速度是GPT-6 Sol的35倍，微软推出高速决策AI模型，36项测试准确率第一

微软推出了一款针对结构化决策任务设计的新一代人工智能模型，在运算速度和成本效益方面显著优于当前主流的大型语言模型。

上周五，微软正式发布了快速决策AI模型Microsoft-Decision-1，该模型专为结构化决策场景打造。

微软表示，Microsoft-Decision-1的P50版本已在多个内部场景中进行了测试，包括事故响应、质量控制和科学探索等领域。其运行速度是OpenAI GPT-6 Sol的35倍，是Quyet-1.0-Large的4.5倍。

微软首席执行官萨提亚·纳德拉在X平台上发文称，该模型“在结构化决策任务上表现卓越，在延迟性和质量方面均优于大语言模型及其他决策模型”，并已在微软内部用于事故响应、质量控制及科学研究等场景的测试。

从定价策略来看，该模型的输入费用为每百万tokens 0.042美元，而输出则完全免费，这种收费结构对高频、重复性决策应用具有很强的吸引力。

01 专注决策，弥补大语言模型能力缺口

与侧重于文本生成和复杂推理的传统大语言模型不同，Microsoft-Decision-1的设计目标更加集中。

Microsoft-Decision-1模型从预设选项中选出最优方案，并为每个候选答案分配概率评分，从而帮助下游应用判断是继续执行、重试、升级处理，还是移交给人工审核。

（Microsoft-Decision-1在准确率上位居榜首，且是实测速度最快的模型）

微软声称，该模型在涵盖近15万道问题的36项基准测试中，准确率均排名第一。其功能包括路由分发、内容分类、任务优先级排序、结果验证及工作流控制，可无缝集成到现有应用程序、AI代理及工作流系统中。

不过，上述性能数据来源于微软自身的基准测试，尚未经过独立第三方验证。

02 内部测试显示速度与成本优势显著

微软强调，每个决策都会增加延迟，尤其是在步骤相互依赖的情况下。例如，若连续做出20个决策，每个决策增加100毫秒延迟，整个工作流程就会延长2秒。

Microsoft-Decision-1 P50的延迟速度是GPT-6 Sol的35倍。

（单次请求生成决策的时间，数值越低越好，取自JevBench测试集的中位数）

Xbox Research团队使用该模型对超过1万条游戏反馈进行分类，结果显示其质量与GPT-6 Sol相当，但速度提升14倍以上，成本降低约200倍。微软Copilot团队也发现，该模型在AI响应评估任务上的表现与GPT-5.6 Luna相近。

（Microsoft-Decision-1对相同文本进行分类时，成本仅为GPT-6 Sol的几十分之一）

在技术架构上，Microsoft-Decision-1基于Qwen3.5-9B构建，并经过以单次决策评分为核心的专项后训练。

微软还计划未来将该模型迁移至其MAI系列模型及OpenAI模型等其他平台之上。

微软在公告中强调，该模型旨在“以安全、可信的环境将决策智能融入现有应用”，并将其定位为AI代理工作流编排的基础组件之一。

03 鲁棒性与安全性得到重点强调

微软在设计中着重考虑了模型的稳定性。

测试数据显示，在对同一请求进行八种形式的扰动处理后，Microsoft-Decision-1平均仅有1.3%的概率发生决策翻转，且在选项描述改写或选项顺序颠倒等场景下，翻转率为零。

在安全性方面，微软对该模型进行了涵盖11项基准、共5250条请求的测试，内容涉及有害内容识别、越狱攻击及提示词注入等，称模型在成功拒绝有害请求的同时保持了较高的正常使用效用。

目前，Microsoft-Decision-1已通过微软旗下AI开发平台Microsoft Foundry向开发者开放，OpenRouter的接入支持也在计划之中。爱游戏体育入口注意到，该模型在结构化决策任务中的高效表现，使其成为企业级AI应用的重要补充。

本文来自微信公众号“华尔街见闻Max”，作者：鲍奕龙，36氪经授权发布。