微软于11月18日发布新一代决策模型Microsoft-Decision-1.1,距离首代Microsoft-Decision-1亮相仅五周多。在第三方评测机构Artificial Analysis的决策指数榜单中,该模型获得68分,排名第8,比微软首款决策模型高出6分,并领先于Jev 1.14、谷歌Gemini Decision 1以及OpenAI的GPT-6 Luna版决策模型。微软称,新模型在智能性、校准能力上均有提升,运算速度达到前代的2倍以上,同时成本更低。
决策模型与通用大语言模型的定位不同。微软将其设计为在现实软件用例的不确定性下做出校准后的选择:模型在开发者设定的约束范围内,从允许的操作中挑选答案,并输出置信度分数,让应用程序在不确定性较高时延迟决策。由于专注决策任务,这类模型在处理路由、分类、排序等场景时,速度显著快于通用大模型,成本也更低。
为实现速度与成本的平衡,微软在多个层面做了联合优化。延迟方面,Microsoft-Decision-1.1采用针对决策计算需求定制的推理引擎,而非传统逐token生成文本的引擎,从而在长输入、数百个问题的复杂请求下仍能实时运行。成本方面,该推理引擎在GPU集群中高效分配请求,模型本身基于中型混合专家模型Gemma 4 26B A4B开发,活跃参数足以支撑决策智能,同时可在A100、H100/200、GB200/300等多种硬件配置上运行。
智能性上,微软将有监督微调与强化学习结合,使用数百个合成及授权数据集,覆盖来自众多行业的数万种任务类型,训练模型做出判断而非死记答案,使其能区分高度相似的选项、识别不确定性,并明确何时作答、何时拒绝。校准方面,模型被训练为明确自身认知边界,在相似场景下给出一致回答,准确报告置信度,在存在多个有效答案时拆分置信度,并在信息不完整时拒绝作答。开发者可自行设定决策、标记或升级处理的阈值。
除第三方榜单外,微软还在102个基准测试上评估了该模型,这些测试涵盖超过38.5万个训练阶段未接触过的问题,任务类型包括路由、排序、长上下文、多语言、分布外任务、推理和安全等。结果显示,Microsoft-Decision-1.1在8种决策模型中取得最高平均准确率,并在9个能力类别中的7个类别领先。
商业化方面,该模型上线五周多已有超过4000名客户使用,场景包括模型路由、客户支持分流、业务流程自动化、标签标注和分类等。早期采用者包括Epic、Equinor、Atos Group以及奥地利瑞福银行。定价上,在微软Foundry中,每百万输入token收费0.042美元,输出免费。此外,新模型新增多模态支持,可接收图片输入。
微软正将Microsoft-Decision-1.1的专用智能嵌入自有产品。在Copilot中,该模型负责将用户请求路由至合适的交互场景,判断由Copilot还是Cowork处理更合适;微软称该决策准确度与大型语言模型相当,处理速度快2.2倍,成本约为后者的1/4。在Cowork中,该模型为Auto功能提供支持,动态调整每项任务所投入的推理工作量。
同日,微软在Ignite大会上还发布了多款模型,包括面向企业日常编码任务的MAI Code 2和MAI Code 2 Flash,以及专为编程和网络安全打造的Code 2、Code 2 Flash。其中,在三项衡量日常高容量常规编码任务的基准测试中,MAI Code 2 Flash的性能可与GPT-6 Luna和Claude Haiku 5.5相媲美,成本分别仅为后两者的65%和20%。
从产业视角看,微软的差异化路径在于模型与GitHub Copilot、Foundry、Copilot工作流等自有产品深度绑定,能力直接嵌入既有办公和开发入口,而非单独售卖API。对企业客户而言,这意味着可以较低的上手成本将一套方案接入现有流程,合规边界也更为清晰。在模型层竞争日趋同质化的背景下,微软正试图通过“专用模型+自有场景”的组合,走出一条与通用大模型厂商不同的路线。