微软在 Foundry 上线了一个新模型，名字叫 Microsoft-Decision-1，专攻一件事：快速决策打分。

它是在 Qwen3.5-9B 上后训练出来的，走的是单次推理路线，不做多轮反复推敲，直接给出决策评分。微软还计划后续把它迁移到其他模型底座上，包括自家的 MAI 和 OpenAI 的模型。

打开网易新闻 查看精彩图片

36项基准，近15万道题

微软给出的成绩单里，最硬的一条是准确率：在 36 项基准的横向对比中，Microsoft-Decision-1 拿到了最高准确率。这 36 项基准覆盖了接近 150,000 道问题，而且这些题目在训练阶段对模型是盲的——没提前见过。

速度是另一个卖点。按微软的说法，它比第二名 Quyet-1.0-Large 快 4.5 倍，比 GPT-6 Sol 快 35 倍。一个决策模型跑得快，意味着它能在需要即时判断的场景里被反复调用，而不是排队等结果。

已经在微软内部跑起来了

微软表示，这个模型已经在公司内部开始测试，覆盖的场景从事件响应、质量控制，一直到科学发现。这三类场景有个共同点：都需要在有限信息下快速给出判断，而不是写一篇长报告。

从产品定位看，Decision-1 不是通用对话模型，而是把"打分"这件事单独拎出来做成一个专用件。底座先用 Qwen3.5-9B，后续换底座，说明微软想验证的是这套后训练方法本身能不能迁移，而不是绑死在某个模型上。

对开发者来说，这类模型的价值在于可以嵌进流程里当判断节点：一条告警进来，先由它打分决定要不要升级；一批质检样本过来，先由它筛一遍。速度快、单次推理，正好匹配这种高频、低延迟的调用方式。

目前它已经在 Microsoft Foundry 上可用。