微软推出决策模型Decision-1.1:跑赢GPT-6 Luna与Gemini
微软昨日(11 月 17 日)宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。
11 月 17 日,微软宣布 Microsoft-Decision-1.1 决策 AI 模型正式上线,落地渠道包括 Microsoft Foundry、OpenRouter 和 Vercel。

这款模型瞄准企业软件里的高频决策任务,路由、分类、优先级排序、内容核验、工作流控制等场景都能用它快速给出结构化判断。
定价上,Microsoft Foundry 全球标准版输入 token 为每百万 token 0.042 美元(现汇率约合 0.28 元人民币),输出 token 不收费;美国数据区、欧盟及亚太数据区的价格分别是每百万 token 0.046 美元(现汇率约合 0.31 元人民币)和 0.05 美元(现汇率约合 0.33 元人民币)。
和通用大语言模型的路子不同,Microsoft-Decision-1.1 只在开发者划定的规则与约束内,从允许的操作里挑一个。它同时给出校准后的置信度分数,信息不够或不确定性偏高时可以“弃权”,或者提示转人工,关键业务流程里因 AI 误操作带来的风险因此被压低。

微软方面表示,新版本在智能水平和校准能力上都有进步,成本依旧保持在低位,速度则比上一代 Microsoft-Decision-1 快出两倍以上。
Artificial Analysis Decision Index v2.1 基准测试里,该模型拿到 68 分,比上一代多 6 分,成绩压过 Jev 1.14、Google
Gemini Decision 1 和 OpenAI GPT-6 Luna(Decisions)等模型。
在决策模型排行中,Microsoft-Decision-1.1 排在第八位。人工分析决策指数显示,它比 Elephant 9B 和 Jev 1.14 高 2 分,比 d1.2 低 1 分。相关截图如下:


为了让实时性和成本两头都顾上,微软给这个模型定制了推理引擎,并围绕中型混合专家模型 Gemma 4 26B A4B 做了优化。A100、H100/200、GB200/300 等多种 GPU 硬件都能跑,请求经过智能调度后,推理成本进一步下降。

训练方法上,微软把监督微调与强化学习放在一起用,数据集为合成及授权数据,覆盖数万种任务类型,目的是让模型在真实业务中泛化得更好。
多模态输入这个模型也已经支持,照片、截图等图像信息都能接收。公开预览发布至今,使用它的客户超过 4,000 名,用途涵盖模型路由、客服工单分流、业务流程自动化、内容打标和分类等;Epic、Equinor、Atos Group 和 Raiffeisen Bank 是它的早期客户。
微软内部也在用:Copilot 的请求路由交给它判断,准确率与大型语言模型相当,速度快 2.2 倍、成本低 4.4 倍;Cowork 的任务推理强度动态调节,以及 Foundry Evaluations 中的质量与安全评估,同样有它的身影。