2026年10月9日（当地时间），微软在官方博客发布专用决策模型 Microsoft-Decision-1，Satya Nadella 同步在 X 上官宣。这款模型不写文章、不做开放式推理，只干一件事：给定一组预设选项，快速选出该选哪个，并给每个选项打一个校准过的概率分。它基于阿里开源模型 Qwen3.5-9B 后训练，单次推理就能出结果。定价为每百万输入 Token 0.042 美元，输出免费，微软 Foundry 和 OpenRouter 均已上线。微博微软官方博客知乎
把“选择题”从旗舰模型里拆出来
软件里的很多 AI 调用，其实并不需要“生成”，只需要“判断”：这条用户反馈属于哪一类、这个请求该交给哪个模型、智能体下一步是继续、重试还是交给人。答案早就写在固定选项里，让通用大模型写一段长文来回答这类问题，又慢又贵。微软在公告里算了一笔账：20 步串联的决策链路，每一步多慢 100 毫秒，整条流程就要多等 2 秒。微软官方博客
它能接三种题型：是/否、多选、评分档，也可以按预设标准给 AI 的回答或智能体的动作打分，输出是程序可以直接使用的结构化结果。概率本身是接口的一部分，而且是校准过的：模型说有 90% 把握，在代表性场景里大约十次能对九次。开发者可以据此设一条门槛：把握高就自动执行，把握低就转人工审核。微软官方博客微博
比准确率更值得注意的是稳定性：同一个请求换措辞、改选项描述、打乱选项顺序，总共八种扰动，判断结果平均只有 1.3% 会改变，打乱或反转选项时一次都没变。微软内部已经先用起来：Xbox 研究团队用它把一万多条玩家反馈按主题归类，质量与 GPT-6 Sol 相当，速度快 14 倍以上、成本低 200 倍；Copilot 团队用它给回答质量打分，效果接近 GPT5.6 Luna，速度快 100 倍。微软官方博客微博
公告当天，微软自己把数字改了一版
官方博客在发布当天修订过一次，文末的编辑注释写明，这次更新补上了与 Jev 的准确率、校准对比。而正是这套新对比表显示：它拿下准确率和速度两个第一，校准得分却排第三，仍落后 Jev 1.5 分。微软官方博客
10 月 10 日早间，中文互联网流传的还是另一组数字：36 项基准准确率最高，比亚军 Quyet-1.0-Large 快 4.5 倍。现在的正式版口径是：36 项基准、近 15 万道与训练隔离的题目里准确率第一；延迟比亚军 H2O-Lightning-4B v1.1 快 2.5 倍，比 GPT-6 Sol 快约 35 倍。不少转载没有跟上这次修订，读者看到的仍是旧数字。知乎微软官方博客
底座为什么是阿里的 Qwen
社区讨论最多的点恰恰是底座：微软不是没有自家模型，此前已经发布过网络安全专用模型 MAI-Cyber-1-Flash。 但这次，微软选择先在阿里的开源 Qwen 上完成专项后训练，公告里也写明，下一步会把底座换成自家的 MAI 和 OpenAI 的模型再练一版。换句话说，底座正在变成可替换的零件，微软要占的是“决策”这个场景的接口和生态位。界面新闻
这条赛道也不是微软自己开工。官方把多家模型放进了同一张对比表，基准成绩取自开源榜单 JevBench。中文技术圈的转述也直接把对标对象放在 Jev 上：相比原版，准确度更高、响应更快。据 HuggingFace 热榜盘点，榜单前六里一度有四个位置属于决策模型。微软官方博客微博哔哩哔哩
要不要换：先拿自己的样本跑一遍边界
对开发者来说，它适合一切“有选项、答案固定”的环节：微软官方的说法，是把路由、分类、优先级排序、结果核验和工作流控制这类任务，从通用大模型手里接过来，做成安全可信环境里的决策组件。但它不做生成、不做开放式推理，替代不了大模型本身，也接不了没有预设选项的开放问题。微软官方博客
两个边界要记牢：所有性能数字目前都来自微软自测，第三方独立复现还没有；而校准概率好不好用，取决于门槛设在哪，还是得拿自己业务的样本在边界附近跑一遍才知道。接下来值得盯的，是底座换成 MAI 和 OpenAI 之后，准确率、校准和价格会不会跟着变。微博
