
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。

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
- 開啟 Foundry 入口網站,進入你的專案,在模型目錄裡找到 Microsoft-Decision-1。
- 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。
- 複製端點、部署名稱與 API 金鑰,或以 Microsoft Entra ID 驗證。
- 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。 - 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。
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。
相關內容
探索與 Microsoft-Decision-1 相關的工具、技能與文章。
Microsoft-Decision-1 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改,看著預覽確認結果,再以 Pull Request 交回工程團隊。
Knocket
Knocket (Tencent RTC team) · 生產力 · 商業 · 聊天機器人Knocket 是免費的線上客服與聯絡頁面工具,訪客可從網站、App 或一條分享連結傳訊息,你在 Telegram 或單一收件匣就能回覆。
FloorGen
Vinit Kumar (FloorGen) · 生產力 · 中國 AIFloorGen 是瀏覽器上的平面圖製作工具,能把一句描述或一張草圖變成可編輯的 2D 平面圖與 3D 導覽。可匯出 PDF、DXF 或影片,不註冊也能開始畫。
