«$0,042 за миллион токенов»: Microsoft выпустила Microsoft-Decision-1 — модель решений, которая в 35 раз быстрее GPT-6 Sol

Что объявила Microsoft

Пост в блоге Microsoft Command Line за подписью Ачинта Шриваставы (Achint Srivastava), вице-президента по разработке ПО в Office of the CTO Microsoft, объявляет Microsoft-Decision-1 — новую модель для быстрой оценки решений (decision scoring). Модель доступна в каталоге Microsoft Foundry и через OpenRouter. Пост был обновлён после публикации: в него добавили бенчмарки Jev по точности и калибровке.

Microsoft описывает decision-модели как отдельную формирующуюся категорию в ИИ: LLM созданы генерировать текст или рассуждать над сложными проблемами, а такие модели целенаправленно выдают структурированный результат, который программа может немедленно использовать. По формулировке авторов, как только задача сводится к принятию решений и классификации с высокой производительностью и низкой ценой, открывается широкий набор применений. Модель предназначена для маршрутизации, классификации, приоритизации, верификации и управления рабочими процессами, чтобы встраивать «decision intelligence» в существующие приложения, агентов и процессы в контролируемой среде.

Как устроена модель

Microsoft-Decision-1 построена дообучением Qwen3.5-9B под быструю однопроходную оценку решений; в дальнейшем Microsoft планирует перевести её на другие базовые модели, включая собственные модели Microsoft AI (MAI) и модели OpenAI.

На фиксированном наборе вариантов ответа модель выдаёт калиброванную вероятность для каждого варианта. Поддерживаются ответы «да/нет», выбор из нескольких вариантов и оценки по шкале, а также выставление оценок по рубрикам для ответов ИИ и действий агентов — всё это одним структурированным вызовом API.

Скорость, качество и устойчивость

Каждое решение добавляет задержку, и когда шаги зависят друг от друга, она накапливается: авторы приводят пример, в котором 100 миллисекунд на каждое из 20 последовательных решений превращаются в две секунды на весь процесс. P50-задержка Microsoft-Decision-1 примерно в 35 раз ниже, чем у GPT-6 Sol.

Качество измерялось на десятках бенчмарков, скрытых от обучения, — маршрутизация, ранжирование, длинный контекст, многоязычность, задачи вне распределения, рассуждения и безопасность. Дополнительно несколько сильнейших публичных моделей из открытого лидерборда JevBench прогонялись по 36 публичным и приватным бенчмаркам: Microsoft-Decision-1 показала лучший результат, продемонстрировав обобщение. В этом сводном сравнении на почти 150 тысяч вопросов у неё самая высокая точность.

Отдельно проверялась устойчивость: эквивалентные входы должны давать эквивалентные решения, хотя в продакшене формулировки перефразируются, описания вариантов меняются, элементы переставляются, меняются ключи и появляется безобидный шум форматирования. Каждый запрос возмущали восемью способами и считали, как часто решение меняется: в среднем переворот происходит в 1,3% случаев, а при перефразировании описаний и при развороте или перемешивании вариантов — ни разу.

Вероятность — часть API, а не просто скор ранжирования: приложения используют уверенность модели, чтобы решить, действовать, отложить или отправить на проверку человеку, поэтому предсказание с уверенностью 90% должно быть верным примерно в девяти случаях из десяти.

Безопасность и внутренние проверки

Модель тестировали на 5 250 запросах в 11 бенчмарках — вредоносный контент, попытки обхода ограничений и инъекции в промпт: по словам авторов, она отказывалась от вредоносных действий, сохраняя высокую полезность.

Внутри Microsoft модель уже применяют. XBOX Research прогнала через неё более 10 000 открытых отзывов и оценок из опросов, STEAM и Twitter/X, разложив их по фиксированному набору тем: качество оказалось сопоставимым с GPT-6 Sol при более чем 14-кратной скорости и в 200 раз меньшей стоимости. Команда Copilot, измеряющая качество ответов чата и агентов, нашла Microsoft-Decision-1 сопоставимой с GPT5.6 Luna при 100-кратной скорости. Дежурные инженеры применяют её для поиска знаний при живых инцидентах — модель сработала лучше и быстрее LLM; в Microsoft Discovery она оказалась в 46 раз более согласованной, чем оценка на базе LLM, при трёхкратной скорости и почти четырёхкратном ускорении адаптивного перепланирования.

Сценарии, цена и доступ

Среди перечисленных применений — управление агентом (продолжить, остановить, повторить или передать модели, инструменту либо человеку), выбор модели под входящий запрос по качеству, цене и задержке, применение правил скилла без повторной обработки длинного списка инструкций, разметка данных, оценка ответа ИИ по заданным критериям, анализ намерения, маршрутизация инцидентов, валидация данных, рекомендации, релевантность поиска, классификация и фильтрация контента, сканирование кода, проверки безопасности, выбор действия интерфейса и робототехника.

Начать можно со страницы модели в каталоге Microsoft Foundry или через OpenRouter. Цена — $0,042 за миллион входных токенов, выходные токены бесплатны. В приложении к посту перечислены модели, с которыми шло сравнение: Quyet-1.0-Large, Surogate Rune 26B-A4B, GPT-6 Luna Decisions, deck-31B, H2O-Lightning-4B и Strands-Decider 2B. Microsoft обещает дальше выпускать обновления модели, в том числе добавляя оценки и данные для оптимизации качества, уверенности и стоимости.