刚刚，微软发布了新模型，Microsoft-Decision-1，专门做结构化决策任务。
官方给的几个数字：基于 Qwen3.5-9B 后训练，36 项基准测试里准确率最高；速度比 Quyet-1.0-Large 快 4.5 倍，比 GPT-6 Sol 快 35 倍。
最扎眼的是定价：每百万 Token 输入 0.042 美元，输出免费。
模型本身的新闻点，说实话就这些。「输出免费」这四个字，才是值得坐下来聊的东西。
为什么输出敢免费
先看这类模型的账单长什么样。结构化决策任务——比如从一堆候选里选一个、给数据判个类别、按规则出个结论—— workload 的形状很特别：输入长，输出短。
输入是全部上下文：数据、候选方案、约束条件、历史记录，可能几千上万 Token。输出呢？一个选项、一个分数、一段几句话的结论，撑死几百 Token。
换句话说，这个场景里收入本来就主要来自输入侧。输出免费，与其说是让利，不如说是把真实的成本结构摊开明说——反正输出那头就没打算赚你钱，不如做成钩子。
这比「全场五折」诚实多了。定价跟着 workload 形状走，说明微软对这个模型该用在哪、怎么被用，想得挺清楚。
9B 的专才，凭什么打大模型
另一个值得琢磨的点：底子是 Qwen3.5-9B，不到百亿参数的小模型，专才路线。
「36 项基准准确率最高」这话要打折听——自测基准的水分，圈内都懂，等第三方复测。但方向本身成立：决策任务不需要写小说的能力，不需要跨学科闲聊，它需要的是把规则和数据吃透、给出稳定可复现的判断。这类窄任务上，专门调过的小模型打通用大模型，不是新鲜事，是正在变多的事。
速度差距更说明问题。比 GPT-6 Sol 快 35 倍，不是因为 9B 跑得比人家旗舰快 35 倍，而是任务匹配：决策要的就是快而稳的短输出，通用旗舰在这个场景里一大半算力花在了不需要的地方。
给 Agent 干活的团队应该有感觉：决策环节卡一秒，整条链路就卡一秒。快 35 倍不是跑分意义的快，是流水线意义的快。
微软的底座是阿里的模型
还有个容易滑过去的细节：后训练的底座是 Qwen，不是微软自家的。
这事放在本周的语境里特别顺：谷歌把 Claude 摆上自家货架，通义放图像模型权重，微软拿 Qwen 底座做行业专才。大家已经不装了——好底座就用，谁的都行，自己赚的是场景和生态的钱。
上一轮大模型竞争是「我家模型天下第一」，这一轮是「我家管道里什么模型都有」。模型在变成零件，平台在变成插座。
真要用的话，先过三关
- 基准复测。
- 「36 项最高」是官方口径，拿你自己的真实决策数据跑一遍对比，比看榜单靠谱十倍；
- 输出免费的边界。
- 速率限制、上下文上限、「免费」会不会哪天改口，条款看清楚再把业务押上去；
- 任务匹配度。
- 它是决策专才，别指望它顺手写文案。拿它干窄活是降本，拿它干宽活是给自己找麻烦。
三关都过了，0.042 美元的输入价加上白送的输出，在决策类场景里确实很难打。决策环节从「用旗舰模型顺手做」到「用专用模型专门做」，这一步微软只是走得靠前，后面排队的人不会少。
你们团队的决策环节，现在是旗舰模型顺手做的，还是已经有专用方案了？评论区聊聊成本差多少。
热门跟贴