Microsoft 釋出 Decision‑1：專用決策評分模型加速路由與分類

Microsoft於2026年10月9日推出一個拒絕為你寫段落的模型。Microsoft-Decision-1不會聊天、摘要或撰寫電子郵件。它在一次前向傳遞中對固定的答案選項列表進行評分，並為每個選項返回一個機率，然後離開。公司將其建立在阿里巴巴的Qwen3.5-9B之上，立即通過Microsoft Foundry提供，並在此後不久通過OpenRouter提供，並已開始指向從incident response到科學發現等內部用途。

這是一個有意設計的窄範圍發布，這正是它有趣的原因。當其他產業競相推出更大、更健談的助手時，Microsoft在十月的公告中專注於一個只做一件事的模型：快速從列表中挑選答案，並告訴你它的置信度。對於構建代理管道、路由層和自動驗證系統的工程團隊來說，這可能更…

Google · 優先來源

別錯過Google上的新科技故事

在Google應用程式中加入Shattered一次，然後我們的故事會出現在你的新聞建議中。

立即加入

Microsoft-Decision-1實際上做什麼

今年大多 AI 標題都關於模型產出更多：更多 token、更多上下文、更具創意的輸出。Microsoft-Decision-1 則走相反的路。根據公司自己的公告，該模型會閱讀提供的內容並配合一組預設的答案選項，為每個選項回傳校準後的機率分數，而非產生開放式文字。這與 GPT-6 Sol、Gemini 4 Argon 或 Claude Opus 5.5 的設計任務有實質差異。

Microsoft在發布時為該模型指定了四個核心使用案例：路由、分類、優先排序和驗證，還有它稱之為工作流程控制的功能。想像一張需要被路由到正確團隊的支援票證，一段需要進行是/否審核的使用者內容，或一個AI代理的輸出需要通過/失敗檢查後才能進一步…

這一區別對於任何今天正在使用大型語言模型建置的人都很重要。聊天機器人會產生回應，你必須解析它，猜測其置信度，並希望它遵循你的格式化指示。決策評分模型則完全跳過那一步解析：輸出格式已經是你定義的選項的機率分佈。這是一個較小、更機械的問題，也是 Microsoft 正在押注大量生產系統所擁有的規模。

模型內部：為何選擇 Qwen3.5-9B 作為基礎

最引發討論的細節不是使用案例，而是基礎。Microsoft-Decision-1 是在 Qwen3.5-9B 上進行後訓練的，Qwen3.5-9B 是阿里巴巴的一個 90 億引數的開放權重模型。The Register 直接指出此選擇，將發布定位為 Microsoft 依賴中國 AI 實驗室的開放權重發布以快速推出產品，同時指出 Microsoft 自己聲稱的意圖是隨時間遷移模型基礎。

Microsoft 明確表示這只是一個起點，而非終點。在其發布貼文中，公司說：'To build Microsoft-Decision-1, we post trained Qwen3.5-9B for fast, single-pass decision scoring and will soon rebase it on other models, including Microsoft AI (MAI) and OpenAI.' 對於一家通過 Microsoft Foundry 平臺和其與 OpenAI 的合作投入數十億的公司來說，這是一個顯著的承認。它暗示 Qwen 基礎是為了在狹窄、明確的任務上快速上市，而非作為長期的架構承諾。

在 2026 年，使用他人開放權重模型作為支架並不罕見。許多較小、特定任務的工具都是這樣構建的，正是同樣的邏輯驅動了像 JetBrains 的 Mellum2.1 編碼模型這樣的專案，選擇緊湊的引數量而非原始規模。這裡值得注意的是……

基準測試聲稱：36 個測試，近 150,000 個問題

Microsoft 大量依賴數字來證明產品。公司表示 Decision-1 在涵蓋 36 個基準測試、約 150,000 個留存問題的比較中取得最高準確率，這個規模旨在顯示廣度，而非單一挑選測試。Microsoft 報告該評估的準確率為 83.5%，德國媒體 BornCity 亦有報導此數字。

