Microsoft-Decision-1
Microsoft · Produktivität · Business
Microsoft-Decision-1 ist ein Entscheidungsmodell in Microsoft Foundry, das für jede feste Antwortoption eine kalibrierte Wahrscheinlichkeit zurückgibt, statt einen Text zu schreiben.
Über Microsoft-Decision-1
About
Was ist Microsoft-Decision-1
Microsoft-Decision-1 ist ein KI-Entscheidungsmodell für strukturierte Entscheidungen. Sie senden eine Situation und eine Frage mit einer festen Auswahl an Antworten. Zurück kommt eine Zahl pro Antwort, und die Software handelt danach, ohne einen Absatz Text auszuwerten.
Das Modell läuft in Microsoft Foundry und bei OpenRouter. Microsoft hat es auf Qwen3.5-9B aufgebaut, dem offenen Modell von Alibaba, und für Single-Pass-Scoring nachtrainiert. Gegenüber einem großen Chatmodell ist es klein, und der Betrieb kostet wenig.
Die Arbeit, die es ersetzt, füllt den Tag eines Agenten. Welches Team bekommt dieses Ticket. Verspricht diese Antwort eine Rückerstattung. Wie schwer wiegt dieser Ausfall. Solche Aufrufe gehen sonst an ein großes Sprachmodell, das eine Sekunde lang eine Begründung schreibt, die niemand liest. Ein Entscheidungsmodell spart sich die Begründung.
Die Grenze liegt im Umfang. Microsoft-Decision-1 wählt nur unter Optionen, die Sie vorgeben. Bitten Sie es, eine Richtlinie zu entwerfen oder Beweise abzuwägen, die niemand in eine Frage gefasst hat, gibt es nichts zu bewerten. Es liefert auch keine Begründung. Ein falsches Ergebnis ist deshalb schwerer zu untersuchen als bei einem Chatmodell.
Erste Schritte
- Öffnen Sie das Foundry-Portal, gehen Sie in Ihr Projekt und suchen Sie Microsoft-Decision-1 im Modellkatalog.
- Wählen Sie Deploy und dann einen Bereitstellungstyp. DataZoneStandard hält die Inferenz in einer Datenzone. GlobalStandard nutzt Kapazität aus jeder unterstützten Region.
- Kopieren Sie Endpunkt, Bereitstellungsnamen und einen API-Schlüssel, oder verbinden Sie sich über Microsoft Entra ID.
- Senden Sie eine Anfrage mit einem
state(Text oder JSON) und einer oder mehreren typisierten Fragen.noulbeantwortet Ja oder Nein,choicewählt ein Label aus einer festen Liste,scoreordnet den Fall auf einer Skala ein. - Lesen Sie das Objekt
answers, setzen Sie Ihren eigenen Schwellenwert und protokollieren Sie die Wahrscheinlichkeit neben der Entscheidung, damit Sie sie später prüfen können.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Microsoft-Decision-1.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Plattform- und Backend-Entwickler
- Agent-Entwickler
- Daten- und Support-Teams
- Verantwortliche für KI-Qualität
Aufgaben
- Ticket-Triage
- Modell-Routing
- Antwortbewertung
- Sicherheitsschranken
Szenarien
- Ein Agent wählt in jeder Runde seine nächste Aktion aus einem kurzen Menü. Vier Optionen zu bewerten kostet einen Bruchteil einer Chat-Completion und kommt in einem Durchlauf zurück.
- Ein Support-Team erhält mehr Tickets, als es lesen kann
- Eine Forschungsplattform filtert Kandidaten für Experimente
Wichtigste Funktionen
Kalibrierte Wahrscheinlichkeiten statt Prosa
Jede Antwort kommt mit einer Wahrscheinlichkeit zwischen 0 und 1 zurück, und Microsoft behandelt sie als Teil der API, nicht als Ranking-Hinweis. Eine Vorhersage mit 90 Prozent sollte bei repräsentativen Fällen etwa neun von zehn Mal richtig liegen. Damit kann eine Anwendung einen Schwellenwert setzen, oberhalb davon handeln und den Rest an einen Menschen geben.
Drei Fragetypen für unterschiedliche Entscheidungen
Der Typ noul beantwortet eine Ja-Nein-Frage mit einer einzigen Wahrscheinlichkeit. choice wählt ein Label aus einer festen Liste und liefert einen Wert für jede Option. score legt den Fall auf eine geordnete Skala und gibt den gewichteten Mittelwert der Stufen zurück. Mehrere Fragen lassen sich in einer Anfrage stellen und im selben Durchlauf bewerten.
