微软发布决策专用AI模型"Microsoft-Decision-1"｜速度是GPT-6的35倍，助力业务提效
機械翻訳 / Machine-translated
A
AI Friends
2時間前・7分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
本文要点
微软于2026年10月9日发布了决策专用AI模型"Microsoft-Decision-1"。与ChatGPT不同，该模型并不生成文章，而是从预定选项中选出最优解并返回概率值。
例如，在客户支持场景中，当需要判断"此条咨询属于账单问题、技术问题还是账户问题"时，传统AI会用一长段文字加以说明，而Microsoft-Decision-1则以"账单：80%、技术：15%、账户：5%"的数值形式给出答案。它返回的不是供人阅读的文字，而是可供系统直接使用的判断结果。
微软在官方博客上宣布，该新模型已可通过Microsoft Foundry和OpenRouter使用。
Microsoft-Decision-1以阿里巴巴开发的开源AI模型"Qwen3.5-9B"为基础构建，采用了在现有优秀模型上进行追加训练的方式，而非从零开始开发。
"9B"代表该模型拥有90亿个参数（即学习要素），在大型语言模型（LLM）中属于相对小型规模，运行速度快，成本也更低。
定价为每输入100万个token（约75万个字符）0.042美元，输出免费，获取判断结果无需额外付费。定价水平与竞争对手OpenAI Jev基本持平。
根据微软的发布数据，Microsoft-Decision-1在36项基准测试（性能评测）中达到了83.5%的准确率，在竞品模型中位居首位。
尤为惊人的是其速度——据报道，其判断速度约为OpenAI大型模型"GPT-6 Sol"的35倍。处理时间中位数为85毫秒，比人眨眼的时间（约100～150毫秒）还要短。
不过，这一速度对比也存在争议。GPT-6 Sol是一款通用模型，不仅能做判断，还能生成长篇文章，两者的应用场景本就不同。尽管如此，在判断任务方面，Microsoft-Decision-1的速度优势仍是显而易见的。
决策专用AI模型领域自2026年以来竞争愈发激烈。TypeSafe AI的"Jev"率先于2026年上半年正式发布；随后OpenAI于9月30日的DevDay 2026上发布了"Decisions API"；微软则于10月9日推出了Microsoft-Decision-1。
Jev是专为决策设计的模型，从架构上不支持生成自由文本；而OpenAI的Decisions API则是通过限制大型模型Luna，使其只执行判断任务；Microsoft-Decision-1介于两者之间，以小型模型为基础进行决策专项优化。
在性能方面，Jev的处理时间中位数据报告为210毫秒，而Microsoft-Decision-1的85毫秒比其快了两倍以上。不过由于测评环境和条件不同，仍有待独立验证。
实际应用案例也已有所披露。据微软内部测试报告，Xbox部门对超过1万条反馈进行了标注，结果显示：质量与GPT-6 Sol相当，速度提升超过14倍，成本降低至原来的1/200。
在客户支持分类任务中，包括打标签、分流、紧急度判定、垃圾信息检测等场景，准确率达到了93%。而订单查询、回复撰写等较为复杂的任务，则仍由传统的文本生成AI负责。让决策与生成各司其职，才能实现最高效率。
其他应用场景还包括：AI智能体（自主行动的AI）决定下一步操作、数据标注、内容过滤、搜索结果相关性评估等。
为何决策专用AI模型在当下纷纷涌现？背后的原因在于AI智能体时代的到来。
传统的ChatGPT是为了与人类对话而设计的。而近年来，能够自主完成任务的"AI智能体"开发正在快速推进。智能体无需向人类汇报，只需快速决定下一步行动并传达给系统即可。
普通LLM的处理时间会随生成文本的长度增加，而决策专用模型只需通过一次计算返回概率分数，响应时间固定，这正是它能够高速处理大量判断任务的原因。
此外，判断结果以JSON格式（程序易读的数据格式）返回，下游系统可直接处理，无需解析文本，从而减少了错误的发生。
这一动向对日本企业意味着什么？
首先，业务自动化的成本将进一步降低。此前需要使用GPT-4等高性能模型完成的分类任务，可以替换为速度更快、成本更低的模型，例如邮件分流、咨询优先级排序、数据验证等常规判断业务。
导入时的关键点在于：提前确定对误判的容忍度。微软建议在设置置信度阈值时，充分考虑"假阳性（实际不符合却被判为符合）"和"假阴性（实际符合却被遗漏）"所带来的成本损失，同时为模型预留"无法确定时选择不作判断"的选项也至关重要。
关于日语支持，Qwen3.5-9B主要以中文和英文进行训练，据报告也具备一定的日语处理能力。但在实际业务中，仍需针对日语特有表达进行精度验证。
Microsoft-Decision-1的发布，揭示了AI行业的重大趋势转变——从一个AI包揽一切，到根据用途灵活调用最优AI的分工时代。
文本生成交由GPT-6等大型模型，判断任务由Microsoft-Decision-1或Jev等专用模型承担，图像生成则有专属模型各司其职。随着这种分工模式的推进，整体系统的成本与速度将得到最优化。
微软、OpenAI以及TypeSafe AI等多家企业几乎同期发布决策专用模型，充分印证了这一领域的重要性。未来，其他企业也将陆续推出类似模型，竞争只会愈演愈烈。
对于日本企业而言，尽早对这类新工具展开测试、判断其可嵌入自身业务流程的切入点，将成为构建竞争优势的关键。决策专用AI的浪潮，才刚刚开始。
本文转载自 AI Friends。