速度宣稱遵循相同的大而具體數字模式。業界通訊 AI Weekly 和 AI 追蹤網站 TestingCatalog 均報導，Microsoft 表示 Decision-1 的速度比其稱為 Quyet-1.0-Large 的模型快 4.5 倍，且比 GPT-6 Sol 快 35 倍。Data Studios 的另一篇報導以 35 倍為標題框架。Microsoft 自己的釋出資料將 GPT-6 Sol 的結果描述為約 35 倍較低的 P50 延遲，測量於其自身基準上，並表示 Decision-1 比其比較中的亞軍 H2O-Lightning-4B v1.1 快 2.5 倍。這是一個具體的 P50 測量，而非一般性速度優勢，因為兩系統執行不同任務：Decision-1 評分固定選項，而 GPT-6 Sol 則生成文本。臺灣《自由時報》報導回應時間約 85 毫秒，但未說明背後的硬體或測試條件。

這裡正是應該持有健康懷疑的地方。這些是 Microsoft 自己的基準測試結果，透過公司釋出資料報導，並由報導該公告的媒體轉載。本文審查的報導中，沒有任何一篇包含對 36 個基準比較、4.5 倍和 35 倍速度乘數，或 85 毫秒延遲數值的獨立第三方再現。這並不意味數字為假，但確實表示它們應被視為供應商報告的效能宣告，而非同行評審結果，至少直到 Microsoft 以外的人執行相同測試。

一個數字雖較少受到關注，但在實務上可能更重要：Microsoft 表示該模型的決策在 98.7% 的時間內為「擾動穩定」，這一點來自 AI Weekly 引用的公司釋出摘要。對於任何進行二元或多選呼叫，並由下游系統自動執行的模型來說，對小輸入變化的穩定性是實際關注點。若路由決策因微小改寫而翻轉，那就是一個即將發生的生產缺陷；因此，如果在外部測試中能維持高穩定性，該數值將成為評估模型的工程團隊極具價值的資料點。

價格：每百萬輸入 token $0.042，輸出免費

Microsoft 自己的公告和 Microsoft Foundry 檔案在本文審查的來源中並未公佈確認價格。相反，流傳的價格來自 OpenRouter 自身的模型列表，並被 AI Weekly 及義大利媒體 Pasquale Pillitteri 報導：$0.042 per million input tokens, 輸出免費。這種定價結構對於其整個輸出僅為短列表的機率分數而非生成文本的模型來說是合理的，因為輸出端實際上幾乎沒有可度量的專案。

以此價格，Decision-1 被定位為真正廉價的選項，適用於高量級路由與分類工作，這類任務目前多被路由到較小的通用模型，主要因為沒有人願意支付全模型價格來詢問「這是否為垃圾郵件，是或否」。這與今年早些時候推動 Anthropic 將 Claude Haiku 價格削減 75% 的成本邏輯相似：廉價、快速的模型在 API 流量中佔據高頻率、低複雜度的部分，即使旗艦模型在技術上也能完成此任務。

可用性：Foundry 先行，OpenRouter 緊隨其後

Microsoft-Decision-1 在 Microsoft Foundry 進行公開預覽，檔案說明它可用於分類、路由、排名、分級和二元決策。Microsoft 的發布文章最初將 OpenRouter 的可用性描述為「即將推出」，但 OpenRouter 自己的模型列表確認模型在宣佈約一日後已以識別符 microsoft/microsoft-decision-1 上線，OpenRouter 也貼文說它「已在 OpenRouter 上線」。

根據 Data Studios 的報告，該模型的權重未被分發，這意味著開發者只能透過託管 API 存取 Decision-1，而非下載自行託管，這與其所基於的完全開放的 Qwen3.5-9B 相對。這是開放權重模型商業衍生品的常見做法，但對於預期 Qwen 為基礎的產品會具備與基礎模型相同開放性的團隊來說，值得注意。

