Microsoft-Decision-1
Microsoft · Productivité · Entreprise
Microsoft-Decision-1 est un modèle de décision de Microsoft Foundry qui renvoie une probabilité calibrée pour chaque option de réponse au lieu de rédiger un texte.
À propos de Microsoft-Decision-1
About
Qu'est-ce que Microsoft-Decision-1
Microsoft-Decision-1 est un modèle de décision IA conçu pour les décisions structurées. Vous lui envoyez une situation et une question accompagnée d'un ensemble fermé de réponses. Il renvoie un nombre pour chaque réponse, et le logiciel agit sur ce nombre sans avoir à interpréter un paragraphe.
Le modèle est disponible dans Microsoft Foundry et sur OpenRouter. Microsoft l'a construit sur Qwen3.5-9B, le modèle ouvert d'Alibaba, puis l'a entraîné pour produire un score en une seule passe. Il reste petit face à un modèle conversationnel de pointe, et son exécution coûte peu.
Le travail qu'il remplace est celui qui remplit la journée d'un agent. Quelle équipe doit recevoir ce ticket, si cette réponse promet un remboursement, quelle est la gravité de cette panne. Ces appels partent d'ordinaire vers un grand modèle de langage, qui passe une seconde à écrire une explication que personne ne lit. Un modèle de décision saute l'explication.
La limite tient au périmètre. Microsoft-Decision-1 choisit uniquement parmi les options que vous définissez. Demandez-lui de rédiger une politique ou de peser des éléments que personne n'a formulés en question, et il n'aura rien à noter. Il ne raisonne pas non plus, ce qui rend un mauvais résultat plus difficile à diagnostiquer qu'avec un modèle conversationnel.
Pour commencer
- Ouvrez le portail Foundry, entrez dans votre projet et cherchez Microsoft-Decision-1 dans le catalogue de modèles.
- Cliquez sur Deploy et choisissez un type de déploiement. DataZoneStandard garde l'inférence dans une seule zone de données. GlobalStandard puise dans la capacité de toute région prise en charge.
- Copiez le point de terminaison, le nom du déploiement et une clé d'API, ou connectez-vous avec Microsoft Entra ID.
- Envoyez une requête avec un
state(texte brut ou JSON) et une ou plusieurs questions typées.noulrépond par oui ou non,choicechoisit une étiquette dans une liste fixe etscoreplace le cas sur une échelle ordonnée. - Lisez l'objet
answers, appliquez votre propre seuil et conservez la probabilité à côté de la décision pour pouvoir l'auditer plus tard.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Microsoft-Decision-1.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Ingénieurs plateforme et backend
- Concepteurs d'agents
- Équipes données et support
- Responsables qualité IA
Tâches
- Tri de tickets
- Routage de modèles
- Évaluation de réponses
- Garde-fous
Cas d'usage
- Un agent doit choisir sa prochaine action dans un menu court à chaque tour. Noter quatre options coûte une fraction d'une complétion et revient en une seule passe.
- Une équipe support reçoit plus de tickets qu'elle ne peut en lire
- Une plateforme de recherche filtre des expériences candidates
Fonctionnalités clés
Des probabilités calibrées à la place d'un texte
Chaque réponse revient avec une probabilité entre 0 et 1, et Microsoft la traite comme une donnée de l'API, pas comme un simple indice de classement. Une prédiction à 90 % doit être juste environ neuf fois sur dix sur des cas représentatifs. L'application peut donc fixer un seuil, agir au-dessus et confier le reste à un humain.
Trois types de questions pour des décisions différentes
Le type noul répond à une question fermée par une seule probabilité. choice retient une étiquette dans une liste fixe et renvoie un score pour chaque option. score situe le cas sur une échelle ordonnée et renvoie la moyenne pondérée des niveaux. Vous pouvez poser plusieurs questions dans une requête et obtenir tous les scores en une passe.
Une passe sur 32K jetons au maximum
Le modèle accepte une entrée allant jusqu'à 32 768 jetons et renvoie du JSON structuré en un seul appel. Une longue consigne, un fil de tickets ou un morceau de code tiennent dans cette fenêtre. Il n'y a pas d'aller-retour, donc une décision coûte une requête et non une conversation.
Des décisions qui résistent à la reformulation
Les entrées de production sont reformulées, réordonnées et remises en forme. Microsoft a testé le modèle en modifiant huit fois la même requête et en mesurant la fréquence des changements de réponse. La moyenne atteint 1,3 %, sans aucun changement lorsque les descriptions d'options sont reformulées ou que leur ordre est inversé.
Une latence faible à 0,042 dollar le million de jetons
Microsoft annonce une latence P50 environ 35 fois plus rapide que GPT-6 Sol, et 2,5 fois plus rapide que H2O-Lightning-4B v1.1, deuxième de sa comparaison. Le million de jetons d'entrée coûte 0,042 dollar et les jetons de sortie sont gratuits. À ce prix, vous pouvez noter ce qui restait hors budget, comme chaque message d'une file très active.
Pensé pour évaluer et piloter les agents IA
Microsoft destine le modèle à l'évaluation d'agents IA : noter une action proposée selon une grille, vérifier qu'une réponse s'appuie sur les preuves fournies et laisser l'agent continuer, réessayer ou s'arrêter. Il accepte aussi l'abstention explicite, donc il peut choisir « impossible à déterminer » quand les preuves manquent.
Avantages et inconvénients
Avantages
- La sortie est du JSON typé avec une probabilité par option, sans couche d'analyse ni validateur supplémentaire.
- Le prix de 0,042 dollar le million de jetons d'entrée rend la classification IA à fort volume abordable, même en notant chaque message d'une file.
- La latence est assez basse pour tenir dans une boucle exécutée plusieurs fois par tâche.
- Les réponses tiennent quand l'utilisateur reformule sa demande avec ses propres mots.
- Les tests de sécurité ont couvert 5 250 requêtes sur 11 benchmarks, dont des tentatives de jailbreak et des injections de prompt.
Inconvénients
- Le modèle ne fournit aucune explication : une mauvaise décision vous laisse un nombre et peu d'éléments pour enquêter.
- Les questions doivent proposer un ensemble fixe d'options. Les jugements ouverts sortent de son périmètre.
- Le modèle est en préversion, sans SLA de production, et l'API peut évoluer.
- Il n'y a pas d'offre gratuite. Il faut un abonnement Azure avec un moyen de paiement pour le déployer.
Questions fréquentes
C'est un modèle de scoring de décisions qui traite des jugements structurés au sein d'un logiciel : classer une demande, orienter un ticket vers la bonne équipe, ordonner une file, noter une réponse IA ou choisir la prochaine étape d'un agent. Chaque appel renvoie une probabilité pour chaque option fournie.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Microsoft-Decision-1.
Alternatives à Microsoft-Decision-1
Base Code
Base44 (Wix) · Programmation · ProductivitéBase Code est un environnement de développement cloud partagé signé Base44. Votre équipe décrit des modifications sur un dépôt GitHub dans le chat, les vérifie en aperçu et les renvoie sous forme de pull requests.
Knocket
Knocket (Tencent RTC team) · Productivité · Entreprise · ChatbotKnocket est un outil gratuit de chat en direct et de page de contact : vos visiteurs écrivent depuis votre site, votre application ou un lien, et vous répondez depuis Telegram ou une seule boîte de réception.
FloorGen
Vinit Kumar (FloorGen) · Productivité · IA chinoiseFloorGen est un créateur de plans dans le navigateur qui transforme une phrase ou un croquis en plan 2D modifiable et en visite 3D. Export en PDF, DXF ou vidéo, sans compte pour dessiner.