Microsoft-Decision-1.1 API
面向结构化决策的多模态模型,支持概率校准、路由、评分与人工复核。
Microsoft-Decision-1.1 是 Microsoft 面向结构化决策任务打造的模型,支持文本输入和图像输入,可回答是非题、选择题及基于评分标准的问题,并为固定答案选项返回经过校准的概率分数。模型上下文长度为33K tokens,支持结构化输出与推理工具;输出长度未提供相关事实。
它适合将决策能力嵌入软件和生产系统,用于代理控制、模型路由、意图分析、数据标注、AI评审与事件响应。模型还能依据评分标准评估输出,并将不确定的决策标记给人工审核;不过它专注于结构化决策,而不是自由文本生成。
更新时间:
模型 ID
microsoft-decision-1.1- 上下文
- 32.768K
- 最大输出
- 29.491K
- 输入
- text / image
- 输出
- decisions
核心要点
- 支持文本与图像输入
- 返回校准概率分数
- 支持结构化输出
- 可标记不确定决策
- 适合生产系统集成
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
- 68
Microsoft 的基准测试
得分;比 Microsoft 的第一款决策模型高6 分
- 7
Microsoft 的基准测试
在9 个能力领域中领先
- 1
Microsoft 的基准测试
在8 个决策模型中平均准确率最高
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-1.1",
"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-1.1?
Microsoft-Decision-1.1 是 Microsoft 面向结构化决策任务打造的模型,支持文本输入和图像输入,可回答是非题、选择题及基于评分标准的问题,并为固定答案选项返回经过校准的概率分数。模型上下文长度为33K tokens,支持结构化输出与推理工具;输出长度未提供相关事实。 它适合将决策能力嵌入软件和生产系统,用于代理控制、模型路由、意图分析、数据标注、AI评审与事件响应。模型还能依据评分标准评估输出,并将不确定的决策标记给人工审核;不过它专注于结构化决策,而不是自由文本生成。
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。
支持哪些输入?
模型支持文本输入和图像输入。但 Azure端点目前通过 Decisions 和 System One 接受文本。
上下文长度和输出长度是多少?
上下文长度为33K tokens。资料未提供输出长度上限。
它适合处理什么任务?
适合是非题、选择题、基于评分标准的问答,以及路由、评分和不确定决策标记等结构化任务。
它与自由文本生成模型有什么不同?
它专注于结构化决策,而不是自由文本生成,并可为固定答案选项返回经过校准的概率分数。
它与同系列模型有什么差别?
资料仅说明它比 Microsoft-Decision-1 晚约39 天发布,并未提供两者更具体的能力对比。