Новая категория AI: от генерации к решению
Microsoft официально представила Microsoft-Decision-1 — модель, предназначенную не для общения, а для автоматизации бизнес-логики. В отличие от традиционных LLM, которые генерируют текст, эта модель возвращает откалиброванную вероятность для каждого из заранее заданных вариантов ответа (да/нет, классификация, рейтинг). Это позволяет программному обеспечению мгновенно принимать решения без постобработки естественного языка.
Модель создана путем постобучения (post-training) открытой модели Alibaba Qwen3.5-9B. Она поддерживает контекстное окно в 32 768 токенов и доступна через API в Microsoft Foundry и OpenRouter. Веса модели закрыты, но API-интерфейс остается стабильным при фоновых обновлениях.
Производительность: скорость против точности
В сравнительном тестировании по 36 бенчмаркам (всего 147 137 вопросов) Microsoft-Decision-1 показала лидерские результаты. Ключевая метрика — средняя точность составила 83.5%, что выше, чем у Quyet-1.0-Large (81.9%).
Главное преимущество — скорость. Медианная задержка (p50) составляет всего 85 мс. Это делает модель в 4.5 раза быстрее Quyet-1.0-Large и в 35 раз быстрее GPT-6 Sol (3.01 с). При этом модель демонстрирует высокую устойчивость: при 8 видах возмущений запроса (парафраз, перестановка вариантов) она меняет решение лишь в 1.3% случаев.
Сравнение с конкурентами
Ниже приведена сводная таблица характеристик Microsoft-Decision-1 и основных конкурентов в нише decision-scoring моделей:
| Параметр | Microsoft-Decision-1 | Quyet-1.0-Large | H2O-Lightning-4B | GPT-6 Luna Decisions |
|---|---|---|---|---|
| Базовая модель | Qwen3.5-9B | Gemma-4-31B-it | Qwen3.5-4B | Не раскрыто |
| Точность (36 бенчмарков) | 83.5% | 81.9% | 77.2% | 79.4% |
| Калибровка | 92.2 | 93.1 | 91.8 | 89.9 |
| Медианная задержка | 85 мс | 380 мс | 210 мс* | 300 мс |
| Цена (входные токены) | $0.042 / млн | Self-host | Self-host | $0.10 / млн |
| Проприетарная API | Apache-2.0 | Apache-2.0 | Проприетарная API |
*Примечание: H2O.ai оспаривает данные Microsoft, утверждая, что их реальная задержка составляет 29 мс, а не 210 мс, так как методология JevBench завышает время обработки.
Практическое применение и стоимость
Внутренние кейсы Microsoft демонстрируют значительный экономический эффект:
- Xbox Research: сортировка 10 000+ отзывов стала в 14 раз быстрее и в 200 раз дешевле, чем использование GPT-6 Sol.
- Copilot Quality Control: проверка качества конкурентна GPT-5.6 Luna, но работает в 100 раз быстрее.
- Microsoft Discovery: согласованность оценок выросла в 46 раз по сравнению с обычными LLM при скорости в 3 раза выше.
Для разработчиков модель доступна по цене $0.042 за миллион входных токенов, при этом выходные токены бесплатны. Это делает её одним из самых дешевых решений на рынке для маршрутизации запросов, проверки фактов (groundedness) и контроля агентов.
Ограничения и риски
Microsoft четко обозначила границы использования. Модель не предназначена для генерации текста, перевода, суммаризации или открытых вопросов. Она работает только с текстом (без изображений/аудио) и не выдает объяснений своих решений. Кроме того, использование модели для автоматических решений, влияющих на права человека (кредитование, найм, медицина), требует обязательного человеческого надзора и эскалационных путей.
Бенчмарки
| Бенчмарк | Microsoft-Decision-1 | GPT-6 Luna Decisions | H2O-Lightning-4B | Quyet-1.0-Large |
|---|---|---|---|---|
| Microsoft 36-benchmarks Average | 83.5% | 79.4% | 77.2% | 81.9% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: MarkTechPost ↗