微软Decision-1：专为智能体路由而生的决策评分模型

一个只做决策的模型

大模型的能力越来越全面，但在构建智能体（agent）与自动化工作流时，开发者常常发现自己其实并不需要一个无所不能的通用模型。真正高频的需求往往是：从若干固定选项中选一个、给请求分类、验证某个结果是否成立，或者决定智能体下一步该走哪条分支。这些任务本质上是决策，而不是生成长文本。

微软在 Product Hunt 上发布的 Microsoft-Decision-1 正是针对这一场景的专用模型。它被定义为一个"决策评分模型"（decision-scoring model），聚焦于路由（routing）、分类（classification）、验证（verification）和智能体控制（agent control）四类任务。

它到底怎么工作

与让通用大模型"想一想再回答"的做法不同，Decision-1 的使用方式非常直接：你给它一组固定的候选选项，它在**单次推理（single pass）**中为每个选项返回一个经过校准的概率值（calibrated probability）。

这里有两个关键词值得拆解。

校准概率

普通大模型即便能给出选择，也很难给出可靠的置信度——它们的"自信"常常与实际准确率脱节。而 Decision-1 强调输出的是经过校准的概率，意味着当它说某个选项有 80% 的把握时，这个数字在统计意义上更接近真实的正确率。对需要设置阈值、做风险控制的工作流来说，这一点尤为重要。

校准（calibration）是概率预测领域的一个统计概念，用来衡量模型输出的置信度与实际准确率之间的一致性。一个完美校准的模型意味着：在所有它给出 70% 置信度的预测中，真实正确率也应接近 70%。大多数通用大模型存在"过度自信"问题——即使输出看起来像概率，也更多反映的是 token 分布偏好，而非真实的不确定性估计。专门针对决策任务进行后训练，并在训练目标中引入校准损失（calibration loss），是让模型输出"可信置信度"的常见技术路径。对于需要设置决策阈值的自动化工作流（例如"置信度低于 60% 时转人工审核"），置信度的统计可靠性直接决定了系统的实际可用性。

结构化输出

Decision-1 直接返回结构化输出（structured output），软件可以不经额外解析就直接消费。这省去了传统方案中"让模型输出文本 → 用正则或二次模型提取结果"的脆弱环节，降低了工程落地的复杂度和出错概率。

速度与成本是最大卖点

根据微软官方给出的数据，Decision-1 是从 Qwen3.5-9B 后训练（post-trained）而来的，参数规模相对精简。微软声称其在中位数延迟（median latency）上比 GPT-6 Sol 快约 35 倍。

对于决策类任务，速度几乎是决定性因素。在一个复杂的智能体链路中，可能需要连续做出几十次路由与验证判断，如果每一步都调用重量级通用模型，累积的延迟和成本都会非常可观。一个又快又便宜的"决策节点"模型，能显著改善整体系统的响应体验。

成本方面，Decision-1 现已在 Microsoft Foundry 上线，定价为每百万输入 token 0.042 美元，输出免费。考虑到决策任务通常输入上下文较长、输出极短（往往只是选项的概率分布），"输出免费"的定价策略与其应用场景高度契合。

后训练（post-training）是指在一个已完成预训练的基础模型之上，针对特定任务或能力目标进行的进一步训练，通常包括有监督微调（SFT）和强化学习对齐（如 RLHF）等阶段。选择 Qwen3.5-9B 作为基座而非从头训练，一方面是出于效率考量——9B 参数规模已具备足够的语言理解能力，足以支撑分类和路由类任务；另一方面也意味着模型继承了 Qwen 系列在多语言和指令跟随上的基础能力。从一个开源基座模型出发进行专项后训练，是当前构建垂直场景模型的主流路径，既能压缩训练成本，又能通过任务特化的数据和目标函数显著提升在目标场景上的表现与效率。

为什么专用模型值得关注

Decision-1 的出现，反映出 AI 工程领域一个日渐清晰的趋势：用对的模型做对的事。

过去两年，行业习惯用最强的通用模型解决一切问题，但在生产环境里，这往往意味着高昂的成本和不必要的延迟。随着智能体和自动化工作流走向规模化部署，开发者越来越倾向于把系统拆解成不同角色的组件——用大模型负责推理与生成，用轻量专用模型负责调度、路由与验证。

Decision-1 本质上是在扮演工作流中的"交通警察"或"分流器"角色。它不需要生成华丽的回答，只需要又快又准地做出判断，并给出可被程序直接使用的置信度。这种分工，正是构建稳定、经济、可控的智能体系统所需要的基础设施。

需要留意的几点

作为一款刚发布的产品，Decision-1 目前的公开信息仍然有限。微软给出的"比 GPT-6 Sol 快 35 倍"属于官方自述数据，缺乏独立第三方的基准测试佐证，实际表现仍有待验证。此外，模型的候选选项数量上限、支持的语言范围、以及在复杂多层决策中的准确率表现，都还需要更多实践案例来检验。

不过，从产品定位上看，Decision-1 瞄准的是一个真实存在且在快速增长的需求。对于正在搭建智能体系统、苦于通用模型既慢又贵的开发者来说，它提供了一个值得尝试的新选项。