微软推出了 Microsoft-Decision-1，这是一个专门针对决策评分任务（如路由、分类、优先级排序、验证和工作流控制）设计的新人工智能模型。与生成文本或通过复杂问题进行推理的大型语言模型不同，决策模型生成软件可以立即采取行动的结构化输出。该模型由微软首席技术官办公室软件工程副总裁 Achint Srivastava 宣布，并通过 Microsoft Foundry 和 OpenRouter 提供，供开发者将其集成到需要快速可靠决策的应用程序、代理和自动化工作流中。
此图显示了微软在宣布 Decision-1 模型时使用的宣传卡片，正如文章所述，该模型由 Achint Srivastava 推出，并可通过 Microsoft Foundry 和 OpenRouter 获得。
根据微软的公告，Microsoft-Decision-1 在结构化决策任务上的延迟和质量方面表现最佳。在一个保留近 150,000 个问题未用于训练的 36 项基准测试中，该模型获得了最高准确率。就速度而言，微软报告称 Decision-1 的运行速度比 Quyet-1.0-Large（这些基准测试中的次佳表现者）快 4.5 倍，比 GPT-6 Sol 快 35 倍。这些指标使该模型适用于对时间敏感的场景，在这种场景中必须快速可靠地做出决策，例如路由请求、输入分类、任务优先级排序、结果验证或工作流程控制。
此英雄图像伴随文章对 Decision-1 模型性能指标的讨论，包括其相较于其他模型的速度和准确性优势。
尽管公告突出了速度和准确性的优势，但未披露模型的架构、规模或训练数据等技术细节。这一遗漏留下了关于 Decision-1 与替代决策模型（如 Jev）在实际部署中的比较的未解问题，特别是在成本、价格竞争力以及受控基准环境之外的实际性能方面。缺乏更多信息时，开发者只能依赖微软报告的基准结果来评估该模型在其自身用例中的表现。