微软公司最新推出的决策人工智能模型，将其底层架构锚定在阿里巴巴的开源模型之上

(相关资料图)

据硬AI消息，微软于10月12日正式推出全新决策模型Microsoft-Decision-1，该模型基于阿里Qwen3.5-9B后训练而成。微软官方透露称，该模型基于Qwen3.5-9B后训练而成，在结构化决策任务中，该模型在时延和准确性等方面均超过了LLM及Jev 1.13.0等热门决策模型。

微软Xbox研究团队已用它处理超过1万条玩家反馈，微软CEO纳德拉也在社交媒体上透露称，基于新模型的优异表现，微软正在所有领域测试应用新模型，包括事件响应、质量控制、科学发现等。

与生成自然语言的传统大模型不同，决策模型专注于输出预测值和概率，其更小的尺寸和更快的响应速度，正契合了企业端在频繁判断任务中对低成本和高效率的迫切需求。这向投资者释放了明确信号：轻量化、专业化的决策模型正在释放巨大的商业价值。

据了解，9月Jev模型爆火带起了一股决策模型浪潮。这种模型不生成自然语言，而是输出预测值、概率和置信度，比大语言模型LLM尺寸小得多，响应速度也更快，恰好能满足AI任务中的频繁作判断的大量需求。

有数据统计显示，在HuggingFace 129 个开源决策模型项目中，基于阿里Qwen开发的就有84个，占比超65%，包括微软、Perplexity、Cloudflare、H2O.ai等公司推出的知名决策模型均采用阿里Qwen。

目前，微软已在全公司范围内对该模型展开广泛测试，涵盖事件响应、质量控制到科学发现等多个核心业务领域。随着该模型在Microsoft Foundry和OpenRouter平台的全面上线，基于Qwen架构的决策模型有望重塑企业级AI应用的工作流与投资逻辑。

新模型性能与成本优势显著

微软官方介绍重点强调了基于千问架构的新模型在性能上的突破。

微软CTO办公室软件工程副总裁Achint Srivastava撰文指出，Microsoft-Decision-1在涵盖近15万个问题的36项基准测试中获得了最高准确率。

在速度方面，该模型的表现尤为突出。测试数据显示，其测量速度是亚军模型H2O-Lightning-4B v1.1的2.5倍，更是GPT-6 Sol的35倍

此外，该模型在鲁棒性和安全性上也表现稳定，在选项描述被转述或打乱时，其决策改变率平均仅为1.3%。

在定价方面，该模型输入代币成本为每百万代币0.042美元，输出代币则完全免费，大幅降低了企业级应用的使用门槛。

内部全面测试加速企业级应用

优异的底层性能促使微软加速了该模型的内部应用转化。Satya Nadella 强调，微软正在所有领域测试应用这一新模型，以验证其在复杂环境中的可靠性。

在数据标注方面，微软Xbox研究团队已使用该模型处理了超过1万条来自问卷及社交媒体的玩家开放式反馈。

结果显示，其质量与GPT-6 Sol相当，但运行速度提高了14倍，成本降低了200倍。在质量控制领域，Copilot团队的测试表明，新模型与GPT5.6 Luna具备同等竞争力，且速度快100倍。

此外，在科学发现的自适应重新规划任务中，该模型的一致性是基于LLM评分的46倍，速度提升近4倍。这些密集的内部测试结果表明，基于Qwen底座的决策模型正切实转化为提升企业运营效率的核心工具。