微软发布Decision-1：基于Qwen3.5的决策评分模型

微软近日推出了一款名为 Microsoft-Decision-1 的新模型，它与我们熟悉的文本生成大模型不同，专门面向路由（routing）、分类（classification）、验证（verification）以及智能体控制（agent control）等决策类任务。这款模型由阿里巴巴的 Qwen3.5-9B 后训练而来，目前已在 Microsoft Foundry 和 OpenRouter 平台上线。

什么是决策模型

传统的大语言模型以生成文本为核心能力——你给它一个提示词，它返回一段连续的语言输出。而 决策模型（Decision Model） 的工作方式完全不同：它不生成自由文本，而是针对一组固定的答案选项，为每个选项返回一个经过校准（calibrated）的概率值。

换句话说，当系统面临"该把这个请求路由到哪个服务""这条内容属于哪个类别""这个回答是否正确"这类有明确选项的判断时，决策模型会直接输出每个候选答案的置信概率，而不是让你从一段生成文字里去二次解析。这种设计让输出更可控、更易量化，也更适合嵌入到自动化流水线中。

Microsoft Decision-1 发布

概率校准的价值

Microsoft-Decision-1 的一个关键卖点在于它返回的是"校准后的概率"。在实际工程中，一个模型给出 90% 的置信度，就应该在大约 90% 的情况下是正确的——这就是校准的意义。

对于路由和验证这类场景，校准概率的价值尤为突出。系统可以据此设定阈值：当概率高于某个门槛时自动执行，低于门槛时转交人工或触发回退逻辑。相比直接读取生成式模型的文本输出再做解析，这种结构化的概率输出大大降低了工程集成的复杂度，也让决策过程更透明、更可审计。

概率校准（Probability Calibration）是一个来自统计学习领域的核心概念。未经校准的模型常常出现"过度自信"或"过度保守"的问题——例如模型给出 95% 置信度的预测，实际准确率却只有 70%。校准的目标就是让预测概率与实际频率对齐，常用的校准方法包括 Platt Scaling 和 Temperature Scaling。Temperature Scaling 尤为简单高效：通过在 softmax 层之前除以一个温度系数 T，可以将模型的输出概率"拉平"或"收紧"，从而修正系统性的偏差。对于需要设定自动化阈值的工程场景，良好的校准意味着运维团队可以用历史数据直接估算误判率，从而合理配置人工兜底的触发条件，而不必依赖模糊的经验调参。

为什么选择 Qwen3.5-9B 作为基座

值得关注的是，微软这次并没有从头训练，而是选择了阿里巴巴开源的 Qwen3.5-9B 作为基础模型进行后训练（post-training）。9B 参数的规模属于中等体量，在推理成本和能力之间取得了平衡，适合高频调用的决策场景——因为路由、分类这类任务往往需要在生产环境中大规模、高并发地运行，过大的模型会带来难以承受的延迟和成本。

这一选择也从侧面反映出开源模型生态的成熟度：一家头部科技公司直接基于另一家公司的开源基座打造商用产品，正在成为行业常态。

后训练（Post-training）是指在预训练大模型的基础上，针对特定任务或能力目标进行的进一步训练阶段，通常包括监督微调（SFT）和基于人类反馈的强化学习（RLHF/RLAIF）等手段。与从头预训练相比，后训练的计算成本要低数个数量级，同时能够显著改变模型的输出行为——例如将一个通用语言模型改造为只输出结构化概率分布的决策模型。这也是为什么微软能够相对快速地基于 Qwen3.5-9B 推出专用产品：预训练阶段积累的语言理解与推理能力得以保留，而输出格式和决策偏好则通过后训练重新定向，大幅缩短了研发周期。

应用场景与落地意义

从官方给出的定位看，Microsoft-Decision-1 瞄准了四类核心场景：

路由（Routing）：在多模型、多工具的系统中决定请求应该交给哪个组件处理；
分类（Classification）：对输入内容进行结构化归类；
验证（Verification）：判断某个输出或答案是否满足要求；
智能体控制（Agent Control）：在 Agent 工作流中做出下一步动作的决策。

这些恰恰是当前 AI 智能体系统中最需要"确定性"的环节。随着多智能体协作、工具调用、模型路由等架构日益复杂，一个专门负责"做判断"的轻量决策层正变得不可或缺。Microsoft-Decision-1 的出现，本质上是在为复杂 AI 系统提供一个可靠的"决策中枢"。

在多智能体（Multi-Agent）系统架构中，"智能体控制"这一场景的复杂性尤为值得关注。一个典型的 Agent 工作流可能涉及多个专用子 Agent（如代码执行、网络搜索、数据库查询），以及工具调用、记忆检索等环节。协调层需要在每一步判断：当前状态是否满足终止条件、下一步应调用哪个工具或子 Agent、某个中间结果是否需要验证后再继续。这些判断如果依赖生成式模型输出自然语言再做解析，不仅引入了额外的解析错误风险，也使系统行为难以追踪和复现。专用决策模型通过输出离散选项上的概率分布，天然契合这类"有限动作空间"的控制问题，本质上更接近强化学习中策略网络（Policy Network）的角色。

结语

Microsoft-Decision-1 代表了大模型应用分工细化的一个方向：生成归生成，决策归决策。通过返回校准概率而非自由文本，它为 AI 系统的路由、分类、验证和智能体控制提供了更可控、更易集成的基础设施。基于 Qwen3.5-9B 后训练并在 Foundry 与 OpenRouter 上线，也意味着开发者可以较快地将其纳入现有工作流中评估。对于正在构建复杂 Agent 系统的团队来说，这类专用决策模型值得保持关注。