Microsoft-Decision-1 深度评测：决策模型新品类，比 GPT-6 Sol 快 35 倍的路由神器

继大语言模型（LLM）和 AI Agent 之后，AI 行业又冒出了一个新品类——决策模型（decision model）。10 月 9 日，微软正式发布 Microsoft-Decision-1，一款专门用于”快速做决策”的轻量模型，已在 Microsoft Foundry 和 OpenRouter 上线。它的定位很明确：不是替代 GPT-6 去写文章、写代码，而是帮 Agent 和业务系统完成路由、分类、优先级判断、结果验证这类高频、低成本的决策任务。官方给出的核心卖点很惊人——在 36 项盲测基准里拿到最高准确率，同时比 GPT-6 Sol 快 35 倍，输入价格只要 $0.042/百万 token，输出完全免费。

决策模型是什么？和 LLM 到底差在哪

理解 Microsoft-Decision-1 的关键，是先搞清楚”决策模型”和”大语言模型”的分工差异。LLM 的核心是生成文本、推理复杂问题，每次调用都要走一遍自回归生成，成本高、延迟大；而决策模型是为结构化输出而生——它不写长文，只负责在给定的一组选项里给出判断，输出的是软件可以直接执行的结构化结果（比如”是/否”、一个选项、一个评分）。

微软官方把它定位为面向四类任务的专用模型：

• 路由（Routing）：判断”该把这个请求发给哪个模型”
• 分类（Classification）：给图片、查询、反馈打标签
• 优先级与验证（Prioritization & Verification）：给结果打分、判断要不要人工复核
• 工作流控制（Workflow control）：决定 Agent 下一步该做什么

这套思路并不孤立。就在几天前，OpenAI 刚刚推出 Decisions API，把”决策”从大模型里拆出来做成独立接口；更早之前 Amazon 也开源了 Strands Decider 2B，验证了”决策模型能跑在本地”的可行性。微软这次进场，等于给这个新品类投下了一枚重磅背书。

Microsoft-Decision-1 的核心能力

从技术细节看，Microsoft-Decision-1 是在 Qwen3.5-9B 基础上做后训练得到的，走”单次前向、快速打分”的路线。给定一组固定选项，它会为每个选项输出一个校准过的概率分数，支持”是/否””多选””评分”以及”基于评分标准（rubric）给 AI 回复或 Agent 动作打分”这几种模式。未来微软还会把它 rebase 到 MAI 和 OpenAI 模型上。

微软在技术博客里强调了三项能力，正是决策模型区别于”拿 LLM 硬凑”的地方：

• 速度：决策任务往往是链式的，一步接一步。官方实测，P50 延迟比 GPT-6 Sol 快约 35 倍。换句话说，同样的判断任务，GPT-6 Sol 要 100ms，它只要 3ms 左右。
• 泛化质量：在 36 项基准、近 15 万道题目上拿到最高准确率，而且这些基准在训练时是盲测的（没有见过）。这避免了”刷榜型”过拟合。
• 鲁棒性：同样的请求用 8 种方式扰动（改措辞、换选项顺序、加噪声），决策翻转率平均只有 1.3%；当选项被换序或打乱时，翻转率为零。

还有一个容易被忽略但很实用的点：概率本身是 API 的一部分，而不只是排名。应用可以据此决定”现在直接执行、还是转人工复核”。官方声称 90% 置信度的预测，在代表性样本上十次能对九次。

实测表现：比 GPT-6 Sol 快，还便宜 200 倍

微软公布了几组内部真实用例的数据，比单纯的 benchmark 更有说服力：

• Xbox Research 数据标注：处理 1 万+ 条开放式反馈和评论（来自问卷、Steam、Twitter/X），按主题分类。质量与 GPT-6 Sol 相当，但速度提升 14 倍、成本降低 200 倍。
• Copilot 质检：评估聊天和 Agent 回复质量，性能可与 GPT-5.6 Luna 对标，速度却快了 100 倍。
• 事故响应：从日志、工单、消息里检索相关知识，比 LLM 更快更准。
• 科学发现：在自适应重规划（adaptive replanning）场景里，评分一致性是 LLM 方案的 46 倍。

