微軟10月12日推出Microsoft-Decision-1，一個唔會傾偈、淨係幫你做決定嘅模型。佢嘅任務唔係生成文章，而係處理AI代理（AI agent，會自動執行任務嘅系統）同企業應用入面嘅分類、評分、工作分派同流程控管。開發者要自己提供資料、問題同候選答案，模型先會逐項計算機率，透過結構化API回傳，支援是非判斷、選擇題同等級評分。
而家透過Microsoft Foundry同OpenRouter提供服務。
呢個模型同一般生成文字嘅大型語言模型（LLM）唔同：佢唔會生成聊天、唔會寫文章，亦唔會產生文字形式嘅判斷理由。底層以阿里巴巴嘅Qwen3.5-9B為基礎，由微軟進行後續訓練（fine-tuning），單次推論完成決策評分，輸入上限3.2萬詞元。
微軟公佈嘅36項基準測試涵蓋近15萬道問題，包括分類、排序、多語言、推理同安全工作。根據微軟自行評測，Decision-1平均準確率83.5%，高於同類決策模型Jev 1.13.0嘅82.3%，以及GPT-6 Luna Decisions嘅79.4%。
另一個指標——機率校準（calibration），即預測機率同實際正確率嘅吻合程度——Jev以93.7分領先，Decision-1為92.2分，GPT-6 Luna Decisions為89.9分。Decision-1準確率高，但佢講嘅「我有85%把握」同實際命中率嘅吻合，淨係輸咗Jev少少。
微軟亦測試咗改寫問題、調整選項順序、變更格式等8種情況，模型平均有1.3%嘅判斷結果變化，其中調整選項順序並未影響判斷。內部應用方面，Xbox Research已利用Decision-1整理超過1萬筆玩家意見，Copilot團隊亦將模型用於評估AI回覆品質。
計費方面，每100萬個輸入詞元收費0.042美元，輸出詞元免費。微軟指會持續更新，未來將採用自家MAI同OpenAI模型作為基礎。
阿調搞兩下：呢個模型嘅定位好清楚——唔係幫你寫嘢，係幫你揀嘢。一個唔會出言、淨係出數嘅「決策引擎」，對做代理系統嘅開發者嚟講確實實喲，但佢嘅判斷質素完全取決於你俾嘅候選答案。問錯題，佢都會一本正經答錯，而且仲唔會解釋點解。
阿調｜深度調教
