微软发布 Decision-1:面向快速决策的新型模型
摘要
微软发布名为 Microsoft-Decision-1 的新型模型,专攻结构化决策任务,宣称在延迟和质量上同时优于通用 LLM 与其他决策模型,并已在微软内部多个场景试用、通过 Foundry 对外提供。
核心要点
- 模型定位为“决策模型”这一独立品类,而非通用 LLM,主打结构化决策任务上的高速度与高质量。
- 已跨微软内部场景测试,覆盖事件响应、质量控制到科学发现;已在 Microsoft Foundry 上线,并即将通过 OpenRouter 提供。
- 文章提及的速度与成本指标为:比 GPT-6 Sol 快 35 倍,输入价格 0.042 美元/百万 token(由评论区用户引用原文)。
- 原文强调“校准”能力:应用可用置信度决定行动、推迟或转人工,即 90% 的预测应约十次中九次正确。
- 第三方 Opper AI 称在该模型在 jevman(让 AI 决策模型玩吃豆人)基准中进入前十名。
原文佐证
- It delivers top performance on structured decision tasks, outperforming both LLMs and other decision models in latency and quality.
- We’re already testing it across Microsoft for everything from incident response and quality control to scientific discovery.
- The speed and the cost are strong: 35 times faster than GPT-6 Sol, and $0.042 per million input tokens.
AI 洞察
在通用大模型能力竞赛之外,微软用“决策模型”切出一个以延迟、成本和校准为核心的新战场——竞争的衡量标准从“答得好不好”转向“敢不敢让它直接动手”。这也把技术问题变成了治理问题:谁来定义“行动”与“转人工”之间的那条线,并为之负责,将成为企业 Agent 落地的真正瓶颈。若这类专用模型被验证可靠,Agent 控制、风控与自动化流水线的形态会显著改变,行业焦点将从模型能力转向可审计的决策链路。