用 TypeSafe 的 System One API，该 API 现已成为这一类别中的通用接口，但微软尚未说明 Decision-1 是否完全兼容，尽管其 Foundry 示例代码调用了一个 /systemone 端点。

对抗性压力下的校准

该公司称 Decision-1 的概率经过校准，这意味着在代表性案例中，90% 的预测应有约九成是正确的，但关于 Jev 的研究表明，当输入被写成具有误导性时，一个自信的分数可能偏离多远。微软自己的 Foundry 文档建议客户在自己的数据上验证校准。

该公司称 Decision-1 的概率经过校准，这意味着在代表性案例中，90% 的预测应有约九成是正确的。

在JevOut 预印本中，南加州大学计算机科学研究员 Zixiang Xu 及其合著者发现，向上下文中添加简短、听起来自然的补充内容，使 Jev 最初正确的 508 个决策中有 312 个被翻转。在 229 个案例中，Jev 给错误答案分配了至少 70% 的概率。在相同的测试方法下，另外三个评分系统显示出的翻转率在 64.9% 到 73.2% 之间。

微软用八种扰动测试了 Decision-1，包括重新排序选项和改写描述，这平均改变了其 1.3% 的答案。JevOut 没有测试 Decision-1，因此尚不清楚该模型面对类似攻击时会有何表现。微软也尚未确认 Decision-1 是否完全支持竞争对手采用的 System One API，这留下了关于互操作性以及应多大程度信任其置信度分数的问题。

热门故事