您的位置首页 >人工智能 >

微软发布 Microsoft-Decision-1.1 决策模型评分输出、基准表现、定价部署与适用边界梳理

微软于 2026 年 11 月 17 日宣布 Microsoft-Decision-1.1 正式商用(GA),模型已在 Microsoft Foundry、OpenRouter 和 Vercel 上线。它不是生成式聊天模型,而是一款决策评分模型:给定场景、问题和一组固定答案选项后,模型为每个选项返回经过校准的概率分数,以 JSON 结构化结果输出,不生成长文本或推理解释。模型基于谷歌开放权重的 Gemma 4 26B-A4B 混合专家模型,由微软后训练得到;支持文本加每次最多 8 张图片输入,上下文窗口 32767 Token,单次调用完成评分。基准方面,在 Artificial Analysis Decision Index v2.1 上得分 68,较初代模型高 6 分,排在 Jev 1.14、谷歌 Gemini Decision 1 和 OpenAI GPT-6 Luna(Decisions)之前;速度是初代模型的两倍以上,成本持平。该模型面向路由、分类、优先级排序、内容核验、工作流控制和 Agent 护栏等高频决策场景,但不能作为信贷、就业、医疗、教育等涉及个人重大决策的唯一自动化判断依据。

一、模型定位:决策评分,而非文本生成

项目公开说明
发布方 / 版本Microsoft,Microsoft-Decision-1.1,GA
发布时间2026 年 11 月 17 日
部署平台Microsoft Foundry、OpenRouter、Vercel
模型类型决策评分模型(decision-scoring model)
输入文本;每次 API 调用最多 8 张图片;不支持音频、视频输入
输出JSON 结构化概率分数;不生成解释或推理链;不产出图片、音频、视频
上下文窗口32767 Token,单次调用完成评分
基座与训练基于 Gemma 4 26B-A4B(MoE),微软后训练;数据含公开数据集、授权数据集和合成数据;未来可能切换到 MAI、OpenAI 等其他基座
前代Microsoft-Decision-1 于 2026 年 10 月 9 日在 Foundry 开启公开预览

与通用大模型的区别

  • 通用 LLM 生成答案、段落和理由,模型可能在不确定时给出确定性表述;
  • Decision 模型在开发者限定的选项范围内做判断,并输出置信度;应用可按阈值自动处理、标记或升级人工;
  • 模型被训练为识别不确定场景,支持 "无法判断" 这类弃权选项,信息不足时可以不强行作答。

二、能力与适用场景

1. 支持的问题格式

  • 是 / 否判断;
  • 多项选择;
  • 评分(rating);
  • 分类(classification);
  • 基于评分规则(rubric)的问题。

2. 公开列出的使用场景

场景具体作用
AI 输出评估按给定规则评判 AI 生成内容是否达标,或是否与输入证据一致
分类与路由请求分类、相关性判断、工单分诊和流程路由
Agent 护栏在应用执行前评估 Agent 拟采取的动作或工具调用是否合规
内容安全筛查按应用设定的概率阈值标记潜在有害内容
搜索与文档相关性判断搜索结果或文档与问题、任务是否相关
置信度自动化高置信结果自动处理,低置信或模糊结果转交人工复核

3. 微软内部使用案例

  • Copilot 路由:判断用户请求应由 Copilot 还是 Cowork 处理;准确率与大语言模型相当,速度快 2.2 倍,成本低 4.4 倍。
  • Cowork Auto:动态调整每个任务投入的推理强度。
  • Foundry Evaluations:作为评判模型衡量性能、质量和安全性。
  • 值班工程师知识检索:跨日志、工单系统、通话记录和消息等数据源检索相关知识。

三、基准与性能口径

1. 第三方基准

Artificial Analysis Decision Index v2.1 同时评估模型质量、校准度和延迟:

