Decision-1
微软推出的决策模型，基于Qwen3.5-9B构建，专为结构化概率输出设计，适用于工单路由、评论审核、诈骗识别等生产场景
核心事实
时间轴 (近 90 天)
Microsoft在Foundry中发布了Decision-1，一个经后训练的Qwen3.5-9B模型，专为单次决策评分设计，每百万输入token收费$0.042，输出免费。
Microsoft的Decision-1由Office of the CTO的VP Achint Srivastava宣布，并计划后续基于Microsoft AI和OpenAI模型重做基座。
在HDFS异常检测中，Decision-1原始输出概率与事件数量相关性0.43，与标签相关性仅0.14，模型对词法线索和日志体量过度反应，并把缺失事件误判为健康。
在AIOps根因定位实践中，建议用Decision-1排序排查方向而非直接命名故障类型，重大决策保留人工审核环节。
Decision-1在同等调用量下比推理模型便宜约两个数量级。
Decision-1平均延迟240ms，1380次调用成本约$0.015；gpt-4.1-nano平均延迟728ms，成本约$0.05-0.07；gpt-6.1-sol平均延迟2052ms，成本约$0.56。
在RCAEval RE2-OB的故障类型识别任务上，Decision-1准确率仅51%，其中CPU和延迟故障各15次中正确13次，但丢包故障0次正确，套接字耗尽仅2次正确。
在RCAEval RE2-OB微服务根因定位数据集上，Decision-1在90个案例中正确识别根因服务85次，准确率94%，超过'最大指标偏移'规则基线的82%（McNemar p=0.013）。
在HDFS异常检测中，使用结构化提问（计算lifecycle_summary并将问题改为'生命周期是否完整'）后，Decision-1在1200个测试块上校准后准确率达86%（阈值0.15），AUC达0.964。
微软推出了Decision-1模型，该模型不生成自然语言，只输出概率数值，是/否判断输出noul，多选判断输出choice，有序评分输出score，每次调用消耗约1个输出token。
还有 17 条时间轴事件
全部知识事实 (20)
决策模型专注于回答是/否判断、多项选择以及带概率的评分类问题
75%部分验证微软在 Product Hunt 上发布了 Microsoft-Decision-1，这是一个专门用于决策的决策评分模型
80%部分验证微软报告在覆盖近15万道题的36基准对比中Decision-1取得最高准确率，并声称其P50延迟比GPT-6 Sol快约35倍
65%待验证d1 的决策调用会出现在 AI Gateway 日志中，并计入预算统计，可复用 AI Gateway 的成本归因、调用审计和限额控制流程。
60%待验证Microsoft的Decision-1由Office of the CTO的VP Achint Srivastava宣布，并计划后续基于Microsoft AI和OpenAI模型重做基座。
50%待验证在AIOps根因定位实践中，建议用Decision-1排序排查方向而非直接命名故障类型，重大决策保留人工审核环节。
50%待验证Decision-1的阈值0.5是糟糕的默认值，必须在校准集上优化阈值，本文HDFS任务中最佳阈值为0.15。
50%待验证在HDFS异常检测中，Decision-1原始输出概率与事件数量相关性0.43，与标签相关性仅0.14，模型对词法线索和日志体量过度反应，并把缺失事件误判为健康。
50%待验证微软推出了Decision-1模型，该模型不生成自然语言，只输出概率数值，是/否判断输出noul，多选判断输出choice，有序评分输出score，每次调用消耗约1个输出token。
50%待验证在Loghub HDFS_v1数据集上的实验中，Decision-1最初使用简单prompt仅达49%准确率（AUC 0.68），低于71%的规则基线。
50%待验证在HDFS异常检测中，使用结构化提问（计算lifecycle_summary并将问题改为'生命周期是否完整'）后，Decision-1在1200个测试块上校准后准确率达86%（阈值0.15），AUC达0.964。
50%待验证在RCAEval RE2-OB微服务根因定位数据集上，Decision-1在90个案例中正确识别根因服务85次，准确率94%，超过'最大指标偏移'规则基线的82%（McNemar p=0.013）。
50%待验证在RCAEval RE2-OB的故障类型识别任务上，Decision-1准确率仅51%，其中CPU和延迟故障各15次中正确13次，但丢包故障0次正确，套接字耗尽仅2次正确。
50%待验证Decision-1平均延迟240ms，1380次调用成本约$0.015；gpt-4.1-nano平均延迟728ms，成本约$0.05-0.07；gpt-6.1-sol平均延迟2052ms，成本约$0.56。
50%待验证Decision-1在同等调用量下比推理模型便宜约两个数量级。
50%待验证微软的Decision-1是一个结构化分类模型，输出概率分布而非自然语言，支持AI SDK、OpenAI兼容和TypeSafe三种SDK接入方式。
50%待验证Decision-1和Clef-omni需要先对齐现有延迟、token成本和上下文窗口基线，再决定是否替换，建议先评估。
50%待验证Decision-1可通过三种方式调用：AI SDK的decision API、OpenAI兼容的Decisions API，以及TypeSafe兼容的API。
50%待验证Decision-1是微软推出的一款专注于结构化决策的AI模型，其输出为概率、选项和评分，而非自由文本。
50%待验证开发者可以将多个问题绑定到同一份输入上，在一次请求中完成多项判断。
50%