Microsoft-Decision-1 API
微軟推出的決策模型,接收文字與固定選項,單次回傳每個選項的校準機率。
Microsoft-Decision-1 是微軟為結構化決策打造的模型,輸入文字與一組固定答案選項,單次執行即回傳每個選項的校準機率,輸出為軟體可直接使用的結構化結果,無需解析對話文字。它由阿里巴巴開源模型 Qwen3.5 進一步訓練而成,該模型有 90 億參數;微軟計畫日後以自家模型與 OpenAI 模型重建。
此模型適合路由、分類、優先排序、驗證、工作流程控制、AI 評審與代理控制等簡單且可重複的決策,例如判斷客服工單該交給哪個團隊、檢查代理動作是否安全執行,或評估草稿品質。微軟建議明確列出選項並附簡短描述、以數百個真實範例測試,並設定信心門檻,將低信心案例轉交人工處理。
微軟稱其為所測量過最快的模型,中位延遲約為 H2O Lightning 的 1/2.5、GPT-6 Sol 的 1/35。內部 Xbox Research 案例標註逾 10,000 筆玩家回饋,品質接近 GPT-6 Sol 且快 14 倍;Copilot 團隊發現它比 GPT-5.6 Luna 快約 100 倍;科學研究團隊發現其評分一致性比聊天模型做法高 46 倍,重新規劃快近 4 倍。所有基準與案例均由微軟自行選擇與執行,截至 2026 年 10 月 11 日尚無獨立評測。
更新時間:
模型 ID
microsoft-decision-1- 上下文
- 32.768K
- 最大輸出
- 29.491K
- 輸入
- text
- 輸出
- decisions
核心要點
- 單次回傳每個選項的校準機率
- 結構化輸出,軟體可直接使用
- 微軟稱其為所測量過最快的模型
- 中位延遲約為 GPT-6 Sol 的 1/35
- 以 Qwen3.5 進一步訓練而成
- 適合簡單且可重複的決策
供應商
比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。
| 可用率 | |||
|---|---|---|---|
| $0.042 | $0 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
基準測試
- 36
微軟內部 36 項基準比較
涵蓋近 150,000 道未進入訓練資料的題目
- 第 1
與具名對手的準確率比較
微軟自行宣稱;對手為 Quyet-1.0-Large、H2O Lightning 與透過 OpenAI Decisions API 使用的 GPT-6 Luna
分數來自模型廠商公布的資料,未經獨立驗證。
決策快速開始
把狀態與明確的型別化問題送到 /api/v1/decisions,每個問題讀回一個答案:noul 回傳 0 到 1 的機率,choice 回傳選中的選項及其分布,score 回傳有序標準的數值評分。這個入口與 Chat Completions、Messages、Responses 三套介面彼此獨立。
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"]
}
}
}'常見問題
什麼是 Microsoft-Decision-1?
Microsoft-Decision-1 是微軟為結構化決策打造的模型,輸入文字與一組固定答案選項,單次執行即回傳每個選項的校準機率,輸出為軟體可直接使用的結構化結果,無需解析對話文字。它由阿里巴巴開源模型 Qwen3.5 進一步訓練而成,該模型有 90 億參數;微軟計畫日後以自家模型與 OpenAI 模型重建。 此模型適合路由、分類、優先排序、驗證、工作流程控制、AI 評審與代理控制等簡單且可重複的決策,例如判斷客服工單該交給哪個團隊、檢查代理動作是否安全執行,或評估草稿品質。微軟建議明確列出選項並附簡短描述、以數百個真實範例測試,並設定信心門檻,將低信心案例轉交人工處理。 微軟稱其為所測量過最快的模型,中位延遲約為 H2O Lightning 的 1/2.5、GPT-6 Sol 的 1/35。內部 Xbox Research 案例標註逾 10,000 筆玩家回饋,品質接近 GPT-6 Sol 且快 14 倍;Copilot 團隊發現它比 GPT-5.6 Luna 快約 100 倍;科學研究團隊發現其評分一致性比聊天模型做法高 46 倍,重新規劃快近 4 倍。所有基準與案例均由微軟自行選擇與執行,截至 2026 年 10 月 11 日尚無獨立評測。
如何計算呼叫費用?
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。
支援哪些輸入與輸出?
輸入為文字加上一組固定答案選項,輸出為每個選項的校準機率,採結構化格式,軟體可直接使用。
適合哪些任務?
適合路由、分類、優先排序、驗證、工作流程控制、AI 評審與代理控制等簡單且可重複的決策,而非自由文字生成或對話。
與同系列模型有何差別?
它由 Qwen3.5 進一步訓練而成,專為結構化選擇設計;微軟計畫日後以自家模型與 OpenAI 模型重建。
如何部署?
可透過 Microsoft Foundry 使用,部署選項包括無伺服器按 token 計費的託管 API、美國與歐盟的 Data Zone Standard,以及 Global Standard。
有上下文長度限制嗎?
微軟尚未公布此模型的上下文視窗上限。