マイクロソフト、高速意思決定モデル「Microsoft-Decision-1」公開

AIエージェントのワークフローを組んだ経験がある人なら、分岐のたびに大規模言語モデルを呼び出して全体の動作が重くなり、莫大なAPI費用に頭を抱えたことがあるはずです。

実際のソフトウェア制御において、モデルに長い文章を語らせる必要はほとんどありません。必要なのは「次へ進むか」「やり直すか」「人間へ引き渡すか」といった迅速で確実な判定だけです。

マイクロソフトは10月10日、こうしたタスクに特化した判断モデル「Microsoft-Decision-1」を発表しました。Microsoft FoundryおよびOpenRouter経由で利用可能で、モデルのルーティング、分類、優先順位付け、検証、ワークフロー制御などを担います。

9Bモデルを判定専用に後学習

Microsoft-Decision-1は、オープンソースのQwen3.5-9Bに追加のポストトレーニングを施し、1回のパスで確率スコアを算出できるように設計されています。今後はMicrosoft AIやOpenAIのモデルをベースにしたバージョンの提供も予定されています。

あらかじめ用意された選択肢に対して、確率スコアを直接出力する仕組みです。Yes/No判定、多肢選択、レーティング、ルーブリック基準に基づくエージェント行動の採点などを、単一の構造化API呼び出しで処理します。

学習には使用していない約15万問・36種類のブラインドベンチマークにおいて、本モデルは最高の精度を記録しました。処理速度の面でも、次点となったH2O-Lightning-4B v1.1より2.5倍、GPT-6 SolのP50レイテンシと比較して約35倍高速でした。

また、入力文の言い換えや選択肢の順序変更など8種類のノイズを加えるテストでは、判定が変わった割合は平均1.3パーセントにとどまり、選択肢のシャッフルや言い換えに対しては変化ゼロを記録しました。

安全面でもプロンプトインジェクションや有害リクエストを含む11のベンチマーク・5250件のテストをクリアし、有害な処理を遮断しながら通常タスクを妨げない堅牢性を確認したとしています。

料金は入力トークン100万あたり0.042ドルに設定され、出力トークンは無料です。

XboxやCopilotチームでの社内実績

マイクロソフトは社内の複数チームで先行導入した実績も公開しています。

Xbox Researchでは、Steamやアンケート、Xから収集した1万件以上のプレイヤーの自由記述フィードバックを分類する作業に適用しました。その結果、GPT-6 Solと同等の品質を維持しながら、14倍以上の速度と200分の1のコストを達成しました。

Copilot開発チームではチャット回答の品質評価に使用し、GPT5.6 Lunaと同等品質の評価を100倍の速度で実行できたと報告しています。

このほか、障害対応におけるログやチケットからのナレッジ検索で汎用LLMを上回る成果を出したほか、科学研究プロジェクトのMicrosoft Discoveryでは実験手順の再計画において汎用LLM比で46倍の一貫性と3倍の速度を記録しました。

なぜ重要か

これまで自律型エージェントの現場では、わずかな条件分岐にまで巨大な生成モデルを使うという、過剰で非効率なリソース消費が続いていました。

エージェントシステムを開発している現場にとって、このモデルは今すぐ試す価値があります。ルーティングや入力チェックなどの判断部分を置き換えるだけで、連続するステップの遅延を劇的に減らし、運用コストを大幅に引き下げられるからです。

業界全体にとっても、何でもこなす巨大モデルから、役割に応じた特化型モデルへの分業化が一段と加速するきっかけになります。複雑な推論はフロンティアモデルが担い、制御や選別は軽量な判断モデルが引き受けるというアーキテクチャが定着するはずです。

文章生成を捨てて判断スコアリングに絞り込んだマイクロソフトの設計は、非常に実践的だと評価できます。9Bベースであるため、極めて高度なドメイン知識を要する複雑な判断では限界が出る懸念もありますが、日常的なワークフロー制御においては十分実用的な選択肢になりそうです。