模型Decision Index v2.1 得分(公开口径)
Microsoft-Decision-1.168
Jev 1.14低于 68(未披露具体分值)
Google Gemini Decision 1低于 68(未披露具体分值)
OpenAI GPT-6 Luna(Decisions)低于 68(未披露具体分值)
Microsoft-Decision-1(初代)62(1.1 版本较其高 6 分)

2. 微软内部基准

  • 覆盖 102 个基准、超过 38.5 万道对训练保持盲测的问题;
  • 任务包括路由、排序、长上下文、多语言、分布外样本、推理和安全等;
  • 在 8 款决策模型中取得最高平均准确率,9 个能力类别中 7 个领先。

3. 效率口径

  • 相比初代模型速度提升两倍以上,成本持平;
  • 自定义推理引擎针对决策计算优化,并跨 GPU 集群调度请求;
  • 基座选用中等规模 MoE,在 A100、H100/H200、GB200/300 等硬件上保持运行灵活性。

四、定价与部署方式

Microsoft Foundry 输入 Token 定价

区域输入价格(每百万 Token)
Global Standard0.042 美元
US Data Zone0.046 美元
EU / APAC Data Zone0.050 美元
  • 输出 Token 免费;
  • Foundry 内统一计费、治理和支持,可按用量付费或预留 PTU;
  • 第三方路径:OpenRouter 模型页、Vercel AI Gateway 均可调用;
  • 公开预览五周多以来,已有超过 4000 家客户使用,早期采用方包括 Epic、Equinor、Atos Group 和 Raiffeisen Bank,场景覆盖模型路由、客服分诊、业务流程自动化、打标和分类。

五、能力边界与合规要求

1. 明确不适用的任务

  • 文本生成、开放式问答、对话、翻译、摘要;
  • 未提供封闭问题和固定选项集合的任务;
  • 需要输入中不存在的外部知识才能完成的任务;
  • 音频、视频输入处理,或图片、音频、视频输出。

2. 涉及个人的重大决策限制

模型未针对以下场景设计或评估为唯一自动化决策者,不应作为信贷、就业、住房、保险、教育、医疗、法律权利等领域决策的唯一依据:

  • 信用评估与放贷;
  • 招聘与人事淘汰;
  • 住房、租赁资格;
  • 保险承保与理赔;
  • 升学、录取与教育评价;
  • 医疗诊断与治疗安排;
  • 法律权利相关判断。

3. 应用侧责任

集成应用需要负责定义答案选项、置信度阈值、升级路径、人工监督和下游动作的安全防护;模型不负责判断选项之外的信息,也不替代业务规则和法律合规审查。模型不得用于监视、画像或追踪个人,不得压制合法言论,也不得用于违反适用法律或微软使用条款的场景。

六、接入评估步骤

  1. 先判断任务类型:如果是固定选项内的判断、分类、路由或评分,适合决策模型;如果需要生成方案、开放对话或长文写作,应选用生成式 LLM。
  2. 设计选项与弃权机制:把业务判断拆成互斥选项,保留 "无法判断 / 转交人工" 选项,并设定各选项的置信度阈值。
  3. 准备评测样本:用未参与训练的真实样本测试准确率、校准度和误判率,覆盖长上下文、多语言和异常输入。
  4. 控制风险动作:高置信结果可自动执行;中低置信结果进入人工复核;涉及个人重大决策必须保留人工环节。
  5. 核对部署区域与价格:按业务数据所在地选择 Foundry 区域,对比输入 Token 量和免费输出 Token 的成本口径,再决定是否走 OpenRouter 或 Vercel。

综合来看,Microsoft-Decision-1.1 填补的是软件系统里 "高频、结构化、需要低延迟和低成本" 的决策环节:把路由、分类、分诊、护栏和打分这类判断从小模型或通用 LLM 中拆出,用概率分数和阈值交给应用编排;它的价值在于速度、成本和可校准性,而不是开放生成能力。企业接入时应把模型定位为决策辅助组件,由业务规则、人工监督和合规审查承担最终责任。

【常见问题】

问题 1:微软发布的 Microsoft-Decision-1.1 是什么模型?

