Microsoft-Decision-1.1、Artificial Analysis Decision Indexで68を記録
重要ポイント
- •Microsoft-Decision-1.1は2026年11月17日に提供が開始され、Artificial Analysis Decision Index v2.1で68を記録し、先行モデルの62からスコアを伸ばしました。
- •新モデルはDecision-1の274ミリ秒に対して123ミリ秒でタスクを完了し、速度を2倍以上にしながら、100万入力トークンあたり0.042ドルの価格を維持しています。
- •Decision-1.1は90億パラメータと約32,000〜33,000トークンのコンテキストウィンドウを持つQwen3.5-9Bのポストトレーニング版で、はい/いいえ、選択式、ルーブリック評価といった形式に対応した単一パスの確率スコアリングに最適化されています。
- •このモデルは独立運営のv2.1インデックスで意思決定モデルの中の8位にランクインし、Jev 1.14、GoogleのGemini Decision 1、OpenAIのGPT-6 Lunaを上回っていますが、依然として7つのモデルがより高いスコアを記録しています。
- •Microsoftによると、2026年10月の公開プレビュー開始以来4,000社を超える顧客がこのモデルを利用しており、102のブラインドベンチマークで平均精度首位を主張していますが、この精度数値は独立した評価機関ではなくMicrosoftによるものです。

Microsoftは、ビジネス上の意思決定を目的として構築された特化型AIモデル「Microsoft-Decision-1.1」をリリースしました。このモデルはArtificial Analysis Decision Index v2.1で68のスコアを記録し、前バージョンの2倍以上の速度で動作する一方、価格は変更されていません。
初代バージョンが2026年10月に公開プレビューに登場したばかりであることを考えると、Microsoftはわずか数週間で、より高速でスコアの高い後継モデルを提供したことになります。
バージョン間で変わった点
新モデルは2026年11月17日に提供が開始されました。ベンチマークスコアは、同じインデックスで先行モデルMicrosoft-Decision-1が記録した62から68に上昇しています。
より大きな注目点は速度です。Decision-1.1は1つのタスクを123ミリ秒で完了します。先行モデルの274ミリ秒と比較すると、Decision-1の2倍以上の速度です。
価格は変更されていません。モデルの価格は100万入力トークンあたり0.042ドルのままで、Decision-1と同じレートです。そのため顧客は同じ支出で実質的により多くのスループットを得られます。
モデルの仕組み
Decision-1.1は、比較的コンパクトなベースモデルであるQwen3.5-9Bをポストトレーニングしたバージョンです。90億のパラメータを持ち、約32,000〜33,000トークンのコンテキストウィンドウに対応しています。
このモデルは単一パスの確率スコアリングに最適化されています。質問を与えると、各回答の尤度に関する較正された推定値を返します。この設計は、タスクあたりのレイテンシとトークンコストが本番環境で大規模実行の可否を左右する、大量スコアリング処理の経済性に適合しています。
Microsoftは複数のフォーマットに対応するようこのモデルを構築しました。具体的には、はい/いいえの回答、選択式問題、ルーブリックに基づく評価などが含まれます。
Microsoftは社内でもこのモデルを利用していると述べています。また、公開プレビュー開始以来4,000社を超える顧客が利用したと報告しています。これらの採用数値はMicrosoftによるものです。
ランキングにおける位置
独立系ベンチマーク評価を実施するArtificial Analysisは、v2.1インデックスにおいてDecision-1.1を意思決定モデルの中で8位にランク付けしています。これにより、同モデルはJev 1.14、GoogleのGemini Decision 1、OpenAIのGPT-6 Lunaといった著名なモデルを上回る位置につけています。ただし、同じインデックスで7つのモデルが依然としてDecision-1.1を上回っています。Artificial Analysisはランク対象のベンダーから独立して評価を実施しているため、このインデックスはプロバイダ間で特化型モデルを比較する際の中立な指標を買い手に提供します。
一方、Microsoft自身も精度に関する主張を行っています。同社によると、このモデルは385,000を超える質問が評価された102のブラインドベンチマークにおいて、平均精度で首位にあるとのことです。この数値はArtificial AnalysisではなくMicrosoftから提供されたものです。
この意味
Microsoftはタスク時間を274ミリ秒から123ミリ秒に短縮しながらトークン価格を据え置いたため、顧客は同じ支出で実質的により多くのスループットを得られ、追加コストなしで単位時間あたりのタスク完了数がおよそ倍増しています。Decision-1.1がコンパクトな90億パラメータのベースモデルに基づいていることを考えると、Artificial AnalysisインデックスでGoogleとOpenAIのモデルを上回る位置につけたことは注目に値する結果です。
それでも、v2.1インデックスでは7つのモデルがDecision-1.1の上位にランクしており、この特定のスコアボードにおいてMicrosoftは優勢というより競争力のある存在です。また、102のベンチマークにわたるMicrosoftの幅広い精度の主張も独立した結果として提示されておらず、このモデルを評価する買い手は、重大な結果を伴う意思決定に委ねる前に、自社のデータで検証することになるでしょう。今後注目すべき2つの展開は、後続のリリースがv2.1インデックスで上位7モデルとの差を縮めるかどうか、そして同社の102ベンチマークにおける精度の主張を裏付ける独立した結果が現れるかどうかです。