微軟釋出 Decision-1：延時比 GPT-6 Sol 快 35 倍

如果你搭過複雜的 AI 智慧體工作流，大機率吃過這種虧：每個判斷節點都去調一遍大語言模型，結果流程慢得像卡死，月底賬單還貴得肉疼。

很多時候，軟體要的根本不是 AI 滔滔不絕寫一篇分析，只是需要它在幾個選項裡選一個，比如「繼續」「重試」「轉人工」。

微軟正式推出了專門幹這種髒活累活的輕量模型：Microsoft-Decision-1。它已經上線 Microsoft Foundry 和 OpenRouter，專門用來做模型路由、分類、優先順序排序、打分核驗以及工作流控制。

拿開源底座後訓練，專門做單步裁決

Microsoft-Decision-1 是基於開源的 Qwen3.5-9B 進行後訓練打造的。微軟表示，後續還會推出基於 Microsoft AI 和 OpenAI 模型的版本。

它的邏輯很簡單：給定固定的選項集合，模型直接輸出經過校準的機率打分，單次呼叫就能搞定。它支援是非判斷、多選、打分，或者依據評價標準給智慧體行動打分。

在微軟跑的 36 項評測基準裡，涵蓋了近 15 萬道在訓練期完全盲測的題目，Microsoft-Decision-1 的準確率拿下了第一。速度方面，它比第二名 H2O-Lightning-4B v1.1 快了 2.5 倍，P50 延遲比 GPT-6 Sol 整整快了 35 倍。

做決策模型最怕選項順序一變、稍微換個措辭結果就變。微軟在測試中用 8 種方式對同一個請求施加擾動，模型的平均翻轉率只有 1.3%，在選項改寫或者亂序時甚至做到了零翻轉。

在安全性上，微軟用 11 個基準、5250 個涉及有害內容、越獄和提示詞注入的請求測試它，模型在攔截有害行為的同時沒有誤傷正常任務。

價格更是便宜得驚人：輸入每百萬 token 只要 0.042 美元，輸出 token 完全免費。

微軟內部團隊拿它測了什麼？

在公開發布前，微軟內部幾個團隊已經把它放進了真實業務裡跑。

Xbox Research 團隊拿它處理了超過 1 萬條來自問卷、Steam 和社交平臺 X 的開放式玩家反饋，把它們歸類到固定主題。結果顯示，它的分類質量和 GPT-6 Sol 相當，但速度快了 14 倍以上，成本便宜了 200 倍。

Copilot 團隊用它來評估聊天和智慧體回覆的質量，測試發現它能對齊 GPT5.6 Luna 的水準，速度卻飆到了後者的 100 倍。

微軟值班工程師還在故障響應中用它在日誌、工單、會議記錄等資料裡檢索知識，表現和速度都超過了通用大語言模型。

另外在 Microsoft Discovery 的科研場景中，智慧體需要根據實驗結果打分並反覆調整方案，改用 Decision-1 之後，評分一致性達到了大語言模型的 46 倍，速度快了 3 倍，帶動整個自適應規劃流程提速近 4 倍。

為什麼重要

大模型落地到現在，大家終於意識到一個尷尬的現實：用通用大模型去控流程、做路由，就像拿幾十萬的精密顯微鏡去砸核桃，既慢又費錢。

對於正在做多智慧體協作、複雜自動化工作流的開發者來說，Microsoft-Decision-1 非常值得立刻試水。如果你的系統裡有幾十個連續的 if-else 判定、分類或者資料打標環節，換掉昂貴的通用大模型，延遲可以直接從幾秒壓到毫秒級，還能大幅砍掉 API 支出。

從行業角度看，AI 的分工正在從「一個模型包打天下」走向真正的流水線分工。推理歸前沿大模型，結構化判斷歸決策模型，這種架構一旦普及，不僅會改變智慧體系統的搭建標準，也會倒逼其他模型廠商跟進做輕量裁決工具。

我們認為，微軟這一步走得相當實在。它沒有去硬卷通用大模型的引數規模，而是敏銳地卡住了「智慧體控制層」這個高頻剛需。唯一的潛在隱患在於，它把基礎能力押在 Qwen3.5-9B 上，未來如果遇到需要極高領域專業知識或超長跨度隱式邏輯的極端裁決，9B 的體量可能仍會有天花板，但這完全可以通過外接大模型兜底來解決。