在 Foundry 中使用 Decision-1

該模型接受文字輸入，支援長度最高 32,000 個 token。它會為預定義選項返回校準後的分數，且不會產生說明，也不處理影像、音訊或影片。需要書面推論或多模態輸入的團隊，必須將其與通用模型配合使用，而不是期望 Decision-1 能完成此類工作。

confidence 分數是應用程式根據輸出採取行動的部分。機率本身是 API 的一部分，而非僅僅是排序分數，應用程式利用 confidence 決定何時執行、延遲或請求審查。舉例來說，一個路由規則是：若 urgent 大於 0.9 且 priority 大於 1.5，立即頁面呼叫值班工程師。另一個例子設定下限：若最高機率低於 0.65，地區性政策可避免降級、保留目前模型或要求人工選擇。

檔案中的範例顯示模型返回加權優先分數 1.9868，confidence 為 98.08%。在代表性案例中，90% 的預測應該正確約 9 次／10，這是團隊在測試自身資料時應該遵循的標準。快速入門需要 Python 3.10 或更高版本，因此首個試點可規模較小。由於 Microsoft 將價格描述為動態，建議在規劃部署前先檢查最新的 Foundry 列表。

Nadella 的推介與 Microsoft 內部使用案例

Satya Nadella 於 X 上親自介紹該模型，寫道："推出 Microsoft-Decision-1，我們的新模型用於快速決策。它在結構化決策任務上表現最佳，無論在延遲還是品質上均優於 LLM 及其他決策模型。我們已在 Microsoft 內部測試，涵蓋從事故回應、品質控制到科學發現的各項工作。"這是一組具名的內部應用，共三項，顯示 Microsoft 並非僅將 Decision-1 交付給第三方開發者，而是先在自身的營運工作流程中使用。

事故回應是一個合乎邏輯的第一步：決策評分模型可以篩選警報、評分嚴重程度，或決定是否需要將工單升級至人員，所有這些任務都完美符合「固定選項加信心分數」的模式。品質控制與科學發現則是更寬泛的說法，除了納德拉之外，沒有其他被提及的微軟高屬公開說明這些工作流程實際如何使用該模型，儘管微軟已發布的資料後續描述了其他內部測試的更詳細情況。

早期內部試驗與範例決策

微軟報告稱 Xbox 研究部使用 Decision-1 將超過 10,000 份開放式回饋分類為預定主題，品質被描述為與 GPT-5 競爭，執行速度則報告為 80–100 倍更快。其他微軟發布的資料指出，團隊亦評估該模型於 Copilot 回應評估與自適應規劃。這些都是公司報告的結果，因此更能顯示工作預期的形式，而非獨立測量。

微軟檔案也提供了其考量決策的具體畫面。舉例來說，一個事件被描述為「結帳服務已停機 20 分鐘，客戶無法完成購買，且無可行的替代方案。」模型會根據優先順序對該報告進行評分，應用程式則決定如何處理結果。Foundry 列出了支援票務篩選、事件優先化、內容過濾、模型、工具與代理選擇，以及模型輸出評估等支援用途。

微軟開發者社群在 GitHub Copilot 的 CLI 與 VS Code 中關於決策路由的貼文展示了相同概念應用於模型選擇，路由器被放置於 Copilot CLI 的原生 /model 指令與 VS Code 的聊天模型選擇器中。部署時，檔案中列出的選項包括 Global Standard，以及在特定區域的 Data Zone Standard。對於評估模型的團隊而言，實務建議是先從已具備明確選項的決策開始，例如工單佇列或模型選擇器，並在自動觸發任何操作前，先將評分與過往人為決策做對照。

Decision-1 與其他小型、專用模型的比較

Microsoft 並非唯一押注 2026 年 AI 市場同時容納小型、任務特定模型與前沿巨頭的公司。Amazon 在此領域推出自家產品 Strands Decider 2B，這是一個 20 億引數的開源代理模型，旨在快速決策，AWS 自己測試時約 100 毫秒。其引數數量比 Decision‑1 的 9B 基礎模型還少，且為開源，而 Decision‑1 只提供 API，但兩者都追求相同的利基：代理護欄與不需要完整推理模型的路由決策。

