微软Decision-1.1发布:决策指数68分排第8,速度翻倍
Jev再被狙击!微软新决策模型来了,速度快2倍,准确率登顶,微软,编程,置信度,工作流,决策模型,前沿模型,知名企业

智东西
编译 程茜
智东西11月18日消息,微软今日正式推出新一代决策模型Microsoft-Decision-1.1。Artificial Analysis决策指数榜单显示,该模型拿下68分,位列第8,比微软首款决策模型多出6分。Jev 1.14、谷歌Gemini Decision 1、OpenAI的GPT-6 Luna版决策模型均排在其后。

微软的首款决策模型Microsoft-Decision-1是10月10日发布的。按照微软的说法,Microsoft-Decision-1.1在前代基础上智能性更强,校准更精准,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大会上还推出了面向企业日常编码任务的编程模型MAI Code 2和MAI Code 2 Flash,以及为编程和网络安全打造的新模型Code 2、Code 2 Flash。三项衡量日常高容量常规编码任务的基准测试中,MAI Code 2 Flash的表现与GPT-6 Luna、Claude Haiku 5.5相当,成本分别只有后两者的65%和20%。
新模型还加入了多模态支持,能够接收图片。定价上,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,其决策模型的目标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。这些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,这些模型专攻决策任务,处理决策相关任务时,速度和成本都比通用大语言模型有明显优势。
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,决策模型必须实时运行,面对长输入、数百个问题的复杂请求时同样如此。传统大语言模型推理引擎按逐token生成文本的思路优化,Microsoft-Decision-1.1不同,用的是针对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在GPU集群中高效分配请求,追求的是低成本,而非只盯着低延迟。该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,可跑在A100、H100/200、GB200/300等多种灵活配置的硬件上。
智能性方面,决策模型要维持足够小的规模,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出决策。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: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。这些基准测试包含超过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个能力类别中有7个类别处于领先。

上线才五周多,使用微软决策模型完成各类任务的客户已超过4000名,任务包括模型路由、客户支持分流、业务流程自动化、标签标注和分类等。Epic、Equinor、Atos Group以及奥地利瑞福银行是早期采用者。
与此同时,微软正把Microsoft-Decision-1.1的专用智能集成进各类产品,用于快速高效的决策,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,判断该由Copilot还是Cowork来处理。这一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的办公和开发入口,而不是单独售卖API。
这意味着企业能拿到一套可直接接入现有流程、合规边界清晰、上手成本更低的完整方案。