Microsoft 的决定-1模型加入了快速扩大的AI决策模式竞争

AI: 9B-1,建立在Qwen3.5-9B上,以精度和85毫秒的延迟领先36个基准,而输入成本为每百万 tokens .
标签: Microsoft 决策-1,Qwen3.5-9B, Microsoft 造厂,开放路由器, Jev 1.13.0
Featured Image:深蓝色梯度上的决策节点和分支路径的抽象网络,没有文本,没有标志,没有人

Microsoft 现在有自己的决策模型,称为Decision-1,它进入了已经被 OpenAI , Cloudflare 和 startup Jev所占据的类别,该模式在9月中旬开始了决策模式趋势. 竞技场是快速的,结构化的选择:分类,评估和路由决定. Microsoft 说DECISION-1具有"通过复杂环境指导和控制代理人的潜力". 该模型很重要,因为当应用程序需要选择动作,排序输入或向正确工具发送请求时,较小的任务特定系统可以比通用语言模型便宜且更可预测.

背景:一个决策模式类别表格

决策模型是构建用于做出重复的,有限的选择而不是产生长期开放式答案的狭窄系统.时间线从9月中旬开始,当时Jev引入了这一趋势.该概念迅速传播,更大的AI基础设施参与者进入了同一个空间. OpenAI 和 Cloudflare 与类似方法联系在一起,而 Microsoft 也提供基于 Qwen 的 open-source Clef模式.因此, open-source 2的发布遵循了一个已经在几周内发展起来的模式,而不是从零创建这个类别.

发展:Qwen3.5-9B成为一个基准索赔

在 Microsoft 的比较表中,Decision-1位于顶部:83.5%精度和85 ms延迟,领先于Jev 1.13.0. Microsoft 称它是36个基准测试中的最准确模型,一组涵盖了近12个问题.对于速度来说, open-source 2报告在H2O-Lightning4B上的优势为5倍.该图片归功于 Microsoft . Cloudflare 的 open-source Clef型号也基于 Qwen ,但它们不是这次比较的一部分,这一细节使得发布的排名比更广泛的基于 Qwen 的模式格局更加狭窄.

最新进展:分发和定价给Jev带来压力

决策-1通过 Microsoft Foundry和OpenRouter可用.输入 tokens 每百万成本 $0.042,输出 tokens ,是免费的.这种定价对于高容量的过或路由有用,在这个系统读取了许多 open-source 4,但只返回了一个短标签,分数或路线.它也给Jev带来压力,该概念迅速传播后可能有几周难度.这项技术很快被适应并使用开放式小语言模型超越,而 Microsoft 的进入增加了一家主要供应商与分销道和基准表.

接下来看什么:基准范围和开放模型速度

决策模型类别的下一个阶段将由专业系统在重新使用,调整和快速分发开放式小语言模型时如何承受测试. Cloudflare 的Clef模型显示基于 Qwen 的决策系统不仅限于一家供应商,即使它们被排除在 Microsoft 的比较之外.对于读者来说,当前信号是比赛已经从概念转移到部署:相关问题不再是决策模式是否可以做出结构化的选择,而是准确性,延迟,价格和平台访问组合将成为路由代理和分类的默认组合.