Ein Durchlauf über bis zu 32K Token
Das Modell verarbeitet Eingaben bis 32.768 Token und liefert strukturiertes JSON in einem Aufruf. Lange Anweisungen, ein Ticket-Verlauf oder ein Stück Quellcode passen in dieses Fenster. Es gibt keinen Hin und Her, eine Entscheidung kostet also eine Anfrage statt eines Gesprächs.
Entscheidungen, die Umformulierungen standhalten
Eingaben aus dem Produktivbetrieb werden umformuliert, umsortiert und neu formatiert. Microsoft hat dieselbe Anfrage achtfach verändert und gezählt, wie oft die Antwort kippt. Im Mittel waren es 1,3 Prozent, ohne Kippen bei umformulierten Optionsbeschreibungen oder umgekehrter Reihenfolge.
Niedrige Latenz bei 0,042 US-Dollar je Million Eingabe-Token
Microsoft nennt eine P50-Latenz, die rund 35 Mal schneller ist als GPT-6 Sol und 2,5 Mal schneller als H2O-Lightning-4B v1.1, der Zweitplatzierte im Vergleich. Eine Million Eingabe-Token kostet 0,042 US-Dollar, Ausgabe-Token sind kostenlos. Bei diesem Preis lässt sich auch bewerten, was vorher zu teuer war, etwa jede Nachricht in einer vollen Warteschlange.
Gebaut für die Bewertung und Steuerung von KI-Agenten
Microsoft positioniert das Modell für die Bewertung von KI-Agenten: eine vorgeschlagene Aktion gegen ein Raster benoten, prüfen, ob eine Antwort durch die gelieferten Belege gedeckt ist, und den Agenten fortsetzen, wiederholen oder stoppen lassen. Es unterstützt außerdem ausdrückliche Enthaltung, kann also "nicht feststellbar" wählen, wenn die Belege nicht reichen.
Vor- und Nachteile
Vorteile
- Die Ausgabe ist typisiertes JSON mit einer Wahrscheinlichkeit pro Option, ohne Parsing-Schicht und ohne zusätzlichen Validator.
- Der Preis von 0,042 US-Dollar je Million Eingabe-Token macht KI-Klassifikation mit hohem Volumen bezahlbar, selbst wenn jede Nachricht einer Warteschlange bewertet wird.
- Die Latenz ist niedrig genug für eine Schleife, die pro Aufgabe mehrfach läuft.
- Antworten bleiben stabil, wenn Nutzer ihre Anfrage mit eigenen Worten neu formulieren.
- Die Sicherheitstests umfassten 5.250 Anfragen in 11 Benchmarks, darunter Jailbreak-Versuche und Prompt-Injection.
Nachteile
- Es gibt keine Begründung. Bei einer falschen Entscheidung bleiben Ihnen eine Zahl und wenig Anhaltspunkte für die Fehlersuche.
- Fragen brauchen eine feste Auswahl an Optionen. Offene Urteile fallen aus dem Rahmen.
- Das Modell ist in der Vorschau, ohne Produktions-SLA, und die API kann sich ändern.
- Es gibt keine kostenlose Stufe. Sie brauchen ein Azure-Abonnement mit Zahlungsmethode, bevor Sie bereitstellen können.
Häufige Fragen
Als Decision-Scoring-Modell ist es für strukturierte Entscheidungen in Software gedacht: eine Anfrage klassifizieren, ein Ticket an das richtige Team leiten, eine Warteschlange sortieren, eine KI-Antwort benoten oder den nächsten Schritt eines Agenten wählen. Jeder Aufruf liefert eine Wahrscheinlichkeit für jede vorgegebene Option.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Microsoft-Decision-1.
Alternativen zu Microsoft-Decision-1
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Knocket
Knocket (Tencent RTC team) · Produktivität · Business · ChatbotKnocket ist ein kostenloses Werkzeug für Live-Chat und Kontaktseite: Besucher schreiben über Ihre Website, Ihre App oder einen Link, und Sie antworten aus Telegram oder einem einzigen Posteingang.
FloorGen
Vinit Kumar (FloorGen) · Produktivität · KI aus ChinaFloorGen ist ein Grundriss-Ersteller im Browser, der aus einem Satz oder einer Skizze einen bearbeitbaren 2D-Plan und einen 3D-Rundgang macht. Export als PDF, DXF oder Video, Zeichnen ohne Konto.