就在 TypeSafe AI 凭决策模型 JEV 拿到 75 亿美元估值的同一天前后，微软也下场了：发布 Microsoft-Decision-1，一款专门的『决策评分』模型，在 Microsoft Foundry 里可用，OpenRouter 即将上线。它的定位和 JEV 高度重合——不给文本，给结构化输出：给定一组答案选项时，模型输出每个选项的校准概率，可直接被软件消费。
技术上最有意思的是底座：微软坦白说是在 Qwen3.5-9B 上做后训练得到快速单程决策评分，后续还会 rebase 到自家 MAI 和 OpenAI 模型上。参数不大、路子专治——这就是决策模型和 LLM 的分野：LLM 为了生成文本无所不包，决策模型只干『分类和决断』这一件事，于是又快又便宜。
官方给的性能数字相当炸。36 个基准、近 15 万道题、全部对训练保持盲测——最高准确率的同时，也是测到最快的：比第二名 Quyet-1.0-Large 快 4.5 倍，比 GPT-6 Sol 快 35 倍。P50 延迟约 35 倍于 GPT-6 Sol。鲁棒性测试：同请求做 8 种扰动，平均只有 1.3% 的情况下决策翻转，其中描述换说法、选项乱序时翻转率是 0。安全测试覆盖 5,250 个请求、11 个基准。
最醒目的一组内部用例是 XBOX Research：用 Decision-1 处理一万多条开放式用户反馈、按研究者定的主题归类，质量匹敌 GPT-6 Sol，但快 14 倍、便宜 200 倍。Copilot 团队拿它做聊天和 agentic 响应的质检，报告说比 GPT5.6 Luna 快 100 倍；微软 Discovery 的科研自适应重规划场景里，它比 LLM 打分一致性高 46 倍、速度快 3 倍。
价格直接把决策模型的商业逻辑摊开了：输入 token 每百万 0.042 美元，输出免费。当 agent 在真实世界里开始『做决定』，每个动作前加一次模型判断就是一笔开销——决策模型赌的就是这一跳的成本能被压到几乎可以忽略，从而让『路由、分类、质检、流程控制』这几件 agent 时代最频繁的事变得便宜。
也让一个趋势更清楚了：决策模型正在变成独立于 LLM 的一条赛道。JEV 拿到了市场的钱，微软用 Foundry 兜底，OpenRouter 也接——下一步就有意思了，当模型厂商把『不做决定的语言模型』和『只做决定的评分模型』拆开卖，agent 的成本结构会被重算一轮。
来源：