⚖️ 微软的新模型，底座是阿里的

它不做聊天，只做选择题

10 月 9 日，微软在自家技术刊物上发布 Microsoft-Decision-1，署名作者是微软首席技术官办公室的软件工程副总裁 Achint Srivastava；纳德拉随后在 X 上宣布。模型已在 Microsoft Foundry 上架，也接入了 OpenRouter。

它的输出范围窄得刻意：调用方先给一组固定选项，模型对每个选项给出一个经过校准的概率，软件拿到结果直接执行。是／否、多选、评分、按评分细则打分都支持；写长文、复杂推理不在它的分工里。应用场景明确为四类——路由、分类、优先排序与验证、工作流控制。微软举的例子很直白：一条流程串接 20 个决策，每个多花 100 毫秒，整条链就慢 2 秒。

底座是 Qwen3.5-9B，账确实便宜

最耐人寻味的是技术选型与分发方式：微软没有采用长期搭档 OpenAI 的现成架构，也没沿用自家 Phi 系列小模型，而是挑了阿里巴巴开源的 Qwen3.5-9B（90 亿参数）作为基础权重，用公开数据清洗流程加自研合成数据完成后训练；训练完之后权重不发布，只走托管 API 计费。微软表示 Decision-1 只是个起点，未来计划把它重构（rebase）到自家的 MAI 模型和 OpenAI 技术之上。

官方公布的成绩单：P50 延迟约 85 毫秒，比 GPT-6 Sol 快 35 倍、比 Quyet-1.0-Large 快 4.5 倍；在 36 项基准、近 15 万道题目的比较中平均准确率 83.5%，决策稳定性 98.7%；对同一请求施加 8 种扰动，决策平均翻转率 1.3%，而只改写、反转或打乱选项顺序时翻转率为 0。定价是每百万输入 token 0.042 美元、输出免费——按每次路由决策约 500 token 估算，单次成本不到五十分之一美分。内部试用数据（均来自微软自测）：Xbox 研究团队用它处理一万多条用户反馈，质量与 GPT-6 Sol 相当、速度快 14 倍以上、成本低 200 倍以上；Copilot 团队测得质量与 GPT-5.6 Luna 相当、快 100 倍。

两个争议

第一是跑分口径。开发者社区指出，微软在对比竞品时套用了惩罚公式以制造优势，官方还做了一次临时勘误；测试集不公开，36 项基准各自叫什么、具体准确率多少均未列出，目前也没有第三方重现。排名第二的模型是谁、慢多少，微软原文与中文转述的说法还对不上。

第二是「开底座、闭权重」的边界。基于开源底座做后训练、却不向社区回馈权重、只放进自家云服务计费清单，这件事在开源社区引发了关于商业化边界的讨论。许可证层面，Decision-1 继承了 Qwen3.5 的宽松衍生许可，商用没问题，但权重确实不公开。同期亚马逊也推出了同类思路的 Strands Decider 2B——「给特定重复性、低复杂度决策任务配专用小模型」正在成为一条明确的产业路径。