截至 2026 年 10 月，整體 AI 模型市場呈現槓鈴式結構。一端，實驗室持續推動前沿模型規模，例如 Mistral 的 Large 4 版本，約 1 兆引數或 GPT‑6 在 ChatGPT 的四階層推出 GPT‑6 inside ChatGPT。另一端，供應商則推出低價、窄域、快速模型，服務於那些位於旗艦助手下方的重複性決策。Decision‑1 穩固落於後者，精神上更接近分類器而非聊天機器人，儘管它與通用語言模型有共同血統。

模型	製造商	基礎規模	主要任務	輸出型別	報告價格
Microsoft-Decision-1	Microsoft	9B (Qwen3.5-9B base)	路由、分類、驗證	每個選項的校準機率	$0.042/每M個輸入 token，免費輸出（報告）
AWS Strands Decider 2B	Amazon	2B，開源	代理人安全防護，快速決策	評分決策輸出	開源權重，可自行託管
JetBrains Mellum2.1	JetBrains	12B	程式碼補完	生成的程式碼	與 IDE 工具捆綁
GPT-6 Sol	OpenAI	未披露	一般推理與生成	開放式文字	分層 ChatGPT/API 價格
Gemini 4 Argon	Google	未披露	一般推理與生成	開放式文字	$2/$10 每百萬 tokens（報導）

此比較凸顯一個重要點：Decision-1 並非真正與 GPT-6 Sol 或 Gemini 4 Argon 在同一任務上直接競爭。它在成本與延遲上與它們競爭，針對那些完全不需要生成的請求，例如是/否呼叫、A/B/C 分類、通過/失敗檢查等子集。如果企業 AI 流量中有相當比例實際上是這類機械化需求，便能以低成本專用模型將相當量的流量從通用 API 轉移，即使從未寫過一句散文。

簡單瞭解 Decision Scoring 的運作方式

與提示聊天機器人相比，機制相當直接。開發者提供上下文與封閉的選項集，模型則為每個選項返回一個機率。簡化的請求可能如下所示：

{
  "model": "microsoft/microsoft-decision-1",
  "input": "Customer message: 'My payment failed twice today.'",
  "options": ["billing_support", "technical_support", "spam", "escalate_to_human"]
}

// Example response shape
{
  "scores": {
    "billing_support": 0.81,
    "technical_support": 0.11,
    "spam": 0.01,
    "escalate_to_human": 0.07
  }
}

這個輸出格式就是重點。應用程式可以設定信心門檻，例如將 0.75 以上自動路由，低於此值的則送交人工審核，無需撰寫任何文字解析邏輯。這是任何使用傳統機器學習建立分類層的人都熟悉的模式，只是重新包裝在現代 Transformer 基礎上。

歷史背景：從分類器到校準審判者

Decision-scoring 並非新概念，更像是回歸本質。生成式 AI 爆發前，大多數生產機器學習正是這樣：為單一窄範圍任務訓練的分類器、排序器與評分模型。2022 至 2025 年的生成浪潮將大量工程師注意力聚焦於能做任何事的聊天機器人與代理，卻以更慢、更昂貴的方式處理簡單任務。Microsoft-Decision-1、AWS Strands Decider 以及類似產品則是行業的修正：在真正需要開放式推理的任務中使用前沿模型，對於不需要的則使用小型、廉價、快速的模型。

「LLM-as-judge」模式，即語言模型評估或打分另一模型的輸出，已成為 AI 評估流程的核心模式，已有數年歷史。2026 年的變化在於供應商將此模式打包為專用、定價的產品，而非開發者在通用模型上手工編寫提示。Microsoft 將 Decision-1 定位於「AI 評審」與「代理護欄」用例，正是將此模式正式化並以基礎設施形式銷售。

市場影響：此舉對誰施壓

最直接的壓力落在銷售通用模型以處理路由與分類任務的供應商身上，因客戶目前為這些任務支付的費用與實際複雜度不符。若企業開始將大量低複雜度的 API 呼叫轉向專為評分設計的模型，對於依賴為不需要完整模型推理的任務收取全模型費率的供應商而言，將會造成實際 token 量的大幅下降。

