微软 Decision-1 上线：只做选择题，输出不要钱

当地时间 10 月 9 日，微软上线 Microsoft-Decision-1，Foundry 与 OpenRouter 同时开。纳德拉在 X 上宣布，官方博客由微软 OTC 副总裁 Achint Srivastava 署名。

它不做对话，也不写代码。给它一组固定选项，它只返回每个选项的概率分：是/否、多选、评分，以及按 rubric 给 AI 回复和 Agent 动作打分。不接受图片音频视频，也不做开放式问答。

基座是后训练过的 Qwen3.5-9B（阿里开放权重），微软说后续会迁到 MAI 和 OpenAI 的模型上。

价格是最扎眼的地方：每百万输入 token 0.042 美元，输出不要钱。上下文 33K，OpenRouter 上由 Azure 托管，P50 延迟 0.23 秒；它走的是 Decisions API，不兼容 chat 接口，现有的 chat SDK 调不通。

微软把账算在延迟上：多步 Agent 里每步多 100 毫秒，20 步就多两秒；它的 P50 比 GPT-6 Sol 快 35 倍，比第二名 Quyet-1.0-Large 快 4.5 倍。

比"准确率第一"更值得看的是它抖得少。官方做扰动测试：同一个请求换八种改法，改措辞、改选项描述、颠倒或打乱顺序，决策平均只有 1.3% 会翻盘；选项描述改写和顺序变化时，零翻转。

概率是 API 的一部分，不是排序分，90% 就该十次里对九次。能挂到生产上的其实就是这个。

内部用例的数字比 36 项基准实在。Xbox 研究部给一万多条玩家反馈分主题，微软说质量与 GPT-6 Sol 相当、快 14 倍以上、便宜 200 倍；Copilot 团队用它给会话和 Agent 回复做质检，与 GPT-5.6 Luna 相当、快 100 倍；值班工程师用它做知识检索；Microsoft Discovery 的自适应重规划里，打分一致性是 LLM 的 46 倍。

"最高准确率"来自微软自己的 36 项基准、近 15 万道盲测题，没有第三方复现；官方附录列的对比模型是 Quyet-1.0-Large、Surogate Rune 26B-A4B 等，基本是小模型和专用决策模型，不是各家旗舰。

上线第一天，OpenRouter 流量榜上排第二的是个巴西的招聘候选人分析应用，1.91M tokens。

Foundry 页面上却写着：不能把它当作就业、信贷、住房、保险、教育、医疗、法律权利这类重大决定的唯一依据，也不能用于监控或个人画像。

边界在哪儿，市场会先替你试一遍。