Microsoft-Decision-1.1 在 Artificial Analysis 决策指数中得分 68
要点速览
- •Microsoft-Decision-1.1 于 2026 年 11 月 17 日发布,在 Artificial Analysis Decision Index v2.1 上获得 68 分,较前代产品的 62 分有所提升。
- •新模型完成任务的耗时为 123 毫秒,而 Decision-1 为 274 毫秒,速度提升一倍以上,同时价格维持在每百万输入 token 0.042 美元不变。
- •Decision-1.1 是 Qwen3.5-9B 的后训练版本,拥有 90 亿个参数和约 32,000 至 33,000 个 token 的上下文窗口,针对是非题、选择题和基于量规的评分格式的单次概率评分进行了调优。
- •该模型在独立运行的 v2.1 指数中位列决策模型第八名,领先于 Jev 1.14、Google 的 Gemini Decision 1 和 OpenAI 的 GPT-6 Luna,但仍有七个模型得分更高。
- •Microsoft 报告称,自 2026 年 10 月公开预览以来已有超过 4,000 名客户使用该模型,并声称其在 102 项盲测基准上的平均准确率最高,但该准确性数据来自 Microsoft 而非独立评估方。

Microsoft 已发布 Microsoft-Decision-1.1,这是一款专为商业决策打造的专用 AI 模型。该模型在 Artificial Analysis Decision Index v2.1 上获得 68 分,运行速度比前代版本快一倍以上,且价格保持不变。
首个版本于 2026 年 10 月才进入公开预览,这意味着 Microsoft 在短短数周内就推出了速度更快、得分更高的续作。
版本之间有哪些变化
新模型于 2026 年 11 月 17 日上线。其基准得分从其前代产品 Microsoft-Decision-1 在同一指数上的 62 分攀升至 68 分。
速度是更大的亮点。Decision-1.1 完成一项任务仅需 123 毫秒,而早期模型需要 274 毫秒,使其速度比 Decision-1 快一倍以上。
价格没有变动。该模型的成本仍为每百万输入 token 0.042 美元,与 Decision-1 相同,因此客户实际上以相同的支出获得更高的吞吐量。
该模型的工作原理
从底层来看,Decision-1.1 是 Qwen3.5-9B 的后训练版本,后者是一个相对紧凑的基础模型。它拥有 90 亿个参数,可处理约 32,000 至 33,000 个 token 的上下文窗口。
它针对单次概率评分进行了调优:输入一个问题,它会返回对每个答案可能性的校准估计。这一设计契合高容量评分工作负载的经济性,在此类场景中,每项任务的延迟和 token 成本决定了一个模型能否在生产环境中大规模运行。
Microsoft 将其打造为可处理多种格式的模型,包括是非题、选择题以及基于量规的评估。
Microsoft 表示其一直在内部使用该模型。该公司还报告称,自公开预览开始以来,已有超过 4,000 名客户使用过该模型。这些采用数据来自 Microsoft。
它在排行榜上的位置
负责运行独立基准评估的 Artificial Analysis 将 Decision-1.1 在其 v2.1 指数中的决策模型中排名第八。这一位次使它领先于多个知名模型,包括 Jev 1.14、Google 的 Gemini Decision 1 以及 OpenAI 的 GPT-6 Luna。在同一指数上,仍有七个模型排在 Decision-1.1 之前。由于 Artificial Analysis 的评估独立于被排名的厂商,该指数为买家提供了一个中立参考点,可跨提供商比较专用模型。
Microsoft 也提出了自己的准确性声明。该公司表示,该模型在 102 项盲测基准上的平均准确率处于领先地位,评估的问题超过 385,000 个。该数据来自 Microsoft,而非 Artificial Analysis。
这意味着什么
Microsoft 在将任务时间从 274 毫秒缩短至 123 毫秒的同时,保持了 token 价格不变,因此客户实际上以相同的支出获得更高的吞吐量,即在无额外成本的情况下将单位时间内完成的任务数量大致翻倍。由于 Decision-1.1 构建于一个紧凑的 90 亿参数基础模型之上,它在 Artificial Analysis 指数上的位次高于 Google 和 OpenAI 的产品,是一个值得注意的成绩。
不过,在 v2.1 指数上仍有七个模型排在 Decision-1.1 之前,因此 Microsoft 在该榜单上具有竞争力,而非占据主导地位。Microsoft 关于 102 项基准的更广泛准确性声明也未被作为独立结果呈现,评估该模型的买家会希望先用自己的数据对其进行测试,再放心地将承载实际后果的决策交由它处理。接下来有两个进展值得关注:后续版本能否缩小与 v2.1 指数上排在其前面的七个模型之间的差距,以及是否会出现独立结果来佐证该公司关于 102 项基准的准确性声明。