微软-Decision-1.1发布:决策指数68分,速度翻倍
40天内连发两款决策模型。
智东西11月18日消息,微软今日推出新一代决策模型Microsoft-Decision-1.1。Artificial Analysis决策指数榜单上,该模型拿到68分,位列第8,比微软首款决策模型高6分,压过Jev 1.14、谷歌Gemini Decision 1和OpenAI的GPT-6 Luna版决策模型。

微软首款决策模型Microsoft-Decision-1是在10月10日发布的。按照微软的说法,1.1版本智能性更强、校准更准,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大会上还拿出了面向企业日常编码任务的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等。三项衡量日常高容量常规编码任务的基准测试里,MAI Code 2 Flash的表现与GPT-6 Luna、Claude Haiku 5.5相当,成本只有后两者的65%和20%。
新模型增加了多模态能力,能接收图片。价格上,微软Foundry中每百万输入token收0.042美元(约合人民币0.28元),输出不收费。
据微软介绍,决策模型的用途是在现实软件用例的不确定性中做出经过校准的决策。模型会在开发者设定的约束范围内,从允许的操作里挑选,并给出校准后的置信度分数,好让应用程序在把握不大时推迟决定。
这些模型专攻决策任务,跟通用大语言模型相比,处理这类任务时速度明显更快,花费也更少。
微软围绕延迟、成本、智能性、校准四方面做了联合创新:
延迟方面,决策模型要实时跑,哪怕请求输入很长、内含数百个问题也不例外。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没有沿用,而是换了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,不只是低延迟。模型基于中型混合专家模型Gemma 4 26B A4B开发。Gemma 4 26B A4B的活跃参数足够支撑决策所需的智能,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没见过的任务,并且经过专门训练来做决策。微软的做法是把有监督微调与强化学习结合起来,配上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背答案,让它能分辨高度相似的选项、识别不确定性、明确何时作答何时拒绝作答。
校准方面,微软训练模型认清自身的认知边界:相似场景下回答保持一致,准确报告置信度,存在多个有效答案时把置信度拆分,信息不完整时拒绝作答。决策、标记或升级处理的阈值,由开发者自己设定。
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,这些测试包含超过38.5万个训练阶段没接触过的问题,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个领先。

上线才五周多,已有超过4000名客户用微软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。Epic、Equinor、Atos Group以及奥地利瑞福银行是早期采用者。
微软同时把Microsoft-Decision-1.1的专用智能集成进各类产品,用来做快速高效的决策,更复杂的任务仍交给更大规模的模型。
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处理。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
微软与其它头部模型厂商的不同之处在于,模型跟GitHub Copilot、Foundry、Copilot工作流等自家产品深度绑定,能力直接嵌进既有的办公和开发入口,而不是单独卖API。
这表示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。