Microsoft-Decision-1

Microsoft-Decision-1

Microsoft · 生產力 · 商業

Microsoft-Decision-1 是 Microsoft Foundry 的決策模型,針對固定選項回傳校準後的機率,不會生成一段文字。

Microsoft-Decision-1 的介面預覽

關於 Microsoft-Decision-1

About

什麼是 Microsoft-Decision-1

Microsoft-Decision-1 是為結構化決策設計的模型。你送出一段情境與一個問題,問題附帶一組有限的答案選項,模型會為每個選項回傳一個數值,軟體不必解讀一整段文字就能採取行動。

模型放在 Microsoft Foundry 與 OpenRouter 上。微軟以阿里巴巴的開源模型 Qwen3.5-9B 為基礎,再做後訓練,讓它在單次推論中完成評分。相較於前沿的對話模型,它的體積小,執行成本也低。

它接手的工作,是代理每天反覆遇到的小判斷。這張工單該給哪個團隊、這封回覆是否承諾退款、這次故障有多嚴重。這些呼叫平常都送給大型語言模型,花上一秒寫一段沒有人會讀的說明。決策模型直接把說明省掉。

限制在於適用範圍。Microsoft-Decision-1 只能在你定義的選項之間做選擇。要它草擬政策,或權衡沒有人整理成問題的證據,它就沒有東西可以評分。它也不提供推理過程,答錯時比對對話模型更難追查原因。

開始使用

  1. 開啟 Foundry 入口網站,進入你的專案,在模型目錄裡找到 Microsoft-Decision-1。
  2. 按下 Deploy,選擇部署類型。DataZoneStandard 會把推論留在同一個資料區內;GlobalStandard 則取用所有支援區域的算力。
  3. 複製端點、部署名稱與 API 金鑰,或以 Microsoft Entra ID 驗證。
  4. 送出請求,帶上 state(純文字或 JSON)以及一或多個指定類型的問題。noul 回答是或否,choice 從固定清單中挑一個標籤,score 則把個案放上排序量表。
  5. 讀取 answers 物件,套用你自己的門檻,並把機率與決策一起記錄下來,之後才能稽核。

產品資訊

快速了解 Microsoft-Decision-1 的定價、支援平台與效能。

免費方案否
付費方案$0.042 per 1M input tokens, output free
平台Microsoft Foundry, OpenRouter, API
開發者Microsoft
類別生產力 · 商業
發布日期Oct 2026
最近更新Oct 2026
網站訪問量21.4K
網站全球排名N/A
API 提供狀態是

適合對象

這項工具最適合的使用者、任務與情境。

使用者

  • 平台與後端工程師:拿到的是具型別的 JSON,可以為每個端點設定門檻,不必靠提示詞工程維持輸出的格式。
  • 代理開發者:便宜的評分器能在兩次工具呼叫之間核准、阻擋或改道,不會讓每一輪多出一秒延遲。
  • 資料與客服團隊:用一個模型就能標註佇列、分流工單、替回覆打分,不必動用一整間會議室的人力。
  • 負責 AI 品質的人:檢查生成回覆是否有來源依據,每個判定都附上機率。

任務

  • 工單分流:依團隊或意圖分類進來的請求並轉送,最高機率也用來判斷何時該交給真人。
  • 模型分流:依多個模型的需求為提示詞評分,送到符合預算與延遲目標的那一個。
  • 回覆評分:拿評分標準比對 AI 回覆,決定接受、修改或退回。
  • 安全閘門:在代理動作之前,標記會碰到正式環境資料的工具呼叫,或帶有提示詞注入的文件。

情境

  • 代理每一輪都要從短清單裡挑下一個動作:評分四個選項的成本只有對話補全的一小部分,而且一次就回傳。
  • 客服團隊收到的工單遠超過人力能讀的量:模型給出分類與急迫度,只有低信心的案件才轉給真人。
  • 研究流程要篩選候選實驗:每個實驗依固定標準取得分數,只有佇列前段繼續往下走。

主要功能

用校準機率取代整段說明

每個答案都附上 0 到 1 的機率,微軟把它當成 API 的一部分,而不是排序用的參考分數。在具代表性的案例上,90% 的預測應該約每十次對九次。應用程式因此可以設定門檻,超過就動作,其餘交給真人。

三種問題類型對應不同決策

noul 用單一機率回答是非題。choice 從固定清單挑出一個標籤,並為每個選項回傳分數。score 把個案放上排序量表,回傳各級距的加權平均。同一次請求可以送出多個問題,在同一輪全部評分完成。

一次處理最多 32K 詞元

模型接受最多 32,768 個詞元的輸入,單次呼叫就回傳結構化 JSON。冗長的指令、一整串工單對話,或一段原始碼都放得進去。沒有來回往返,一次決策就是一次請求,而不是一場對話。

換句話說,決策也不變

正式環境的輸入會被改寫、重排、重新格式化。微軟用八種方式改動同一個請求,測量答案翻轉的頻率。平均為 1.3%,改寫選項說明或把選項順序顛倒時,翻轉次數為零。

低延遲,每百萬輸入詞元 $0.042

微軟公布 P50 延遲比 GPT-6 Sol 快約 35 倍,也比比較中第二名的 H2O-Lightning-4B v1.1 快 2.5 倍。每百萬輸入詞元收費 $0.042,輸出詞元免費。價格壓到這個程度,原本負擔不起的評分工作也能做,例如替忙碌佇列裡的每一則訊息打分。

為 AI 代理評估與控制而設計

微軟把這個模型定位在代理評估:依評分標準替代理提出的動作打分、檢查回覆是否有提供的證據支撐,再讓代理繼續、重試或停止。它也支援明確棄答,證據不足時可以選擇「無法判斷」。

優缺點

優點

  • 輸出是具型別的 JSON,每個選項都帶機率,不需要額外的解析層或輸出驗證器。
  • 每百萬輸入詞元 $0.042 的價格,讓高流量的 AI 分類變得可行,即使佇列裡每則訊息都要評分。
  • 延遲低到可以放進每個任務執行好幾次的迴圈裡。
  • 使用者用自己的話重寫請求時,答案仍然穩定。
  • 安全測試涵蓋 11 項基準、5,250 個請求,包括越獄嘗試與提示詞注入。

缺點

  • 不提供說明,決策出錯時只留下一個數字,除錯線索很少。
  • 問題必須有固定的選項集合,開放式判斷超出它的能力範圍。
  • 模型仍在預覽階段,微軟不提供正式環境的 SLA,API 也可能變動。
  • 沒有免費方案,部署前必須擁有附付款方式的 Azure 訂閱。

常見問題

它處理軟體裡的結構化決策:分類請求、把工單轉給正確團隊、排序佇列、替 AI 回覆評分,或挑選代理的下一步。每次呼叫都會為你提供的每個選項回傳機率。