這也對 Google 與 Anthropic 施加競爭壓力，迫使它們決定是否需要自行推出命名的決策評分產品，或是將類似功能納入現有輕量級層級。Google 已經在收緊其免費層模型陣容，從今年的 Gemini 4 Argon 的定價與基準拆分可見一斑，而 Anthropic 對 Claude Haiku 的成本削減亦表現出相同直覺：將前沿模型的價格保持在頂端，並在市場底層的高成交量區域激烈競爭。

還有一個雲端基礎設施的角度。Microsoft Foundry 是 Microsoft 為企業客戶銷售 AI 計算與模型存取的平臺，而像路由與分類這類廉價、高量、黏著度高的工作負載正是能將客戶留在單一雲端生態系的流量型別，而非跨供應商調配 API 呼叫。若一款每百萬 token 價格為 0.042 美元的產品如宣稱般表現，可能會成為 Foundry 的低調量級驅動，即使它從未成為像新聊天機器人那般的頭條產品。

重基準計畫：Qwen 消失時會發生什麼

Microsoft 公佈的將 Decision-1 重新基準於 MAI 與 OpenAI 模型的計畫，對任何目前採用它的團隊提出明顯的運營問題：分數、校準與延遲在此過渡期間是否能保持穩定？Microsoft 將 MAI 與 OpenAI 的基準重設描述為計畫中，而非已釋出，且尚未公佈遷移時間表或對現有整合承諾向後相容性。今天以 API 識別符號 microsoft/microsoft-decision-1 建構生產系統的團隊，實際上是在押注未來底層模型的更換不會實質改變其路由或分類閾值的行為。

對於內容路由這類低風險用例而言，這是一個合理的押注；但對於涉及合規、安全分類或財務決策的任何場景而言，風險就大得多，因為模型校準的微妙變動可能在沒有明顯程式碼變更的情況下改變實際結果。預期 Microsoft 會在企業客戶投入實質量級之前，公佈此項的版本控制與更新日誌做法。

未解決問題與風險

目前公開確認的資訊中，有幾個缺口顯而易見。Microsoft 除了 Nadella 的社群貼文外，尚未指定發言人，因此來自 Decision-1 產品或研究團隊的詳細技術說明仍未發布。基準測試方法論，包括使用了哪些 36 個基準以及比較模型的設定，亦未以外部研究者可重現的形式公佈。速度乘數（包括相對 GPT-6 Sol 約 35 倍更低的 P50 延遲）仍屬於 Microsoft 自己的基準宣告，尚未得到獨立確認。

上述皆不構成排除條件。許多正規產品釋出往往先以行銷數字示人，才進一步披露完整技術細節。但對於評估 Decision-1 超越低風險試點的買家，應該自行執行基準比較，而非直接接受 35 倍與 4.5 倍速度宣稱的表面數字。

屬性	細節
公告日期	2026 年 10 月 9 日
基礎模型	Qwen3.5-9B (阿里巴巴，開放權重)
輸出	每個預定答案選項的校準機率
命名使用案例	路由、分類、優先排序、驗證、工作流程控制
可用性	Microsoft Foundry（公開預覽）；OpenRouter（自釋出週起即線上）
權重	未發行；僅提供託管 API 存取 (已報告)
報告價格	$0.042/百萬輸入 token，輸出免費
基準測試聲稱	36 個基準測試中最高準確度，約 150,000 題目 (供應商報告)
速度聲稱	比 Quyet-1.0-Large 快 4.5 倍；比 GPT-6 Sol 快 35 倍 (供應商報告)
未來規劃	以 Microsoft AI (MAI) 與 OpenAI 模型為基礎

