Microsoft-Decision-1

Microsoft-Decision-1

Microsoft · 생산성 · 비즈니스

Microsoft-Decision-1은 Microsoft Foundry의 의사결정 모델이다. 정해진 선택지마다 보정된 확률을 돌려주고, 문장은 생성하지 않는다.

Microsoft-Decision-1 미리보기

Microsoft-Decision-1 소개

About

Microsoft-Decision-1이란

Microsoft-Decision-1은 구조화된 판단을 위한 AI 의사결정 모델이다. 상황과 함께 선택지를 제한한 질문을 보낸다. 돌아오는 것은 선택지별 숫자이고, 소프트웨어는 문단을 해석하지 않고 그 숫자로 움직인다.

이 모델은 Microsoft Foundry와 OpenRouter에서 제공된다. Microsoft는 알리바바의 오픈 모델 Qwen3.5-9B를 토대로 삼고, 한 번의 추론으로 채점하도록 추가 학습했다. 최전선 대화 모델에 비하면 작고, 실행 비용도 낮다.

이 모델이 대신하는 일은 에이전트의 하루를 채우는 자잘한 판단이다. 이 티켓은 어느 팀으로 가야 하는지, 이 답변이 환불을 약속하는지, 이 장애가 얼마나 심각한지. 그런 호출은 보통 대형 언어 모델로 가서 아무도 읽지 않는 설명을 1초 동안 쓴다. 의사결정 모델은 그 설명을 생략한다.

한계는 범위에 있다. Microsoft-Decision-1은 직접 정의한 선택지 안에서만 고른다. 정책 초안을 쓰게 하거나 아무도 질문으로 정리하지 않은 근거를 저울질하게 하면 채점할 대상이 없다. 이유도 돌려주지 않으므로, 틀렸을 때 원인을 파고드는 일은 대화 모델보다 번거롭다.

시작하는 방법

  1. Foundry 포털을 열고 프로젝트로 들어가 모델 카탈로그에서 Microsoft-Decision-1을 찾는다.
  2. Deploy를 누르고 배포 유형을 고른다. DataZoneStandard는 추론을 하나의 데이터 영역 안에 둔다. GlobalStandard는 지원되는 모든 리전의 용량을 쓴다.
  3. 엔드포인트, 배포 이름, API 키를 복사한다. Microsoft Entra ID로 연결해도 된다.
  4. state(일반 텍스트 또는 JSON)와 형식을 지정한 질문을 하나 이상 담아 요청을 보낸다. noul은 예 또는 아니오, choice는 고정 목록에서 라벨 하나, score는 정렬된 척도에 항목을 놓는다.
  5. answers 객체를 읽고 자체 임계값을 적용한다. 확률은 판단과 함께 기록해 두면 나중에 감사할 수 있다.

제품 정보

Microsoft-Decision-1의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.

무료 플랜아니요
유료 플랜$0.042 per 1M input tokens, output free
플랫폼Microsoft Foundry, OpenRouter, API
개발사Microsoft
카테고리생산성 · 비즈니스
출시일Oct 2026
최근 업데이트Oct 2026
웹사이트 방문 수21.4K
웹사이트 글로벌 순위N/A
API 제공 여부예

추천 대상

이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.

사용자

  • 플랫폼·백엔드 엔지니어
  • 에이전트 개발자
  • 데이터·고객지원 운영팀
  • AI 품질 담당자

작업

  • 티켓 분류
  • 모델 라우팅
  • 답변 채점
  • 안전 관문

활용 상황

  • 에이전트가 매 턴 짧은 메뉴에서 다음 행동을 고른다. 선택지 네 개를 채점하는 비용은 대화 완성 한 번의 일부이고, 한 번의 처리로 돌아온다.
  • 고객지원팀에 읽을 수 있는 양보다 많은 티켓이 들어온다. 모델이 분류와 긴급도를 붙이고, 확신이 낮은 건만 사람에게 간다.
  • 연구 파이프라인이 후보 실험을 걸러낸다. 각 실험은 고정 기준으로 점수를 받고, 대기열 앞쪽만 다음 단계로 간다.

