微软发布Decision-1.1决策模型:68分列第8,速度提升2倍
40天内连发两款决策模型。
11月18日,微软推出新一代决策模型Microsoft-Decision-1.1。
在Artificial Analysis决策指数榜单上,Microsoft-Decision-1.1拿到68分,排在第8位。这一成绩比微软首款决策模型高出6分,同时压过Jev 1.14、谷歌Gemini Decision 1以及OpenAI的GPT-6 Luna版决策模型。

10月10日,微软才推出自家首款决策模型Microsoft-Decision-1。按照微软的说法,与前代相比,Microsoft-Decision-1.1的智能性更强,校准能力更精准,运算速度提升2倍以上,成本则更低。
决策模型之外,微软在Ignite大会上还带来一批新模型:面向企业日常编码任务的编程模型MAI Code 2和MAI Code 2 Flash,以及专为编程和网络安全打造的新模型Code 2、Code 2 Flash等。在三项衡量日常高容量常规编码任务的编码基准测试中,MAI Code 2 Flash的表现与GPT-6 Luna、Claude Haiku 5.5不相上下,成本却只有后两者的65%和20%。
新一代决策模型还增加了多模态支持,能够接收图片。价格方面,在微软Foundry中,每百万输入token收费0.042美元,输出不收费。
据微软介绍,其决策模型的用途是在各类现实软件用例的不确定性下给出经过校准的决策。模型会在开发者设定的约束范围内,从允许的操作中挑选,并输出校准后的置信度分数,让应用程序在不确定性偏高时选择延迟决策。
另外,这类模型专攻决策任务,处理相关任务时比通用大语言模型明显更快,成本也更低。
微软围绕延迟、成本、智能性、校准四个方面做了联合创新。
延迟方面,决策模型要实时运行,哪怕请求带着长输入、包含数百个问题也是如此。传统大语言模型推理引擎针对逐token生成文本做优化,Microsoft-Decision-1.1则不同,用的是按决策模型计算需求定制的推理引擎。
成本方面,微软的定制推理引擎并非只盯着低延迟,还通过在高GPU集群中高效分配请求来压低成本。模型基于中型混合专家模型Gemma 4 26B A4B开发。Gemma 4 26B A4B的活跃参数足以支撑决策所需的智能能力,运行效率也够高,可以在A100、H100/200、GB200/300等多种灵活配置的硬件上跑起来。
智能性方面,决策模型得保持足够小的规模,才能在全场景运行,还要能良好泛化到全新或未见过的任务,并且经过专门训练来做决策。为此,微软把有监督微调与强化学习结合起来,用了数百个合成及授权数据集,覆盖众多行业的数万种任务类型,训练模型去做判断而不是死记答案。这样模型能区分高度相似的选项,识别不确定性,并明确何时作答、何时拒绝作答。
校准方面,微软训练模型明确自身的认知边界:在相似场景下给出一致的回答,准确报告回答的置信度,存在多个有效答案时拆分置信度,信息不完整时拒绝作答。开发者可以自行设定决策、标记或升级处理的阈值。
第三方测试之外,微软还在102个基准测试上评估了Microsoft-Decision-1.1。这些基准覆盖超过38.5万个训练阶段未接触过的问题,任务涉及路由、排序、长上下文、多语言、分布外任务、推理、安全等多个领域。
在8种决策模型中,Microsoft-Decision-1.1的平均准确率最高,9个能力类别里有7个处于领先。

上线才五周多,已有超过4000名客户用微软的决策模型完成各类任务,涵盖模型路由、客户支持分流、业务流程自动化、标签标注和分类等。早期采用者包括Epic、Equinor、Atos Group以及奥地利瑞福银行。
同时,微软正把Microsoft-Decision-1.1的专用智能集成进各类产品,用于快速高效地做决策,更大规模的模型则留给更复杂的任务。
在Copilot中,Microsoft-Decision-1.1负责把用户请求路由到合适的交互场景,判断交给Copilot还是Cowork处理最合适。这项决策的准确度与大型语言模型相当,处理速度快2.2倍,成本约为后者的1/4。
在Cowork中,该模型为Auto提供支持,动态调整Cowork针对每项任务投入的推理工作量。
结语:微软模型深度绑定自家产品,或走出差异化路线
与其他头部模型厂商不同,微软的差异在于模型与GitHub Copilot、Foundry、Copilot工作流等自家产品深度绑定,模型能力直接嵌入既有办公和开发入口,而不是单独售卖API。
这意味着企业能把一套方案直接接入现有流程,合规边界清晰,上手成本也更低。