微软Decision-1拆解：9B小模型快过GPT-6 Sol 35倍，决策AI成了新赛道

—

由

大模型的军备竞赛，突然分出了一条岔路。

10月9日，微软正式发布Microsoft-Decision-1，一款专做结构化决策的小模型。CEO纳德拉在社交媒体上确认，微软正在全公司范围测试这个模型，覆盖事件响应、质量控制、科学发现三大场景。它的底座耐人寻味——阿里通义千问的Qwen3.5-9B，经过微软深度后训练而来。

35倍速度差距，账本很清楚

先看硬指标。微软在36项基准测试、近15万条盲评样本上做了对比评测，Decision-1的决策准确率排名第一。响应速度更是甩开对手：比排名第二的Quyet-1.0-Large快4.5倍，比OpenAI的旗舰GPT-6 Sol快35倍。

延迟数据更直观。单次推理的p50延迟只有85毫秒，做到这一点靠的是单次推理决策评分机制——模型不生成一长段文字，直接输出校准过的选项概率。价格方面，每百万Token输入0.042美元，折合人民币约3毛钱，几乎可以忽略不计。

GPT-6 Sol一次调用几百毫秒到几秒，Decision-1不到一百毫秒。在需要海量高频决策的系统里，这个差距决定架构能不能成立。

大模型擅长开放式生成，却普遍不擅长稳定的判断类任务。让旗舰模型判断”这条工单该派给谁””这次交易是否放行”，既贵又慢，输出还会漂移。

微软测了一组稳定性数据：对同一请求做八种扰动处理，Decision-1的决策翻转概率平均只有1.3%。安全测试覆盖11项基准、5250条请求，模型能稳定拒绝有害指令。

产品负责人把适用场景说得很细：路由、分类、排序、验证、工作流控制。翻译一下，这就是Agent系统里那些”分发器”和”守门员”角色。之前开发者拿通用LLM硬扛这些活，现在有了一个便宜百倍、稳定百倍的专用件。

这条新闻里最扎眼的细节，是微软选择了Qwen3.5-9B。

Qwen系列的开发生态近年扩张迅猛，Hugging Face上的下载量长期位居开源模型第一梯队。微软拿它做后训练底座，等于给”开源模型+后训练=专用模型”这条工程路线做了一次全球级背书。

更值得关注的是后续计划。微软透露，会把这套决策评分机制迁移适配到包括Microsoft AI（MAI）和OpenAI在内的其他底座模型上。也就是说，Qwen只是起点，专用决策模型的底座未来会持续换代。

Decision-1已上线Microsoft Foundry，并同步接入OpenRouter。国内开发者通过OpenRouter调用不需要新开采购流程，拿现有API Key就能试。

一个务实的架构建议：把系统里的高频判断环节单独拆出来。客服分流、风控初筛、Agent任务路由、检索结果重排，这些环节的请求量最大、对延迟最敏感、对创造力要求最低，最适合换成专用决策模型。旗舰LLM留给真正需要推理和生成的部分。

按85毫秒延迟和0.042美元的价格估算，一个日均百万次调用的分发系统，用Decision-1的成本大约42美元，换成旗舰LLM动辄数千美元，中间差着两个数量级。

2026年10月，模型层的分工越来越细：Gemini 4 Argon押注旗舰深度推理，微软MAI-Code-1.1-Flash抢编程赛道，Decision-1瞄准高频决策。一个通用模型包打天下的时代，正式结束了。

纳德拉那句”在所有领域测试新模型”值得盯紧。微软的产品线横跨操作系统、办公套件、云平台，任何一处大规模切换到专用决策模型，都会带来实打实的成本和体验变化。

对开发者来说，动作可以更早：盘点自己系统里每天跑上百万次的判断逻辑，给它们找个更便宜的执行者。这条赛道才刚开跑，性价比红利期就在眼前。