微软公司最新推出的决策人工智能模型，将其底层架构锚定在阿里巴巴的开源模型之上。
据硬 AI 消息，微软于 10 月 12 日正式推出全新决策模型 Microsoft-Decision-1，该模型基于阿里 Qwen3.5-9B 后训练而成。微软官方透露称，该模型基于 Qwen3.5-9B 后训练而成，在结构化决策任务中，该模型在时延和准确性等方面均超过了 LLM 及 Jev 1.13.0 等热门决策模型。
微软 Xbox 研究团队已用它处理超过 1 万条玩家反馈，微软 CEO 纳德拉也在社交媒体上透露称，基于新模型的优异表现，微软正在所有领域测试应用新模型，包括事件响应、质量控制、科学发现等。
据了解，9 月 Jev 模型爆火带起了一股决策模型浪潮。这种模型不生成自然语言，而是输出预测值、概率和置信度，比大语言模型 LLM 尺寸小得多，响应速度也更快，恰好能满足 AI 任务中的频繁作判断的大量需求。
有数据统计显示，在 HuggingFace 129 个开源决策模型项目中，基于阿里 Qwen 开发的就有 84 个，占比超 65%，包括微软、Perplexity、Cloudflare、H2O.ai 等公司推出的知名决策模型均采用阿里 Qwen。
目前，微软已在全公司范围内对该模型展开广泛测试，涵盖事件响应、质量控制到科学发现等多个核心业务领域。随着该模型在 Microsoft Foundry 和 OpenRouter 平台的全面上线，基于 Qwen 架构的决策模型有望重塑企业级 AI 应用的工作流与投资逻辑。
新模型性能与成本优势显著
微软官方介绍重点强调了基于千问架构的新模型在性能上的突破。
在速度方面，该模型的表现尤为突出。测试数据显示，其测量速度是亚军模型 H2O-Lightning-4B v1.1 的 2.5 倍，更是 GPT-6 Sol 的 35 倍。
此外，该模型在鲁棒性和安全性上也表现稳定，在选项描述被转述或打乱时，其决策改变率平均仅为 1.3%。
在定价方面，该模型输入代币成本为每百万代币 0.042 美元，输出代币则完全免费，大幅降低了企业级应用的使用门槛。
内部全面测试加速企业级应用
优异的底层性能促使微软加速了该模型的内部应用转化。Satya Nadella 强调，微软正在所有领域测试应用这一新模型，以验证其在复杂环境中的可靠性。
在数据标注方面，微软 Xbox 研究团队已使用该模型处理了超过 1 万条来自问卷及社交媒体的玩家开放式反馈。
结果显示，其质量与 GPT-6 Sol 相当，但运行速度提高了 14 倍，成本降低了 200 倍。在质量控制领域，Copilot 团队的测试表明，新模型与 GPT5.6 Luna 具备同等竞争力，且速度快 100 倍。
此外，在科学发现的自适应重新规划任务中，该模型的一致性是基于 LLM 评分的 46 倍，速度提升近 4 倍。这些密集的内部测试结果表明，基于 Qwen 底座的决策模型正切实转化为提升企业运营效率的核心工具。
