微軟發表了 Microsoft-Decision-1，這是一款職責定義明確的人工智慧模型：快速做出結構化決策。它不寫詩，也不起草電子郵件，而是從固定的選項清單中挑出正確答案。微軟表示，該模型在準確率上超越競爭對手，執行速度也遠快於對手，公司內部已開始在自身營運中進行測試。

Decision-1 實際上做什麼

該模型於 2026 年 10 月 9 日發表。微軟將其描述為一款決策評分模型，專為路由、分類、優先級排序、驗證與工作流程控制等任務而打造。

在技術層面，該模型會為一組固定的答案選項指派校準後的機率分數，可以是簡單的是/否問題或多選題情境。校準之所以重要，是因為這代表其信心數字應當值得信賴，而非僅具裝飾意義。簡而言之，該模型不只說「將此工單路由至安全部門」，還會說明它有多有把握。這讓企業能夠判斷何時信任機器、何時將案件升級給人工處理。

Decision-1 可在單次處理中處理最多 32,000 個 token 的輸入。單次處理設計意指模型一次讀入完整輸入並一次性回傳分數，而非逐字生成答案。

微軟提出的數據

微軟宣稱 Decision-1 在涵蓋近 150,000 道盲測題的基準測試套件中達到最高準確率。據微軟所述，該模型的延遲比 Quyet-1.0-Large 快 4.5 倍，微軟稱後者為最接近的競爭對手。相較於 GPT-6 Sol，差距據稱擴大至 35 倍。

這些都是微軟自行提供的數據。如同任何廠商基準測試，獨立測試才是真正的檢驗標準。

建構於第三方基礎模型之上

Decision-1 並非建構在微軟自製的基礎模型上，而是阿里巴巴開放權重模型 Qwen3.5-9B 的後訓練版本。微軟表示，未來更新計畫基於 Microsoft AI（MAI）與 OpenAI 模型。

名稱中的「9B」指的是模型規模，屬於精簡型類別，這也有助於解釋其速度宣稱：較小的模型通常每次回答所需的運算資源較少。

內部試驗與可用性

微軟表示，Decision-1 目前正於事件回應、品質控制與科學發現工作流程中進行內部試驗。對外部使用者而言，該模型可透過 Microsoft Foundry 取得，並預定部署於 OpenRouter。Foundry微軟在企業環境中建置與執行 AI 的平台，而 OpenRouter 則為開發者提供通往多種模型的單一閘道。

邁向更小、更專精 AI 的更大趨勢

Decision-1 並非單獨登場。同期間內，Liquid AI 與 vLLM Semantic Router 也推出了類似的專精型產品。這些模型的設計目的，是以比從未針對快速分類而打造的一般用途模型更高的效率處理高量任務。

為何校準至關重要

校準評分可能是最實用的功能。在敏感領域部署 AI 的企業需要知道模型何時不確定，而信心分數在自動化與人工審核之間建立了清晰的交接點。

後續觀察重點

基準測試結果為微軟自行報告，且測試目前仍限於內部。後續值得關注的包括：OpenRouter 的部署進度、獨立基準測試比較，以及微軟是否公布其事件回應與品質控制試驗的結果。