微軟（Microsoft）呢幾日放咗款叫 Microsoft-Decision-1 嘅模型，定位唔係同大家日常用嘅聊天、寫作模型一樣，而係一個「決策評分」模型：佢唔會生成整段文字，而係針對一組預設嘅固定答案選項，逐個回傳經校準（calibrated probability，即概率同實際分佈吻合嘅機率值）嘅概率。官方指佢用嚟做 routing（把請求分派到合適模型或流程）、分類（classification）、驗證（verification）同 agent 控制等場景。
簡單講，呢類模型輸出嘅唔係「一個答案」，而係「每個選項幾大機會」。喺需要穩定、可審計、低延遲嘅自動化判斷點——例如流量分發、內容分類、安全驗證——呢種概率輸出就比自由生成文字啱用，因為結果可以量化、可以同閾值或策略引擎對接，唔會因為「胡謅」而跑錯。
來源指出，Microsoft-Decision-1 係基於阿里（Alibaba）嘅 Qwen3.5-9B 做後訓練（post-training）而來，即喺既有開源基座之上，針對特定任務做微調，而唔係由頭訓練一個新模型。呢個做法喺業界並唔新鮮，但由微軟將中國大廠開源模型後訓練再包裝作自家產品線推出，本身就係值得留意嘅訊號：大廠之間嘅基座模型正成為「零件」，再經各自微調後進入不同廠商嘅產品組合。
就可用度而言，佢而家已經喺 Microsoft Foundry（微軟嘅 AI 模型服務平台）同 OpenRouter（一個聚合多模型 API 嘅第三方路由平台）上線。呢兩條渠道代表咗兩種使用情境：一係跟住微軟自家雲生態，一係直接喺第三方聚合平台撈入其他模型之間比較。對開發者而言，呢個意味著決策評分模型開始被當做一種獨立嘅 API 類別，而唔係某一旗艦模型嘅附屬功能。
模姐驗嚇貨：呢度有個重要分別要講清楚——「post-trained from Qwen3.5-9B」只表示基座來自阿里，唔代表微軟嘅模型同阿里原版 Qwen 有相同權重、授權或使用條款。另外，「可用」同「穩定可靠」係兩件事：呢個模型現時嘅校準精度、同其他路由／分類方案嘅比較數據，來源冇提供，本站亦冇做獨立測試，讀者使用前應自行核對 Microsoft Foundry 同 OpenRouter 嘅官方技術文件。
來源： MarkTechPost，2026-10-09/10。
模姐｜深度調教
