Microsoft-Decision-1 是一款專門處理「在既定選項中做選擇」的模型，而不是用來撰寫開放式回答的聊天模型。微軟於 2026 年 10 月 9 日公布這款模型，目標用途包括分類、路由與評估等結構化決策工作。1

這項差異對 AI 代理與自動化流程尤其重要：系統有時需要的不是一段解釋，而是判斷下一步該把工作交給誰、是否重試，或要不要轉交人工處理。

它如何替選項評分？

應用程式提供背景資料與一組固定選項後，Microsoft-Decision-1 會在單次評分流程中，為各個選項回傳機率，而不是生成自由格式的文字回答。14 這些機率用來表示模型對所提供選項的判斷把握度，但不代表獲選答案一定正確。

已報導的任務形式包括是非題、選擇題、評分、分類，以及依評分規準（rubric）進行評估。622 這些例子說明模型預計支援的決策類型；開發者仍應確認模型目前的文件，了解實際應用所需的輸入與輸出格式。

例如，客服流程可以提供數個案件分類，讓模型協助選擇轉送方向；AI 代理也可以根據選項分數，在執行、重試與請求人工覆核之間做判斷。這些是可能的流程設計，不等於已有資料證明整套系統因此提升了特定幅度的速度。

為什麼不用一般聊天模型？

不少軟體流程需要的是明確、可直接使用的選擇，而不是一段說明文字。專門替有限選項評分的模型，能把結果交給應用程式採取下一步動作。微軟將 Decision-1 定位於決策與分類工作，包括路由及評估。1

這種專門化也有界線：若工作需要解釋答案、撰寫內容，或進行開放式對話，它就不能取代文字生成模型。實際上，團隊可以用生成式模型負責撰寫，再用決策模型處理較窄的任務，例如選擇分類標籤或評估候選回答。

模型基礎、供應方式與價格

微軟表示，Decision-1 以阿里巴巴的 Qwen3.5-9B 為基礎，再針對決策評分進一步訓練。1 微軟的發布文章將它列入 Microsoft Foundry 模型目錄，並標示為公開預覽。1

公布價格為每百萬個輸入 token 0.042 美元，輸出 token 不收費。11 這個價格是否划算，仍取決於實際工作量，例如每次判斷要送入多少背景資料，以及流程需要呼叫模型的頻率。

微軟公布的效能數據，能說明什麼？

微軟表示，Decision-1 在涵蓋近 15 萬道題目的 36 項基準測試比較中排名第一；公司也公布了延遲數據，稱其速度是 Quyet-1.0-Large 的 4.5 倍、GPT-6 Sol 的 35 倍。125

這些是微軟公布的基準測試結果，並非獨立驗證，也不能直接推論 Decision-1 在每種應用中都會更快或更準。測試結果可能受到任務類型、比較模型與測試設定影響。導入前，團隊應使用自己的資料評估決策品質與延遲，也要衡量錯誤選擇可能造成的後果。

簡單來說，當工作是從有限選項中做結構化判斷時，使用專門負責評分的模型，可能比每一步都請通用模型撰寫解釋更合適。它是否有價值，最終仍要看這種做法能否可靠地處理應用程式真正需要的決策。

Microsoft-Decision-1 是一款專門處理「在既定選項中做選擇」的模型，而不是用來撰寫開放式回答的聊天模型。微軟於 2026 年 10 月 9 日公布這款模型，目標用途包括分類、路由與評估等結構化決策工作。1

這項差異對 AI 代理與自動化流程尤其重要：系統有時需要的不是一段解釋，而是判斷下一步該把工作交給誰、是否重試，或要不要轉交人工處理。

它如何替選項評分？

應用程式提供背景資料與一組固定選項後，Microsoft-Decision-1 會在單次評分流程中，為各個選項回傳機率，而不是生成自由格式的文字回答。14 這些機率用來表示模型對所提供選項的判斷把握度，但不代表獲選答案一定正確。

已報導的任務形式包括是非題、選擇題、評分、分類，以及依評分規準（rubric）進行評估。622 這些例子說明模型預計支援的決策類型；開發者仍應確認模型目前的文件，了解實際應用所需的輸入與輸出格式。

例如，客服流程可以提供數個案件分類，讓模型協助選擇轉送方向；AI 代理也可以根據選項分數，在執行、重試與請求人工覆核之間做判斷。這些是可能的流程設計，不等於已有資料證明整套系統因此提升了特定幅度的速度。

為什麼不用一般聊天模型？

不少軟體流程需要的是明確、可直接使用的選擇，而不是一段說明文字。專門替有限選項評分的模型，能把結果交給應用程式採取下一步動作。微軟將 Decision-1 定位於決策與分類工作，包括路由及評估。1

這種專門化也有界線：若工作需要解釋答案、撰寫內容，或進行開放式對話，它就不能取代文字生成模型。實際上，團隊可以用生成式模型負責撰寫，再用決策模型處理較窄的任務，例如選擇分類標籤或評估候選回答。

模型基礎、供應方式與價格

微軟表示，Decision-1 以阿里巴巴的 Qwen3.5-9B 為基礎，再針對決策評分進一步訓練。1 微軟的發布文章將它列入 Microsoft Foundry 模型目錄，並標示為公開預覽。1

公布價格為每百萬個輸入 token 0.042 美元，輸出 token 不收費。11 這個價格是否划算，仍取決於實際工作量，例如每次判斷要送入多少背景資料，以及流程需要呼叫模型的頻率。

微軟公布的效能數據，能說明什麼？

微軟表示，Decision-1 在涵蓋近 15 萬道題目的 36 項基準測試比較中排名第一；公司也公布了延遲數據，稱其速度是 Quyet-1.0-Large 的 4.5 倍、GPT-6 Sol 的 35 倍。125

這些是微軟公布的基準測試結果，並非獨立驗證，也不能直接推論 Decision-1 在每種應用中都會更快或更準。測試結果可能受到任務類型、比較模型與測試設定影響。導入前，團隊應使用自己的資料評估決策品質與延遲，也要衡量錯誤選擇可能造成的後果。

簡單來說，當工作是從有限選項中做結構化判斷時，使用專門負責評分的模型，可能比每一步都請通用模型撰寫解釋更合適。它是否有價值，最終仍要看這種做法能否可靠地處理應用程式真正需要的決策。