Microsoftは、ルーティング、分類、優先順位付け、検証、ワークフロー制御などの意思決定スコアリングタスクのために特別に設計された新しい人工知能モデル、Microsoft-Decision-1を発表しました。テキストを生成したり複雑な問題を推論したりする大規模言語モデルとは異なり、意思決定モデルはソフトウェアがすぐに実行できる構造化された出力を生成します。このモデルは、MicrosoftのCTOオフィスのソフトウェアエンジニアリング担当副社長であるAchint Srivastavaによって発表され、Microsoft FoundryとOpenRouterを通じて提供され、開発者が高速で信頼性の高い意思決定を必要とするアプリケーション、エージェント、自動ワークフローに統合できるようになりました。
この画像は、記事でAchint Srivastavaによって紹介され、Microsoft FoundryとOpenRouterを通じて提供されていると説明されているDecision-1モデルの発表で使用されたプロモーションカードを示しています。
Microsoftの発表によると、Microsoft-Decision-1は構造化された意思決定タスクにおいて、レイテンシーと品質の両方で最高のパフォーマンスを達成しています。トレーニングからほぼ150,000問をブラインドにした36のベンチマーク比較において、このモデルは最高の正確性スコアを達成しました。速度については、MicrosoftはDecision-1がこれらのベンチマークでの次点の性能を示すQuyet-1.0-Largeの4.5倍速く、GPT-6 Solの35倍速いと報告しています。これらの指標は、リクエストのルーティング、入力の分類、タスクの優先順位付け、結果の検証、ワークフロー プロセスの制御など、意思決定を迅速かつ信頼性高く行う必要がある時間に敏感なシナリオでの使用に適していることを示しています。
このヒーロー画像は、記事でのDecision-1モデルのパフォーマンス指標、特に他のモデルと比較した速度と精度の利点についての議論に伴っています。
発表では速度と精度の利点が強調されていますが、モデルのアーキテクチャ、サイズ、トレーニングデータなどの技術的な詳細は開示されていません。この開示の欠如により、実際の導入においてJevなどの他の意思決定モデルとDecision-1がどのように比較されるか、特にコスト、価格競争力、制御されたベンチマーク環境を超えた実際のパフォーマンスについて疑問が残ります。さらなる情報がなければ、開発者は自分のユースケースでのモデル評価において、Microsoftが報告したベンチマーク結果に依存しなければなりません。