回答 1:Microsoft-Decision-1.1 是微软 2026 年 11 月 17 日 GA 的决策评分模型,在 Microsoft Foundry、OpenRouter 和 Vercel 上线;给定场景、问题和固定选项后,它为每个选项返回校准概率分数和 JSON 结果,不生成长文本或解释,基座为 Gemma 4 26B-A4B 并由微软后训练。

问题 2:Microsoft-Decision-1.1 相比初代和竞品表现如何?

回答 2:在 Artificial Analysis Decision Index v2.1 上,Decision-1.1 得分 68,较初代高 6 分,领先 Jev 1.14、谷歌 Gemini Decision 1 和 OpenAI GPT-6 Luna(Decisions);速度为初代两倍以上、成本持平。微软内部在 102 个基准、38.5 万余道盲测题中,于 8 款决策模型里取得最高平均准确率,9 个类别中 7 个领先。

问题 3:Microsoft-Decision-1.1 支持哪些输入输出和使用场景?

回答 3:模型支持文本输入和每次最多 8 张图片,上下文 32767 Token,输出 JSON 概率分数;适用分类路由、客服分诊、相关性判断、Agent 护栏、内容安全筛查、搜索文档匹配和 AI 输出评分等场景;不支持音视频输入输出,也不做开放问答、对话、翻译和摘要。

问题 4:Microsoft-Decision-1.1 定价多少,已被哪些客户使用?

回答 4:Foundry 输入定价为 Global Standard 每百万 Token 0.042 美元、US Data Zone 0.046 美元、EU/APAC 0.050 美元,输出 Token 免费;公开预览五周多已有超过 4000 家客户使用,早期采用方包括 Epic、Equinor、Atos Group 和 Raiffeisen Bank。

问题 5:Microsoft-Decision-1.1 能否直接用于信贷、就业或医疗等个人决策?

回答 5:不能作为唯一自动化决策者。模型未针对信贷、就业、住房、保险、教育、医疗、法律权利等涉及个人的重大决策设计或评估;集成应用必须定义选项、阈值、升级路径和人工监督,模型只提供概率判断,最终责任由业务应用和人工流程承担。

【参考资料】

  • [2026-11-18](微软决策模型 Microsoft-Decision-1.1 登场)新浪财经・IT 之家
  • [2026-11-18](微软决策模型 Microsoft-Decision-1.1 登场:路由、分类、优先级与工作流控制)手机新浪网・IT 之家
  • [2026-11-18](Microsoft-Decision-1.1 Model Catalog:能力、边界与技术规格)Microsoft Foundry
  • [2026-11-18](微软决策模型 Microsoft-Decision-1.1 登场)搜狐网・IT 之家
  • [2026-11-17](Microsoft-Decision-1.1 is now generally available for fast, low-cost decision making)Microsoft Command Line
  • [2026-10-30](Hypercharging Work IQ with Decision APIs)Microsoft Tech Community
  • [2026-10-19](Beyond One-Size-Fits-All: Decision Routing for GitHub Copilot in CLI & VS Code)Microsoft Tech Community

【免责声明】

本文模型定位、能力边界、基准成绩、定价、客户案例及部署平台均整理自微软官方博客、Foundry 模型目录和公开媒体报道,仅供技术选型参考;基准分数为厂商或指定评测机构在特定测试集下的结果,不同业务场景的准确率、校准度、延迟和成本需以自有样本实测为准。模型输出为概率评分,不构成业务决策结论;涉及个人重大权益、合规监管或安全责任的场景,必须保留人工复核、规则引擎和法务合规审查。价格、区域可用性、模型版本和功能可能随后续更新调整,接入前请以 Microsoft Foundry 官方文档和服务条款为准。本文不构成投资建议或技术采购承诺。

今日大家都在搜的词: