85毫秒给出决策：微软发布专做选择题的Decision-1小模型

微软在AI模型领域又投下一颗深水炸弹。日前，微软CEO纳德拉宣布推出Microsoft-Decision-1，这是一款专门用于结构化决策任务的小型模型。与传统大模型追求生成能力不同，Decision-1的定位极为明确：不写文章、不做聊天、不翻译总结，只专注做选择题。给它一个决策场景，它能在85毫秒内为每个选项输出一个校准过的概率值。这种极致的速度与精度组合，让Decision-1在36项测试中拿下准确率第一，平均延迟仅为85毫秒，比GPT-6 Sol快35倍，引发行业广泛关注。

决策模型的技术定位

大语言模型像一位知识渊博的专家，能够针对问题洋洋洒洒地展开长篇论述。而Decision-1更像医院里的分诊台护士——不写病历，只用简短问询后给出分流建议：急诊90%、内科8%、皮肤科2%。这种能力看似简单，却是AI落地企业场景的核心刚需。在客服工单分类、搜索结果排序、AI回答质量打分、智能体下一步动作决策等场景中，系统需要的不是华丽的文采，而是快速的判断与可量化的置信度。微软正是看准了这一痛点，将Decision-1设计为JSON结构化输出，每个选项附带校准概率，让程序能够直接基于结果执行后续流程，实现端到端自动化。

性能表现与横向对比

从官方披露的测试数据来看，Decision-1在多个维度建立了领先优势。在准确率方面，它以83.5%的平均准确率登顶36项测试，领先第二名Quyet-1.0-Large（81.9%）近两个百分点。在延迟层面，中位响应时间仅85毫秒（p95为125毫秒），比H2O-Lightning-4B快2.5倍，比GPT-6 Luna Decisions快3.5倍，比GPT-6 Sol快35倍。更值得关注的是其校准度得分达到92.2分，这意味着模型输出的“有90%把握”确实在90%左右可信，而非过度自信或保守。这对于需要依赖概率做判断决策的业务系统而言，是极其重要的信任基础。不过需注意，这些数据由微软自行测试，测试环境与竞争对手的评测基准存在差异，实际表现仍需在具体场景中验证。

微软内部应用实践

在正式发布前，微软多个团队已将该模型投入实际业务。Xbox研究团队用它对玩家反馈进行自动分类，包括问卷、Steam评价和社交媒体评论等来源的万余条数据，结果显示质量与GPT-6 Sol相当，但速度快了14倍，成本降低200倍。Copilot团队则利用它对聊天和智能体的回答进行实时质量打分，延迟从原来的秒级降至毫秒级，响应速度提升100倍。值班工程师在故障排查场景中用它检索日志和工单，效率和准确性均优于传统大模型。Microsoft Discovery团队在科研智能体场景中验证了其自适应重规划能力，评分一致性达到大模型打分的46倍，整体规划速度提升近4倍。这些内部实践表明，Decision-1并非实验室产物，而是已经深度嵌入微软核心业务流程的生产工具。

商业化路径与应用前景

目前Decision-1已在Microsoft Foundry正式上线，定价策略颇具竞争力：输入每百万token仅需0.042美元，输出完全免费。按此计算，1万条各500 token的决策请求总成本约0.21美元，相比调用GPT-6等大模型，成本优势极为显著。微软同时明确了一些使用边界：禁止将模型作为信贷、就业、医疗、法律等重大决策的唯一依据，也不适用于个人画像和监控场景。从技术架构看，Decision-1基于阿里Qwen3.5-9B开放权重模型进行后训练，输出不生成文字，而是直接给出校准概率。微软表示后续将尝试将其迁移至MAI和OpenAI等不同基座上，验证跨基座的决策能力。这一定位清晰的产品发布，标志着头部厂商在“模型分化”趋势下的又一次精准卡位——不是做更全能的大模型，而是做特定任务下更快、更准、更便宜的专业工具。

Decision-1的发布揭示了一个清晰趋势：当通用大模型能力趋于饱和，市场开始向场景化、专业化的决策小模型分叉。这类模型不以参数规模论英雄，而是以任务精度、响应延迟、部署成本作为核心竞争维度。对企业而言，高频、结构化的决策场景将成为AI落地的下一个高价值切入点，而Decision-1正是这一趋势的典型注脚。