Microsoft ha presentado Microsoft-Decision-1, un nuevo modelo de inteligencia artificial diseñado específicamente para tareas de puntuación de decisiones como enrutamiento, clasificación, priorización, verificación y control de flujos de trabajo. A diferencia de los grandes modelos de lenguaje que generan texto o razonan a través de problemas complejos, los modelos de decisión producen salidas estructuradas que el software puede actuar inmediatamente. El modelo fue anunciado por Achint Srivastava, Vicepresidente de Ingeniería de Software en la Oficina del CTO de Microsoft, y está disponible a través de Microsoft Foundry y OpenRouter para que los desarrolladores lo integren en aplicaciones, agentes y flujos de trabajo automatizados que requieren decisiones rápidas y confiables.
La imagen muestra la tarjeta promocional utilizada en el anuncio de Microsoft del modelo Decision-1, que se describe en el artículo como presentado por Achint Srivastava y disponible a través de Microsoft Foundry y OpenRouter.
Según el anuncio de Microsoft, Microsoft-Decision-1 alcanza el mejor rendimiento tanto en latencia como en calidad en tareas de toma de decisiones estructuradas. En una comparación de 36 benchmarks que mantuvo casi 150,000 preguntas ciegas respecto al entrenamiento, el modelo obtuvo la puntuación de precisión más alta. En cuanto a velocidad, Microsoft informa que Decision-1 opera 4,5 veces más rápido que Quyet-1.0-Large, el siguiente mejor rendimiento en esos benchmarks, y 35 veces más rápido que GPT-6 Sol. Estas métricas posicionan al modelo para su uso en escenarios sensibles al tiempo donde las decisiones deben tomarse rápida y confiablemente, como en el enrutamiento de solicitudes, clasificación de entradas, priorización de tareas, verificación de resultados o control de procesos de flujo de trabajo.
La imagen hero acompaña la discusión del artículo sobre las métricas de rendimiento del modelo Decision-1, incluyendo sus ventajas de velocidad y precisión sobre otros modelos.
Aunque el anuncio destaca las ventajas de velocidad y precisión, no revela detalles técnicos como la arquitectura, el tamaño o los datos de entrenamiento del modelo. Esta omisión deja abiertas preguntas sobre cómo Decision-1 se compara con modelos de decisión alternativos como Jev en despliegues del mundo real, particularmente en cuanto a costo, competitividad de precio y rendimiento práctico más allá del entorno de benchmark controlado. Sin información adicional, los desarrolladores deben confiar en los resultados de benchmarks reportados por Microsoft al evaluar el modelo para sus propios casos de uso.