微软发布 Microsoft-Decision-1：专做选择题的小模型，85 毫秒给答案

封面图：微软 Command Line 博客的官方配图，已裁成横版

北京时间 10 月 10 日凌晨 2 点 37 分，微软 CEO 纳德拉发帖：微软有了一个新模型，叫 Microsoft-Decision-1。

它不写文章，不聊天。你给它一道选择题，它告诉你每个选项有几成把握。

官方说，它在 36 项测试里平均准确率排第一，中位延迟 85 毫秒，比 GPT-6 Sol 快 35 倍。

微软官方博客

https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

@msdev 原帖（北京时间 10 月 10 日 3:14）

https://x.com/msdev/status/2108637164301119691

@msdev 帖子原文：

Introducing Microsoft-Decision-1. Our model for fast decision-making that delivers top performance in latency and quality on structured decision tasks to outperform both LLMs and other decision models.

Microsoft-Decision-1 来了。这是我们做的快速决策模型，在结构化决策任务上，延迟和质量都是顶级，表现超过大语言模型和其他决策模型。

微软发布 Microsoft-Decision-1：专做选择题的小模型，85 毫秒给答案图2

@msdev 官方帖。帖子里的链接卡片图是空白的，我们截图时裁掉了，不影响文字内容

「决策模型」是什么

先打个比方。大模型像一个会写作文的专家，你问什么他都能洋洋洒洒写一篇。

决策模型更像医院的分诊台护士。她不给你写病历长文，只问几句，然后说：去急诊 90%，去内科 8%，去皮肤科 2%。

答案是固定选项里的一个，后面跟着一个把握程度。程序拿到这个数，就能直接往下走：把握高的自动处理，把握低的转人工。

这类活很多：给客服工单分类、判断一个搜索结果相不相关、让 AI 给另一个 AI 的回答打分、决定智能体下一步该继续还是停下。

单次不难，难在量大、链条长。官方算过一笔账：每个决策多等 100 毫秒，连着做 20 个，整个流程就多等 2 秒。

它是怎么做出来的

官方页面写得比较清楚：

• 基座：阿里的开放权重模型 Qwen3.5-9B，微软做了后训练

• 输出：给每个选项一个校准过的概率，一次调用算完，不生成文字

• 题型：是非题、多选题、打分题，也能按评分标准给 AI 的回答和智能体的动作打分

• 输入：纯文本，最长 32K token；输出是 JSON

• 训练数据：公开数据集（过了微软的开放数据审核）加团队自己合成的数据

微软还说，之后会把它换到别的基座上重做，包括微软自家的 MAI 和 OpenAI 的模型。

它有几个明确不做的事：不生成文字，不聊天，不翻译，不做总结，也不解释为什么选这个。

成绩单

官方做了一张对比图，放在纳德拉的帖子里，是个 10 秒的动画。下面是它的最后一帧：

微软发布 Microsoft-Decision-1：专做选择题的小模型，85 毫秒给答案图3

微软官方对比图（纳德拉帖子里的视频末帧）。手机上字太小，下面把数字逐条列出

官方拿了 36 个测试集，共 147,137 道题，说这些都是训练时没见过的。里面有公开的，也有私有的，覆盖路由、排序、长上下文、多语言、推理、安全等。

准确率（36 项平均）：

• Microsoft-Decision-1：83.5%

• Quyet-1.0-Large：81.9%（JevBench 榜单第 1）

• Surogate Rune 26B-A4B：79.7%

• GPT-6 Luna Decisions：79.4%

• deck-31B：77.8%

• H2O-Lightning-4B v1.1：77.2%

• Strands-Decider 2B：54.8%（只跑了 36 项里的 23 项）

中位延迟（越低越好）：

• Microsoft-Decision-1：85 毫秒（p95 为 125 毫秒）

• H2O-Lightning-4B v1.1：210 毫秒

• Jev 1.13.0：240 毫秒

• GPT-6 Luna Decisions：300 毫秒

• Quyet-1.0-Large：380 毫秒

• Surogate Rune 26B-A4B：380 毫秒

• deck-31B：400 毫秒

• GPT-6 Sol：3.01 秒

官方的算法是：比 Quyet-1.0-Large（亚军）快 4.5 倍，比 GPT-6 Sol 快 35 倍。

校准度（100 分为满分，指「说有 90% 把握时，真的对九成」）：

• Quyet-1.0-Large：93.1

• Microsoft-Decision-1：92.2，排第二，差 0.9 分

• Surogate Rune 26B-A4B 和 H2O-Lightning-4B：都是 91.8

• GPT-6 Luna Decisions：89.9；deck-31B：83.5

所以更准确的说法是：准确率第一、速度最快，校准度第二。

看数字时有一点要留意。图注写明，对手的延迟取自 JevBench 的校正后中位数（10 月 7 日），Microsoft-Decision-1 则是微软自己在 Foundry 同区域实测的。两边测法不完全一样。

另外两项自测：

• 稳定性：同一个请求换 8 种方式扰动（改写、换选项描述、调顺序、改字段名、加格式噪音等），决策平均只翻转 1.3%。改写选项描述、颠倒或打乱选项这两类，一次都没翻

• 安全：在 11 个测试集、5,250 个请求上测有害内容、越狱和提示词注入，官方说能拒绝有害请求，同时不误伤正常请求，没给具体数字

微软内部先用了什么

官方列了 4 个内部试用，数字都是微软自己报的：

• Xbox 研究团队：把问卷、Steam 和推特上 1 万多条玩家反馈，分进研究员定好的主题。质量和 GPT-6 Sol 相当，快 14 倍多，便宜 200 倍

• Copilot 团队：给聊天和智能体的回答打质量分。和 GPT5.6 Luna（官方原文写法）相当，快 100 倍

• 值班工程师：出故障时检索日志、工单等资料，比大模型更好也更快，没给数字

• Microsoft Discovery：科研智能体评估上一轮实验、再调整方案。评分一致性是大模型打分的 46 倍，速度 3 倍，自适应重规划整体快近 4 倍

纳德拉的帖子也提到，微软内部在各处测试它。

微软发布 Microsoft-Decision-1：专做选择题的小模型，85 毫秒给答案图4

纳德拉（@satyanadella，约 958 万粉丝）的帖子，北京时间 10 月 10 日 2:37。帖子里的视频预览就是上面那张对比图

他的话（截图里被折叠，这里翻的是能看到的部分）：

Introducing Microsoft-Decision-1, our new model for fast decision-making. It delivers top performance on structured decision tasks, outperforming both LLMs and other decision models in latency and quality.

Microsoft-Decision-1 发布，这是我们新的快速决策模型。它在结构化决策任务上表现顶级，延迟和质量都超过大语言模型和其他决策模型。