AI 模型

微軟推出 Decision-1,一款專為快速決策設計的 AI 模型

微軟這款新模型不寫文章、也不陪你聊天。它專門用來做選擇,而且微軟說它下決定的速度遠快於對手。

陳柏宇陳柏宇
熱度:1,350
微軟推出 Decision-1,一款專為快速決策設計的 AI 模型

微軟這款新模型不寫文章、也不陪你聊天。它專門用來做選擇,而且微軟說它下決定的速度遠快於對手。

Microsoft-Decision-1 是一款為「做決定」而生的模型

微軟在 10 月 9 日推出 Microsoft-Decision-1,執行長 Satya Nadella 在社群平台上親自發布。這款模型跟多數人熟悉的生成式 AI 很不一樣:它不生成文字,而是針對「給定情境、配上固定選項」的問題,為每個選項算出一個校準過的機率分數。

換句話說,它回答的不是「你覺得怎樣」,而是「這件事屬於哪一類、該選哪一個」。微軟把這種能力稱為決策評分(decision scoring),並將它放上 Azure AI Foundry,同時計畫在 OpenRouter 上架。這種用途在實際工作裡很常見。客服工單要自動分類,申請案件要判斷風險等級,簡單的商業規則要快速拍板,這些都不需要華麗的文字,只需要一個又快又穩的判斷。

Microsoft-Decision-1 為何強調速度

微軟打出的最大賣點是速度。公司聲稱 Decision-1 在決策速度上比 GPT-6 Sol 快上 35 倍。這個數字來自微軟自家說法,目前還沒有第三方獨立驗證。看到的當下,最好先保留一半。

速度為什麼值得拿出來講?因為 Decision-1 要處理的任務通常量大又即時。當一間公司每天要分類數十萬筆客服訊息或交易紀錄時,模型每慢一秒、每多繞一次思考,成本就跟著放大。一個專門為單次快速判斷設計的小模型,省下的往往不是「聰不聰明」,而是「夠不夠快、夠不夠便宜」。

Microsoft-Decision-1 的定位與技術底子

這款模型並非從零打造。根據公開資料,Microsoft-Decision-1 是以 Qwen3.5-9B 為基礎再進行後訓練,做成一個專門處理單次決策評分的小型模型。它的輸出不是一段話,而是一組機率,可以直接餵給軟體後續處理,不需要再解析自然語言。

這樣的設計也解釋了它的限制。它不是萬用模型,不適合寫作、創作或長篇對話。它的價值在於把一類特定的判斷做得又快又準,然後交給既有的系統接手。對開發者來說,它比較像是流程裡的一顆零件,而不是一個萬能的助手。

對企業與開發者的實際意義

如果你的團隊正在做自動化分類或規則式判斷,Decision-1 提供了一條相對便宜的路:把判斷邏輯交給一個小而快的模型,而不是動用昂貴的大型生成模型。微軟選擇在 Foundry 上發布、並延伸到 OpenRouter,意思也很清楚。它想讓企業把它當成 Azure 生態裡的一塊積木來用。

不過,決策類任務對準確度的要求往往比聊天更高。把工單分錯類別還能補救,但把一筆高風險交易誤判成低風險,代價就完全不同。導入前應該先確認它的機率分數在你的情境裡夠不夠可靠,並保留人工複核的關卡。

後續值得觀察的是微軟會不會把 Decision-1 換掛到其他底層模型上,以及第三方實測能否複製那 35 倍的速度差距。在那之前,把它當成一個值得試用、但還需要自己驗證的工具,會是比較穩妥的態度。

分享這則新聞

來源

相關 AI 新聞

深藍背景上一支有關節的藍色機械手臂
AI 模型

Gemini Robotics 2.5 發布,順便開源一套專門破解機器人的測試

同一次發表有兩件事:一個更能幹的機器人模型,以及一套專門引誘它犯錯的測試。第二件的意義可能比第一件大。

熱度:1,430
深色背景上點狀排列的區域,後方透著暖色餘燼的光
AI 模型

Meta 最小的模型 Muse Ember:為代理任務而生的那一格

模型越做越大是一條路,把模型做小、讓它一次跑很多份工作,是另一條。Meta 這次選了後者,而且只交了半張成績單。

熱度:1,090
深色背景上兩片重疊的輪廓圓盤,其中一片是暖金色
AI 模型

Anthropic 同日推出 Claude Fable 5.2 與 Claude Mythos 5.2,重點在產品線怎麼切

同一天、兩個名字,版本號都停在 5.2。Anthropic 這次真正的訊息不在數字,而在它把產品線切成了兩條,以及它沒交出來的那一半。

熱度:1,540
終端機窗格裡的程式碼,旁邊是盾牌輪廓
AI 模型

GPT-6 Cyber 發布:小幅進步,門在 Daybreak Red 後面

同一個模型,找漏洞與寫攻擊只差一個帳號。OpenAI 的解法是把門做窄,而不是把能力收起來。

熱度:1,310