주요 기능

문장 대신 보정된 확률

모든 답변에는 0과 1 사이의 확률이 붙는다. Microsoft는 이 숫자를 순위 힌트가 아니라 API의 일부로 다룬다. 대표적인 사례에서 90% 예측은 열 번 중 아홉 번 맞아야 한다. 애플리케이션은 임계값을 정하고 그 위에서는 행동하고, 나머지는 사람에게 넘길 수 있다.

판단에 맞춘 세 가지 질문 유형

noul은 예·아니오 질문에 확률 하나로 답한다. choice는 고정 목록에서 라벨 하나를 고르고 모든 선택지의 점수를 돌려준다. score는 항목을 정렬된 척도에 놓고 각 단계의 확률 가중 평균을 반환한다. 한 요청에 여러 질문을 넣고 같은 처리에서 모두 채점할 수 있다.

최대 32K 토큰을 한 번에

입력은 최대 32,768토큰까지 처리하고 한 번의 호출로 구조화된 JSON을 돌려준다. 긴 지시문, 티켓 대화, 소스 코드 일부가 들어간다. 왕복이 없으니 판단 한 번의 비용은 대화가 아니라 요청 하나다.

표현이 바뀌어도 판단은 유지

운영 환경의 입력은 바뀌어 쓰이고, 순서가 뒤집히고, 형식이 달라진다. Microsoft는 같은 요청을 여덟 가지로 변형해 판단이 뒤집히는 비율을 쟀다. 평균은 1.3%였고, 선택지 설명을 바꾸거나 순서를 뒤집었을 때는 뒤집힘이 없었다.

입력 100만 토큰당 $0.042의 낮은 지연

Microsoft가 공개한 P50 지연은 GPT-6 Sol보다 약 35배 빠르고, 비교에서 2위인 H2O-Lightning-4B v1.1보다 2.5배 빠르다. 입력은 100만 토큰당 $0.042이고 출력은 무료다. 이 가격이면 바쁜 대기열의 모든 메시지를 채점하는 일도 현실이 된다.

AI 에이전트 평가와 제어를 위해

Microsoft는 이 모델을 에이전트 평가에 맞춘다. 제안된 행동을 루브릭으로 채점하고, 답변이 제공된 근거에 기대는지 확인하고, 계속할지 다시 시도할지 멈출지 정한다. 명시적 보류도 지원하므로 근거가 부족하면 "판단할 수 없음"을 고를 수 있다.

장단점

장점

  • 출력이 선택지별 확률을 담은 형식 지정 JSON이라 파싱 계층도 출력 검증기도 필요 없다.
  • 입력 100만 토큰당 $0.042라는 가격 덕에 대량 AI 분류가 현실적이다. 대기열의 모든 메시지를 채점해도 된다.
  • 지연이 낮아 한 작업에서 여러 번 도는 루프 안에 넣을 수 있다.
  • 사용자가 자기 말로 요청을 다시 써도 답이 안정적이다.
  • 안전 테스트는 11개 벤치마크, 5,250건의 요청을 다뤘고 탈옥 시도와 프롬프트 인젝션을 포함한다.

단점

  • 설명을 돌려주지 않아 판단이 틀렸을 때 남는 것은 숫자뿐이고 원인을 추적하기 어렵다.
  • 질문에는 고정된 선택지가 있어야 한다. 열린 판단은 범위 밖이다.
  • 모델이 프리뷰 단계라 운영용 SLA가 없고 API가 바뀔 수 있다.
  • 무료 등급이 없다. 배포하려면 결제 수단이 등록된 Azure 구독이 필요하다.

자주 묻는 질문

결정 스코어링 모델로서 소프트웨어 안의 구조화된 판단을 처리한다. 요청 분류, 티켓을 맞는 팀으로 넘기기, 대기열 정렬, AI 답변 채점, 에이전트의 다음 단계 선택 같은 일이다. 호출할 때마다 지정한 모든 선택지의 확률이 돌아온다.