Microsoft-Decision-1.1 在 Artificial Analysis 決策指數中獲得 68 分
重點速覽
- •Microsoft-Decision-1.1 於 2026 年 11 月 17 日發布,在 Artificial Analysis 決策指數 v2.1 中獲得 68 分,較前代的 62 分有所提升。
- •新模型完成任務僅需 123 毫秒,而 Decision-1 為 274 毫秒,速度提升逾一倍,同時價格維持在每百萬輸入 token 0.042 美元不變。
- •Decision-1.1 是基於 Qwen3.5-9B 的後訓練版本,具有 90 億個參數與約 32,000 至 33,000 個 token 的上下文視窗,專為是非題、選擇題與量規評分格式的單次概率評分而調校。
- •該模型在獨立運行的 v2.1 指數的決策模型中排名第八,領先 Jev 1.14、Google 的 Gemini Decision 1 與 OpenAI 的 GPT-6 Luna,但仍有七個模型得分更高。
- •Microsoft 表示,自 2026 年 10 月公開預覽以來已有超過 4,000 位客戶使用該模型,並宣稱其在 102 項盲測基準中平均準確性居首,但此準確性數據來自 Microsoft,而非獨立評測機構。

Microsoft 已發布 Microsoft-Decision-1.1,一款專為商業決策打造的專用 AI 模型。該模型在 Artificial Analysis 決策指數 v2.1 中獲得 68 分,運行速度較前一版快逾兩倍,且價格維持不變。
第一個版本直到 2026 年 10 月才進入公開預覽,也就是說,Microsoft 在短短數週內便推出了速度更快、得分更高的後續版本。
兩個版本之間有何變化
新模型於 2026 年 11 月 17 日上線。其在同一指數上的基準得分攀升至 68 分,高於前代 Microsoft-Decision-1 的 62 分。
速度是更大的亮點。Decision-1.1 完成一項任務僅需 123 毫秒,而先前模型為 274 毫秒,速度較 Decision-1 快逾兩倍。
價格並未調整。模型費用仍為每百萬輸入 token 0.042 美元,與 Decision-1 相同,因此客戶實際上在相同支出下獲得更高的吞吐量。
模型的實際運作方式
在底層架構上,Decision-1.1 是基於相對輕量的基礎模型 Qwen3.5-9B 進行後訓練的版本。它具有 90 億個參數,並支援約 32,000 至 33,000 個 token 的上下文視窗。
它專為單次概率評分而調校:給它一個問題,它便會針對每個答案的可能性傳回校準後的估計值。這種設計符合高容量評分工作負載的經濟效益,因為在這類場景中,單一任務的延遲與 token 成本決定了模型能否在生產環境中大規模運行。
Microsoft 將其設計為可處理多種格式,包括是非題、選擇題,以及基於量規的評量。
Microsoft 表示已在內部使用該模型。該公司並指出,自公開預覽開始以來,已有超過 4,000 位客戶使用。這些採用數據來自 Microsoft。
它在排行榜上的位置
負責執行獨立基準評測的 Artificial Analysis 將 Decision-1.1 列為 v2.1 指數上決策模型中的第八名。這使它領先多個知名產品,包括 Jev 1.14、Google 的 Gemini Decision 1,以及 OpenAI 的 GPT-6 Luna。在同一指數上,仍有七個模型排名高於 Decision-1.1。由於 Artificial Analysis 的評測獨立於受評比的供應商,該指數為買家提供了跨供應商比較專用模型的中立參考。
Microsoft 也提出了自身的準確性主張。該公司表示,該模型在 102 項盲測基準中的平均準確性居首,評估的問題超過 385,000 道。此數據來自 Microsoft,而非 Artificial Analysis。
這代表什麼
Microsoft 在將任務時間從 274 毫秒縮短至 123 毫秒的同時維持 token 價格不變,因此客戶實際上在相同支出下獲得更高吞吐量,單位時間內完成的任務數量約增加一倍,且無額外成本。由於 Decision-1.1 是以輕量的 90 億參數基礎模型打造,它在 Artificial Analysis 指數上排名高於 Google 與 OpenAI 的產品,是一項值得關注的成果。
儘管如此,v2.1 指數上仍有七個模型排名高於 Decision-1.1,因此在這個榜單上,Microsoft 是具競爭力而非居於主宰地位。Microsoft 在 102 項基準上的更廣泛準確性主張同樣未被定位為獨立結果,評估該模型的買家在將其用於具有實質影響的決策之前,應先以自身數據進行測試。接下來值得關注的兩項發展是:後續版本能否縮小與 v2.1 指數上排名其前的七個模型之間的差距,以及是否會出現獨立結果來佐證該公司 102 項基準的準確性主張。