微软于周五在 Foundry 中推出了 Microsoft-Decision-1，而三天前 OpenAI 刚刚将其 Decisions API（应用程序编程接口） 以公开测试版的形式向所有开发者开放。微软是在阿里巴巴的 Qwen3.5-9B 上对决策模型进行后训练的，而非基于其合作伙伴 OpenAI 构建的任何模型，不过该公司计划很快将其重新基于自家的 MAI 模型以及 OpenAI 的模型。

Decision-1 的价格为每百万输入 token 0.042 美元，输出免费，与 TypeSafe 对 Jev 的收费完全相同，而且它发布当天，TypeSafe 宣布完成了由 a16z 领投的 8.7 亿美元 A 轮融资，估值达 75 亿美元。

微软比开创这一品类的初创公司落后了大约三个半星期，而在这段时间里，OpenAI、Upstage、Perplexity、Cloudflare 和 AWS 都已推出了各自的决策模型。

TypeSafe 表示，近 30% 的《财富》500 强企业已经试用过 Jev，不过该公司并未点名任何一家，TypeSafe CEO Diogo Almeida 在 X 上发帖称，自发布以来的三周内，“29.4% 的《财富》500 强企业出现了”。

意外上线了一个模型，每天服务数万亿 token，29.4% 的《财富》500 强企业出现了，从 @a16z 融了一笔非常大的 A 轮，已经过去 3 周了，我们想睡觉了 pic.twitter.com/skpaLPd2Bz — Diogo Almeida (@CompleteSkeptic) 2026 年 10 月 9 日

这些公司正是微软销售 Azure 的对象，这使得 TypeSafe 的早期增长势头让微软难以忽视。

微软的第一个客户就是它自己

微软董事长兼 CEO Satya Nadella 于周五在 X 上宣布了该模型，他写道：“我们已经在微软内部对其进行测试”，并有四个内部团队为他背书。

隆重推出 Microsoft-Decision-1，这是我们用于快速决策的新模型。它在结构化决策任务上表现顶尖，在延迟和质量上均优于大语言模型和其他决策模型。我们已经在微软内部对其进行测试，应用范围从事件…… pic.twitter.com/M3fAOD90r6 — Satya Nadella (@satyanadella) 2026 年 10 月 9 日

Xbox Research 用它整理了超过 10,000 条玩家反馈，Copilot 团队用它为聊天和智能体回复评分，值班工程师在实时事件期间用它提取上下文，Microsoft Discovery 则用它在一个智能体重新规划之前对实验进行评分。

微软的数据显示，在 Xbox 场景下，它的速度是 GPT-6 Sol 的 14 倍以上，而成本仅为后者的一小部分；在 Discovery 中，其一致性高出 46 倍。

但该模型可能肩负着更大的使命。周三，该公司表示 GitHub Copilot 很快将决定何时在设备端运行任务、何时将其发送到云端规模的模型，不过它尚未披露 Copilot 会向云端发送什么。

模型路由是微软为 Decision-1 列出的用例之一，但该公司尚未说明该模型是否会为 Copilot 做出这些调用。由于需要在 Copilot、GitHub 和 Xbox 之间做出路由决策，微软有动机在内部处理这些决策。

由于需要在 Copilot、GitHub 和 Xbox 之间做出路由决策，微软有动机在内部处理这些决策。

决策模型变得廉价

Cognition 的工程副总裁 Jared Palmer 花费了约 95 美元的 Modal H100 机时，将其开源 Kev 模型移植到 Qwen3.5，而 Cloudflare 在微软选择的同一 Qwen3.5-9B 基础上构建了 Clef-flash。

Jev 的价格正在成为市场通行价：Palmer 在 OpenRouter 上将 Kev-4B 定价为每百万输入 token 0.042 美元，Perplexity 收费 0.02 美元，而 OpenAI 的收费是 Jev 费率的两倍多。在这样的价格下，单次决策调用的收入微乎其微，微软更大的机会是让智能体流量（包括围绕每次决策的生成式调用）通过 Foundry 运行。此外，OpenRouter 上的列表可能会将未使用 Azure 的开发者带入该生态系统。

微软首席技术官办公室软件工程副总裁 Achint Srivastava 将 Decision-1 介绍为一种在“安全、可信的环境中”为现有应用程序、智能体和工作流添加决策能力的方式。

仅文本，无权重

这显示了 Decision-1 与竞争对手相比的不足之处。其 Foundry 列表显示它最多接受 32,768 个 token 的文本并返回 JSON，但它不支持图像，这与 OpenAI 的 Decisions API 和 Cloudflare 的 Clef 不同，后者使用了视觉编码器。

虽然 Cloudflare 在 Apache 2.0 下发布了 Clef，但微软尚未宣布开放权重。AWS、Upstage 和 Ollama 也已采用 TypeSafe 的 System One API，该 API 现已成为该类别中的通用接口，但微软尚未说明 Decision-1 是否完全兼容，尽管其 Foundry 示例代码调用了 /systemone 端点。

对抗性压力下的校准

该公司表示 Decision-1 的概率是经过校准的，这意味着在代表性案例中，90% 的预测应该有大约九成的准确率，但关于 Jev 的研究表明，当输入被故意误导时，一个自信的分数可能会偏离多远。微软自己的 Foundry 文档建议客户在自己的数据上验证校准。

该公司表示 Decision-1 的概率是经过校准的，这意味着在代表性案例中，90% 的预测应该有大约九成的准确率。

在 JevOut 预印本中，南加州大学计算机科学研究员徐子翔及其合著者发现，在上下文中加入简短、听起来自然的补充内容，使 Jev 最初 508 个正确决策中的 312 个发生了翻转。在 229 个案例中，Jev 对错误答案分配了至少 70% 的概率。在相同的测试方法下，另外三个评分系统显示的翻转率在 64.9% 到 73.2% 之间。

微软用八种扰动测试了 Decision-1，包括重新排序选项和改写描述，平均改变了其 1.3% 的答案。JevOut 没有测试 Decision-1，因此尚不清楚该模型在类似攻击下的表现如何。微软也尚未确认 Decision-1 是否完全支持竞争对手采用的 System One API，这使得互操作性以及其置信度分数应获得多少信任仍存疑问。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：The New Stack

原创地址：https://thenewstack.io/microsoft-decision-model-foundry/