預測：決策評分模型的未來走向

Google 與 Anthropic 兩個季度內回應。 期望至少其中一方正式推出具名的決策評分或評判產品，而非將此類別留給 Microsoft 與 Amazon。
定價持續下降，接近零成本，適用於路由任務。 若每百萬輸入 token 價格仍為 $0.042，競爭者將會匹配或低於此價，因為服務 9B 類模型的邊際成本低且交易量獎勵大。
獨立基準測試將於數週內公佈。 Microsoft 的速度宣稱規模幾乎保證第三方研究人員會嘗試在 GPT-6 Sol 上重現 35 倍的數值，且實際數值在測試條件標準化後可能會更低。
MAI/OpenAI 重新基礎化將成為 2027 年的故事。 不要指望 Microsoft 迅速更換底層模型；中途更換基礎模型可能會破壞企業客戶建立的校準工作流程。
代理人安全牆成為突破性使用案例。 隨著越來越多公司部署自主 AI 代理，能在代理人採取行動前說「是、否或升級」的廉價、快速模型，預計會比單純路由或分類更快被採用。

建置者現在應該做什麼

對於已在通用模型上執行分類或路由邏輯的團隊，Decision-1 值得進行試點，而非全面遷移。挑選一個風險低的工作流程，將其同時執行於目前模型與 Decision-1，持續兩至四週，直接比較準確度、延遲與成本，而非僅信賴 Microsoft 釋出的乘數。對於從零開始構建新代理管線的團隊，將 Decision-1 與 AWS 的 Strands Decider 2B 逐一比較是值得的，因為兩者目的相近，選擇往往取決於託管偏好（僅 API 與開放權重）以及其餘堆疊已所在的雲端。

任何涉及合規、安全或財務決策的團隊，應等待 Microsoft 釋出版本政策後再將 Decision-1 投入該流程。快速、廉價評分模型的優勢確實存在，但一旦承諾的 MAI 或 OpenAI 技術重新基礎化實際發生，未公告的校準變動風險亦同樣存在。

常見問題

什麼是 Microsoft-Decision-1？
它是 Microsoft 的一款專用 AI 模型，於 2026 年 10 月 9 日公佈，旨在以校準機率對固定答案選項進行評分，而非生成開放式文本。Microsoft 將其定位於路由、分類、優先排序、驗證及工作流程控制。

Microsoft-Decision-1 基於哪一個模型？
Microsoft 在阿里巴巴發布的 9 引數的開放權重模型 Qwen3.5-9B 上進行後續訓練，以構建 Decision-1 的首個版本。Microsoft 表示，未來版本將以其自身的 Microsoft AI (MAI) 模型和 OpenAI 技術為基礎。

我可以在哪裡存取 Microsoft-Decision-1？
它現在已經在 Microsoft Foundry 的公開預覽中提供，並且在發布公告約一日後以模型識別碼 microsoft/microsoft-decision-1 在 OpenRouter 上正式上線。

Microsoft-Decision-1 的費用是多少？
Microsoft 在 Foundry 的美國和歐盟 Datazone 方案中列示價格為每百萬輸入 token 0.042 美元，且不收取輸出 token 費用，OpenRouter 的列表和二手報告亦顯示相同數值。Microsoft Community 指導說價格為動態，部署時應使用目前 Foundry 的最新列表。

Microsoft-Decision-1 是否比 GPT-6 Sol 或其他大型模型更快？
Microsoft 宣稱它大約比 GPT-6 Sol 快 35 倍，比其稱之為 Quyet-1.0-Large 的模型快 4.5 倍，這是基於公司自己的基準測試。這些資料由供應商報告，未經獨立重現，請視為參考而非已驗證結果。

我可以下載並自行託管 Microsoft-Decision-1 的權重嗎？
不可以。報導顯示權重未被釋出，僅能透過 Foundry 或 OpenRouter 的 Microsoft 託管 API 取得，與其所衍生的完全開放 Qwen3.5-9B 模型不同。

這與 AWS Strands Decider 2B 有何不同？
兩者皆為小型、快速的模型，設計為代理式決策而非開放式生成。Strands Decider 2B 是開源且引數為 20 億，較小；而 Decision‑1 擁有 90 億基礎引數，且只能透過 Microsoft 託管 API 存取，無法自行託管。

Microsoft-Decision-1 會取代企業用的通用聊天機器人嗎？
不會。它是為狹窄的任務設計，從固定選項中挑選答案並給出置信度分數，並非用於對話、內容生成或開放式推理。它的定位是與通用模型並行運作，處理高頻、低複雜度的決策，無需完整的聊天機器人回應。