微軟公司最新推出的決策人工智能模型，將其底層架構錨定在阿里巴巴的開源模型之上。

據硬AI消息，微軟於10月12日正式推出全新決策模型Microsoft-Decision-1，該模型基於阿里Qwen3.5-9B後訓練而成。微軟官方透露稱，該模型基於Qwen3.5-9B後訓練而成，在結構化決策任務中，該模型在時延和準確性等方面均超過了LLM及Jev 1.13.0等熱門決策模型。

微軟Xbox研究團隊已用它處理超過1萬條玩家反饋，微軟CEO納德拉也在社交媒體上透露稱，基於新模型的優異表現，微軟正在所有領域測試應用新模型，包括事件響應、質量控制、科學發現等。

與生成自然語言的傳統大模型不同，決策模型專注於輸出預測值和概率，其更小的尺寸和更快的響應速度，正契合了企業端在頻繁判斷任務中對低成本和高效率的迫切需求。這向投資者釋放了明確信號：輕量化、專業化的決策模型正在釋放巨大的商業價值。

據了解，9月Jev模型爆火帶起了一股決策模型浪潮。這種模型不生成自然語言，而是輸出預測值、概率和置信度，比大語言模型LLM尺寸小得多，響應速度也更快，恰好能滿足AI任務中的頻繁作判斷的大量需求。

有數據統計顯示，在HuggingFace 129 個開源決策模型項目中，基於阿里Qwen開發的就有84個，佔比超65%，包括微軟、Perplexity、Cloudflare、H2O.ai等公司推出的知名決策模型均採用阿里Qwen。

目前，微軟已在全公司範圍內對該模型展開廣泛測試，涵蓋事件響應、質量控制到科學發現等多個核心業務領域。隨着該模型在Microsoft Foundry和OpenRouter平台的全面上線，基於Qwen架構的決策模型有望重塑企業級AI應用的工作流與投資邏輯。

新模型性能與成本優勢顯著

微軟官方介紹重點強調了基於千問架構的新模型在性能上的突破。

微軟CTO辦公室軟件工程副總裁Achint Srivastava撰文指出，Microsoft-Decision-1在涵蓋近15萬個問題的36項基準測試中獲得了最高準確率。

在速度方面，該模型的表現尤為突出。測試數據顯示，其測量速度是亞軍模型H2O-Lightning-4B v1.1的2.5倍，更是GPT-6 Sol的35倍。

此外，該模型在魯棒性和安全性上也表現穩定，在選項描述被轉述或打亂時，其決策改變率平均僅為1.3%。

在定價方面，該模型輸入代幣成本為每百萬代幣0.042美元，輸出代幣則完全免費，大幅降低了企業級應用的使用門檻。

內部全面測試加速企業級應用

優異的底層性能促使微軟加速了該模型的內部應用轉化。Satya Nadella 強調，微軟正在所有領域測試應用這一新模型，以驗證其在複雜環境中的可靠性。

在數據標註方面，微軟Xbox研究團隊已使用該模型處理了超過1萬條來自問卷及社交媒體的玩家開放式反饋。

結果顯示，其質量與GPT-6 Sol相當，但運行速度提高了14倍，成本降低了200倍。在質量控制領域，Copilot團隊的測試表明，新模型與GPT5.6 Luna具備同等競爭力，且速度快100倍。

此外，在科學發現的自適應重新規劃任務中，該模型的一致性是基於LLM評分的46倍，速度提升近4倍。這些密集的內部測試結果表明，基於Qwen底座的決策模型正切實轉化為提升企業運營效率的核心工具。