微软推出首个决策模型Microsoft-Decision-1,基于阿里Qwen底座二次训练

微软10月9日推出首个决策模型Microsoft-Decision-1,基于阿里Qwen3.5-9B后训练,单次前向推理输出校准概率,自测准确率第一但校准略逊于头部竞品,商业本质是云平台的锁客网关组件。

Microsoft-Decision-1: Our model for fast decision-making

10月9日,微软在Microsoft Foundry平台上线其首个专用决策模型Microsoft-Decision-1,同步接入OpenRouter。

该模型不承担开放式文本生成,而是针对结构化选择题场景,在单次前向推理中输出预设候选项的校准概率,供下游系统直接完成分流、路由或升级动作。

品类背景:一个被Jev引爆的新赛道


决策模型成为独立品类,始于9月15日TypeSafe AI发布Jev。

该模型以单一前向推理替代通用大模型的逐token生成,上线初期需求一度超出API承载能力,经TechCrunch报道后引发广泛关注;9月21日全面开放后持续走热。

Vercel于9月18日披露,Jev在其AI Gateway上线24小时内触达近13%的付费团队,为平台历史最快采用速度,该数字产生于免费促销窗口内,仅代表平台内渗透率。

OpenAI随后于9月29日在DevDay发布Decisions API,10月6日转入公测,但其本质是在通用模型GPT-6 Luna上加装决策接口,并非独立训练的决策模型。

微软是首个切入该品类的超大规模云平台厂商。

技术路径:底座、输出头与后训练


微软官方披露模型基于阿里Qwen3.5-9B完成后训练,后训练数据来自微软Open Data流程下的公开数据集与合成数据,并在训练阶段完成测试集隔离。

需要区分的是Qwen3.5-9B底座的原始训练数据来自阿里开源体系,微软的贡献集中在后训练环节。

Jackrong/Qwen3.5-9B-Neo · Hugging Face

从技术机制看,该模型未改动Transformer主干,而是进行输出头改造与专项后训练,将输出空间约束为候选集合上的概率分布,直接跳过自回归逐token解码循环,从而把单次调用压缩为一次前向推理。

这与Jev所采用的受限softmax机制属同一路线,SGLang等推理框架的score端点已可对开源模型复现该模式。

模型能力边界清晰:支持二分类是非判断、多候选单选、有序等级打分三类任务,不支持自由文本生成、解释性输出与开放式问答。

后续版本计划迁移至自研MAI底座,同时将OpenAI底座纳入备选,属多路线并行而非单一替代。

性能口径:准确率第一,校准第三


微软公布的对比测试覆盖36项基准、147137道训练隔离盲测题,涉及Jev 1.13.0、Quyet-1.0-Large、GPT-6 Luna Decisions、H2O-Lightning-4B等八个对手。

Chart showing AI performance on tests of accuracy and latency

核心结果如下。

指标
Microsoft-Decision-1
主要对手
平均准确率
83.5%

排名第一
Jev 82.3%
Quyet 81.9%
Luna Decisions 79.4%
延迟
85ms

p95为125ms
Jev 240ms
Quyet 380ms
Luna Decisions 300ms
校准得分
92.2
Jev 93.7
Quyet 93.1

校准指标衡量模型输出概率与真实出错频率的贴合度,是决策模型区别于普通分类器的关键能力。

微软模型在准确率与延迟上领先,但校准得分低于Jev与Quyet,这一取舍对依赖置信度阈值做自动路由的业务有实际影响。

鲁棒性方面,同一请求经8种扰动处理后平均决策翻转率为1.3%,选项改写与顺序打乱场景下翻转率为零。安全评估覆盖11项基准、5250条请求,涉及有害内容识别、越狱攻击与提示词注入。

以上全部数据为微软自测口径,评测数据集与对手清单由微软自行选定,第三方独立基准尚未发布。另有核查发现,微软两篇发布材料中对同一Xbox项目给出了不同数据,引用其内部落地数字时需谨慎。

内部落地与定价


微软已在多个内部场景完成部署验证。

Xbox研究团队将其用于玩家反馈分类,处理规模超过1万条,官方口径称速度达到GPT-6 Sol的14倍、成本约为其二百分之一;

Copilot质量控制管线用于AI回答评估,输出水平对标GPT5.6 Luna,速度快100倍;事件响应团队在处理实时故障时调用其提取上下文;

Microsoft Discovery平台用于实验方案评分,一致性指标达到通用LLM打分的46倍,此为微软内部场景指标,不宜引申为通用结论。

纳德拉在社交媒体上确认,公司正在更多内部业务中测试该模型。

定价为输入每百万token 0.042美元,输出免费,与Jev首发定价持平。发布同日,Cloudflare将Clef-flash降至每百万token 0.038美元,价格竞争已经开始。

模型不开放权重,以托管API形式提供。

商业逻辑不难判断。

决策调用本身毛利微薄,但高频前置路由一旦接入,后续生成、长推理、检索等高价值调用将持续留在Foundry平台内,该模型本质上是平台锁客的网关型组件。

适用边界与风险


01
 基准局限

全部评测为厂商自测,跨行业私有业务数据上概率校准效果可能明显衰减,微软校准得分本就落后头部竞品,真实负载下的置信度漂移需要独立验证。

02
 能力硬边界

模型只能处理预先定义候选集合的任务,一旦问题超出预设选项无法自主发现新解,这是决策模型相对通用大模型的根本性短板,也决定了它无法进入需要开放式判断的环节。

03
 底座依赖

首发版本基于阿里开源底座,授权合规但存在外部生态依赖,这应是微软规划迁移自研MAI底座的动因之一,官方未对此明确表态,此处为分析性推断。

04
 竞争格局

Jev、Quyet、Cloudflare Clef、OpenAI Decisions API、Perplexity自研decider系列同台,决策任务标准化程度高,客户迁移成本低,价格战压力将持续存在。

行业判断


Microsoft-Decision-1的样本意义不在单点跑分,而在两点确认。

Microsoft-Decision-1: Fast Decision Model for Routing, Classification, and  Agent Workflows | NexusAi

1

推理层的分工正在细化,完整智能体链路可以拆解为前置决策路由层与生成执行层,大量低复杂度分支判断、工单路由、内容初筛、模型调度属于前者,这一层调用频次极高、单次价值低,决策模型正是为承接这部分负载而生。

2

大型厂商的标准打法已经成形,以成熟开源底座快速完成验证,以自研底座承接后续版本,以云平台托管API完成商业闭环,这套路径预计将被更多平台厂商复制。

决策模型能否成为智能体基础设施的标准组件,取决于第三方基准、概率校准质量与真实业务泛化能力,目前下结论为时尚早。它更现实的短期角色,是云厂商模型目录中一个高频、低毛利、强粘性的流量入口。

- END -


本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信