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。
