Microsoft zaprezentował Microsoft-Decision-1, model sztucznej inteligencji o wąsko zdefiniowanym zadaniu: szybkie podejmowanie ustrukturyzowanych decyzji. System nie pisze wierszy ani nie redaguje e-maili. Zamiast tego wybiera właściwą odpowiedź ze stałej listy opcji. Microsoft twierdzi, że model przewyższa rywali pod względem dokładności, działając przy tym znacznie szybciej, a firma już testuje go we własnych operacjach.

Co naprawdę robi Decision-1

Model został ogłoszony 9 października 2026 r. Microsoft opisuje go jako model oceny decyzji zaprojektowany do zadań takich jak routing, klasyfikacja, priorytetyzacja, weryfikacja i kontrola przepływów pracy.

Technicznie model przypisuje skalibowane wyniki prawdopodobieństwa do zestawu stałych opcji odpowiedzi. Mogą to być proste pytania tak/nie lub układy wielokrotnego wyboru. Kalibracja ma znaczenie, ponieważ oznacza, że liczba wyrażająca pewność ma być wiarygodna, a nie jedynie ozdobna. Mówiąc prosto, model nie tylko stwierdza „przekaż to zgłoszenie do działu bezpieczeństwa” — podaje też, jak jest pewny swojej decyzji. Dzięki temu firma może zdecydować, kiedy ufać maszynie, a kiedy przekazać sprawę człowiekowi.

Decision-1 obsługuje dane wejściowe do 32 000 tokenów w pojedynczym przebiegu. Architektura single-pass oznacza, że model przyjmuje całe dane wejściowe i zwraca wyniki jednym ruchem, zamiast generować odpowiedź słowo po słowie.

Liczby, na które wskazuje Microsoft

Microsoft twierdzi, że Decision-1 osiągnął najwyższą dokładność w zestawie benchmarków liczącym prawie 150 000 pytań „na ślepo”. Według firmy opóźnienie modelu jest 4,5 raza mniejsze niż Quyet-1.0-Large, który został przez Microsoft wskazany jako najbliższy konkurent. W przypadku GPT-6 Sol różnica ma — według doniesień sięgać 35 razy.

Są to dane samego Microsoftu. Jak w przypadku każdego benchmarku dostawcy, prawdziwym sprawdzianem będą niezależne testy.

Zbudowany na cudzym fundamencie

Decision-1 nie powstał w oparciu o bazowy model Microsoftu. To wersja post-trained modelu Qwen3.5-9B — open-weightowego modelu od Alibaba. Microsoft poinformował, że przyszłe aktualizacje są planowane w oparciu o modele Microsoft AI (MAI) i OpenAI.

Cyfry „9B” w nazwie odnoszą się do wielkości modelu. Należy do kategorii kompaktowych, co pomaga wyjaśnić deklaracje dotyczące szybkości: mniejsze modele zazwyczaj wymagają mniej mocy obliczeniowej na jedną odpowiedź.

Testy wewnętrzne i dostępność

Microsoft informuje, że Decision-1 jest obecnie testowany wewnętrznie w przepływach pracy związanych z reagowaniem na incydenty, kontrolą jakości i odkryciami naukowymi. Dla użytkowników zewnętrznych model jest dostępny przez Microsoft Foundry, a jego wdrożenie na OpenRouter jest zaplanowane. Foundry to platforma Microsoftu do tworzenia i uruchamiania AI w środowiskach korporacyjnych, natomiast OpenRouter zapewnia deweloperom pojedynczą bramę do wielu różnych modeli.

Szerszy zwrot ku mniejszym, wyspecjalizowanym modelom AI

Decision-1 nie przychodzi sam. W tym samym czasie pojawiły się podobne wyspecjalizowane rozwiązania od Liquid AI i vLLM Semantic Router. Modele te zostały zaprojektowane do wydajniejszej obsługi zadań o dużym wolumenie niż modele ogólnego przeznaczenia, które nigdy nie były budowane z myślą o błyskawicznej klasyfikacji.

Dlaczego kalibracja ma znaczenie

Skalibrowane ocenianie może być najbardziej praktyczną cechą modelu. Firmy wdrażające AI w wrażliwych obszarach muszą wiedzieć, kiedy model nie jest pewny, a wynik pewności tworzy czytelny punkt przekazania między automatyzacją a weryfikacją przez człowieka.

Na co zwracać uwagę

Wyniki benchmarków są samoraportowane, a testy pozostają na razie wewnętrzne. Warto obserwować: wdrożenie na OpenRouter, niezależne porównania benchmarkowe oraz to, czy Microsoft opublikuje wyniki swoich testów z zakresu reagowania na incydenty i kontroli jakości.