Microsoft-Decision-1 API
Microsoft가 Qwen3.5를 추가 학습해 만든 구조화된 선택용 모델로, 텍스트와 선택지를 받아 각 선택지에 확률을 한 번에 반환합니다.
Microsoft-Decision-1은 자유로운 대화형 텍스트 생성이 아니라 구조화된 선택을 위해 만들어진 Microsoft의 모델입니다. 텍스트 입력과 고정된 선택지 목록을 함께 받아 각 선택지에 대해 보정된 확률을 한 번의 패스로 반환하며, 소프트웨어가 별도 파싱 없이 바로 사용할 수 있는 구조화된 출력을 제공합니다. Alibaba의 오픈소스 Qwen3.5(90억 파라미터) 모델을 추가 학습해 만들어졌고, Microsoft는 추후 자사 및 OpenAI 모델 기반으로 재구축할 계획이라고 밝혔습니다.
라우팅, 분류, 우선순위 지정, 검증, 워크플로 제어, AI 판정, 에이전트 제어 등 단순하고 반복적인 결정 작업에 적합합니다. 예를 들어 지원 티켓을 어느 팀에 배정할지 정하거나, 에이전트 동작이 실행해도 안전한지 확인하거나, 초안의 품질을 평가하는 용도로 쓸 수 있습니다. Microsoft는 선택지를 짧은 설명과 함께 명시적으로 적고, 실제 사례 수백 건으로 테스트하며, 신뢰도 임계값을 두어 확신이 낮은 사례는 사람에게 넘기도록 권장합니다.
Microsoft는 이 모델이 자사가 측정한 모델 중 가장 빨랐다고 주장합니다. 중앙값 지연 시간 기준으로 H2O Lightning보다 약 2.5배, GPT-6 Sol보다 약 35배 빨랐다는 설명입니다. 다만 모든 벤치마크와 경쟁 모델 비교, 내부 사례 연구는 Microsoft가 직접 선정하고 실행한 것이며, 2026년 10월 11일 기준 독립 평가는 공개되지 않았습니다. 맥락 창 제한도 아직 공개되지 않았습니다.
업데이트:
모델 ID
microsoft-decision-1- 컨텍스트
- 32.768K
- 최대 출력
- 29.491K
- 입력
- text
- 출력
- decisions
주요 특징
- 선택지별 확률을 한 번에 반환
- 소프트웨어가 바로 쓰는 구조화 출력
- Qwen3.5 기반 추가 학습
- 측정 모델 중 가장 빠르다는 주장
- 단순 반복 결정에 특화
제공 업체
제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.
| 가동률 | |||
|---|---|---|---|
| $0.042 | $0 |
과거 통계는 실시간 상태 확인이 아닙니다. 데이터 누락이 장애를 뜻하지는 않습니다.
벤치마크
- 36
Microsoft 내부 36개 벤치마크 비교
훈련에서 제외한 약 150,000개 질문을 아우르는 벤치마크
- 1위
지명 경쟁 모델 대비 정확도
Microsoft 자체 주장이며, 비교 대상은 Quyet-1.0-Large, H2O Lightning, OpenAI의 Decisions API를 통한 GPT-6 Luna
점수는 모델 제공 업체가 공개한 값입니다.
의사결정 빠른 시작
상태와 유형이 지정된 질문을 /api/v1/decisions로 보내면 질문마다 답을 하나 받습니다. noul은 0~1 확률, choice는 선택된 항목과 그 분포, score는 순서형 기준의 숫자 점수를 반환합니다. 이 엔드포인트는 Chat Completions, Messages, Responses와 별개입니다.
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "microsoft-decision-1",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "Does this message convey urgency?",
"criteria": {"true": "Time-sensitive", "false": "No urgency"}
},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"]
}
}
}'자주 묻는 질문
모델 소개: Microsoft-Decision-1?
Microsoft-Decision-1은 자유로운 대화형 텍스트 생성이 아니라 구조화된 선택을 위해 만들어진 Microsoft의 모델입니다. 텍스트 입력과 고정된 선택지 목록을 함께 받아 각 선택지에 대해 보정된 확률을 한 번의 패스로 반환하며, 소프트웨어가 별도 파싱 없이 바로 사용할 수 있는 구조화된 출력을 제공합니다. Alibaba의 오픈소스 Qwen3.5(90억 파라미터) 모델을 추가 학습해 만들어졌고, Microsoft는 추후 자사 및 OpenAI 모델 기반으로 재구축할 계획이라고 밝혔습니다. 라우팅, 분류, 우선순위 지정, 검증, 워크플로 제어, AI 판정, 에이전트 제어 등 단순하고 반복적인 결정 작업에 적합합니다. 예를 들어 지원 티켓을 어느 팀에 배정할지 정하거나, 에이전트 동작이 실행해도 안전한지 확인하거나, 초안의 품질을 평가하는 용도로 쓸 수 있습니다. Microsoft는 선택지를 짧은 설명과 함께 명시적으로 적고, 실제 사례 수백 건으로 테스트하며, 신뢰도 임계값을 두어 확신이 낮은 사례는 사람에게 넘기도록 권장합니다. Microsoft는 이 모델이 자사가 측정한 모델 중 가장 빨랐다고 주장합니다. 중앙값 지연 시간 기준으로 H2O Lightning보다 약 2.5배, GPT-6 Sol보다 약 35배 빨랐다는 설명입니다. 다만 모든 벤치마크와 경쟁 모델 비교, 내부 사례 연구는 Microsoft가 직접 선정하고 실행한 것이며, 2026년 10월 11일 기준 독립 평가는 공개되지 않았습니다. 맥락 창 제한도 아직 공개되지 않았습니다.
사용 요금은 어떻게 계산되나요?
이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.
어떤 입력을 받나요?
텍스트 입력과 고정된 선택지 목록을 함께 받습니다. 자유로운 텍스트 생성이 아니라 각 선택지에 대한 확률을 출력합니다.
출력은 어떤 형태인가요?
각 선택지에 대해 보정된 확률을 담은 구조화된 출력을 반환합니다. 소프트웨어가 대화문 파싱 없이 바로 활용할 수 있습니다.
맥락 창과 출력 길이 제한이 있나요?
Microsoft는 이 모델의 맥락 창 제한을 공개하지 않았습니다. 출력 길이 제한에 대한 정보도 제공되지 않았습니다.
어떤 작업에 적합한가요?
라우팅, 분류, 우선순위 지정, 검증, 워크플로 제어, AI 판정, 에이전트 제어처럼 단순하고 반복적인 결정 작업에 적합합니다.
동작 속도는 어느 정도인가요?
Microsoft는 자사가 측정한 모델 중 가장 빨랐다고 주장합니다. 중앙값 지연 시간 기준으로 H2O Lightning보다 약 2.5배, GPT-6 Sol보다 약 35배 빨랐다고 밝혔습니다.
어떤 기반 모델인가요?
Alibaba의 오픈소스 Qwen3.5 모델(90억 파라미터)을 추가 학습해 만들어졌습니다. Microsoft는 추후 자사 및 OpenAI 모델 기반으로 재구축할 계획입니다.