Microsoft-Decision-1 API
微软推出的决策专用模型,输入文本与固定选项,单次返回各选项的校准概率,主打快速可重复判断。
Microsoft-Decision-1 是微软于 2026 年 10 月 9 日发布的决策类模型。它接收文本输入和一份固定的答案选项列表,在一次推理中为每个选项返回经过校准的概率,输出是结构化结果,软件可以直接据此采取动作,无需解析对话式文字。它面向结构化选择而非自由文本生成,基于阿里巴巴开源、拥有 90 亿参数的 Qwen3.5 模型进一步训练而成;微软计划后续改用自家模型和 OpenAI 的模型重建。
它适合路由、分类、优先级排序、校验、工作流控制、AI 评判与智能体控制等任务,例如判断工单该分给哪个团队、检查某个智能体动作是否可安全执行、给草稿打分。微软称它是其测过最快的模型,中位延迟约为 H2O Lightning 的 1/2.5、GPT-6 Sol 的 1/35;内部 Xbox Research 案例标注了 1 万多条玩家反馈,质量接近 GPT-6 Sol 而速度快 14 倍。
使用上,微软建议把选项和简短说明明确写出,用几百条真实样本测试,并设置置信度阈值,把低置信度的情形转交人工。可通过 Microsoft Foundry 使用,部署方式包括按 token 计费的无服务器托管 API、美国与欧盟的 Data Zone Standard 以及 Global Standard。需要注意的是,其基准、对比对象和内部案例均由微软自行选择和执行,截至 2026 年 10 月 11 日尚无独立评测发布,微软也未公布上下文窗口上限。
更新时间:
模型 ID
microsoft-decision-1- 上下文
- 32.768K
- 最大输出
- 29.491K
- 输入
- text
- 输出
- decisions
核心要点
- 单次返回各选项校准概率
- 结构化输出可直接驱动软件
- 微软称其为测过最快的模型
- 基于 90 亿参数 Qwen3.5 训练
- 面向路由、分类与校验等决策
供应商
比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。
| 可用率 | |||
|---|---|---|---|
| $0.042 | $0 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
基准测试
- 36
微软内部 36 项基准对比
覆盖近 15 万个未参与训练的问题
- 第 1
与具名对手的准确率对比
微软自行声明;对手为 Quyet-1.0-Large、H2O Lightning 以及通过 OpenAI Decisions API 使用的 GPT-6 Luna
分数来自模型厂商公布的数据,未独立验证。
决策快速开始
把状态和明确的类型化问题发给 /api/v1/decisions,每个问题读回一个答案:noul 返回 0 到 1 的概率,choice 返回选中的选项及其分布,score 返回有序标准的数值评分。这个入口与 Chat Completions、Messages、Responses 三套接口相互独立。
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"]
}
}
}'常见问题
什么是 Microsoft-Decision-1?
Microsoft-Decision-1 是微软于 2026 年 10 月 9 日发布的决策类模型。它接收文本输入和一份固定的答案选项列表,在一次推理中为每个选项返回经过校准的概率,输出是结构化结果,软件可以直接据此采取动作,无需解析对话式文字。它面向结构化选择而非自由文本生成,基于阿里巴巴开源、拥有 90 亿参数的 Qwen3.5 模型进一步训练而成;微软计划后续改用自家模型和 OpenAI 的模型重建。 它适合路由、分类、优先级排序、校验、工作流控制、AI 评判与智能体控制等任务,例如判断工单该分给哪个团队、检查某个智能体动作是否可安全执行、给草稿打分。微软称它是其测过最快的模型,中位延迟约为 H2O Lightning 的 1/2.5、GPT-6 Sol 的 1/35;内部 Xbox Research 案例标注了 1 万多条玩家反馈,质量接近 GPT-6 Sol 而速度快 14 倍。 使用上,微软建议把选项和简短说明明确写出,用几百条真实样本测试,并设置置信度阈值,把低置信度的情形转交人工。可通过 Microsoft Foundry 使用,部署方式包括按 token 计费的无服务器托管 API、美国与欧盟的 Data Zone Standard 以及 Global Standard。需要注意的是,其基准、对比对象和内部案例均由微软自行选择和执行,截至 2026 年 10 月 11 日尚无独立评测发布,微软也未公布上下文窗口上限。
如何计算调用费用?
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。
它支持哪些输入和输出?
输入为文本,并附带一份固定的答案选项列表;输出是结构化的概率结果,为每个选项给出校准后的概率,软件可直接使用。
它的上下文窗口和输出长度是多少?
微软尚未公布该模型的上下文窗口上限,资料中也没有给出输出长度信息。
它适合做什么任务?
适合简单、可重复的决策,例如路由、分类、优先级排序、校验、工作流控制、AI 评判和智能体控制,而不是对话式生成。
它与普通对话模型有什么区别?
它专为结构化选择设计,一次返回各选项的概率,不生成自由文本,因此更适合软件直接消费结果。
它的基准成绩可信度如何?
所有基准、对比对象和内部案例都由微软自行选择和执行,截至 2026 年 10 月 11 日尚无独立评测发布。