这些场景的共同点是：不需要生成新内容，只需要”判断”。这正是决策模型的主场——用极低的成本，把过去被 LLM”大材小用”的环节省下来。

Microsoft-Decision-1 与其他决策/生成模型横向对比

模型	定位	速度/成本亮点	本站评分
Microsoft-Decision-1	决策模型，路由/分类/验证	比 GPT-6 Sol 快 35 倍，输出免费	8.7
Strands Decider 2B	开源决策模型，可本地跑	2B 参数，轻量本地部署	—
GPT-6.1 Sol	通用效率模型，生成+推理	被拿来当速度基准（慢 35 倍）	8.8
GPT-6 Sol / Luna	OpenAI 旗舰效率双雄	全能但决策成本偏高	9.0
Claude Haiku 5.5	Anthropic 轻量主力	降价 75%，也可做轻量判断	8.7

从上表能看出一个清晰的趋势：决策类任务正在从通用 LLM 里”剥离”出来，交给更小、更专、更便宜的专用模型。对开发者来说，这意味着 Agent 架构里多了一个可以显著降本提速的组件；对普通用户来说，它通常不会被直接感知，但会间接让各类 AI 应用响应更快、费用更低。

使用体验与局限

优点很突出：接入方式简单（一个结构化 API 调用即可），Foundry 和 OpenRouter 两个主流平台都能用；定价策略对高频调用非常友好——输入 $0.042/百万 token，输出免费，做大规模分类或路由时成本优势是数量级的。

局限也要说清楚：

• 它不能生成内容，也不擅长开放式的长推理。写文章、写代码、复杂多步推理，仍然得用 GPT-6、Claude 这类 LLM。
• 它解决的是”给定选项选一个”的问题，选项设计得好坏直接影响效果，前期需要一定的 prompt/选项工程投入。
• 当前基于 Qwen3.5-9B，中文等非英语场景的决策表现官方没有单独公布数据，实际效果建议先在自有数据上验证。
• 作为新品类，生态和最佳实践还在早期，能参考的现成案例不多。

综合评分

维度	评分	评价
功能完整度	9.0 / 10	是/否、多选、评分、rubric 打分全覆盖，场景明确
易用性	8.5 / 10	单次 API 调用，Foundry/OpenRouter 双平台，上手快
性价比	9.5 / 10	输出免费，输入极便宜，高频调用成本优势巨大
中文支持	7.5 / 10	多语言基准有覆盖，但官方未单独披露中文数据
输出质量	9.0 / 10	36 项盲测基准最高准确率，鲁棒性好

综合评分：8.7 / 10

常见问题（FAQ）

Microsoft-Decision-1 是什么？

它是微软 2026 年 10 月发布的决策模型，专门用于路由、分类、优先级判断、结果验证等结构化决策任务，而不是生成文本。基于 Qwen3.5-9B 后训练，主打速度快、成本低、准确率高。

Microsoft-Decision-1 免费吗？怎么收费？

输入 token 收费 $0.042 美元/百万 token，输出 token 完全免费。相比按输入输出都收费的通用 LLM，做高频决策任务时成本能降一到两个数量级。

怎么接入 Microsoft-Decision-1？

两条路：一是在 Microsoft Foundry 的模型目录（ai.azure.com）里直接调用；二是通过 OpenRouter 平台调用。都只需要一次结构化 API 请求，传入选项即可拿到概率分数。

决策模型和 GPT-6、Claude 这些大模型有什么区别？

大模型负责生成和复杂推理，决策模型只负责”在给定选项里做判断”。决策模型快几十倍、便宜数百倍，但不能写文章、写代码。两者是分工关系，Agent 系统里经常配合使用——大模型干活，决策模型把关和调度。

它适合什么场景？

最适合高频、低延迟、需要结构化输出的环节：内容审核分类、客服工单路由、AI 回复质检、用户反馈打标、Agent 工作流里的下一步决策等。不适合开放式内容生成和长链条推理。

想了解更多新模型和工具？可以浏览我们的 AI 模型库，或使用 工具对比引擎 按场景选型。相关阅读：GPT-6.1 Sol 深度评测 · GPT-6 Sol 与 Luna 评测 · Strands Decider 2B 决策模型。