Microsoft lanzó el modelo Microsoft-Decision-1 dentro de la plataforma Foundry, apenas tres días después de que OpenAI pusiera a disposición de los desarrolladores la API Decisions en versión beta pública. A pesar de lo que podría sugerir la cercanía entre ambas empresas, el modelo de Microsoft se entrenó inicialmente con Qwen3.5-9B de Alibaba, y la compañía anunció su intención de reconstruirlo posteriormente sobre sus propios modelos MAI y sobre modelos de OpenAI.
El modelo busca añadir capacidades de toma de decisiones a las aplicaciones actuales, los agentes y los flujos de trabajo, como evaluar resultados, elegir el modelo adecuado o determinar el siguiente paso en un proceso automatizado. Microsoft lo ofrece dentro de Foundry a un precio de 0,042 dólares por millón de tokens de entrada, mientras que los tokens de salida son gratuitos; es el mismo precio que TypeSafe cobra por el modelo Jev.
Pruebas internas de Microsoft
Microsoft afirma que el primer usuario del modelo es la propia empresa. Xbox Research lo probó para clasificar más de 10.000 elementos de comentarios de jugadores, el equipo de Copilot lo utilizó para evaluar conversaciones y respuestas de agentes, y los ingenieros de guardia recurrieron a él para extraer contexto durante incidentes en directo. Microsoft Discovery también lo empleó para evaluar experimentos antes de que un agente volviera a planificar su tarea.
Según las cifras de la empresa, Decision-1 fue más de 14 veces más rápido que GPT-6 Sol en una prueba relacionada con Xbox y logró una consistencia 46 veces mayor en una prueba de Discovery. El material no explica los detalles metodológicos de estas comparaciones, por lo que las cifras no pueden considerarse un juicio general sobre el rendimiento del modelo fuera de esos escenarios.
¿Por qué importa esta noticia?
Los modelos de decisión tienden a desempeñar el papel de una capa de control de bajo coste entre la aplicación y los modelos generativos de mayor tamaño. Esta capa adquiere importancia cuando el agente necesita elegir muchas veces un modelo, una herramienta o una ruta de ejecución, porque el coste de cada decisión puede acumularse junto con el tráfico de solicitudes generativas que la acompaña.
Microsoft tiene un incentivo adicional para desarrollar internamente este tipo de modelos, especialmente ante los planes de GitHub Copilot de decidir si ejecuta algunas tareas en el dispositivo o las envía a modelos en la nube. Sin embargo, la empresa no ha confirmado si Decision-1 participará realmente en las decisiones de Copilot, ni ha revelado qué se envía a la nube.
Limitaciones de compatibilidad y medios
La ficha de Foundry indica que Decision-1 acepta hasta 32.768 tokens de texto y devuelve los resultados en formato JSON, pero no admite imágenes. Esto lo sitúa en un ámbito más limitado que la API Decisions de OpenAI y que Clef de Cloudflare, que utiliza un codificador visual.
Microsoft tampoco ha anunciado la disponibilidad de los pesos del modelo, mientras que Cloudflare publicó el modelo Clef bajo una licencia Apache 2.0. AWS, Upstage y Ollama adoptaron la interfaz de TypeSafe denominada System One como interfaz común en este ámbito, pero Microsoft no ha confirmado que Decision-1 sea totalmente compatible con ella, aunque su ejemplo de código en Foundry llama a un punto de conexión denominado /systemone.
La confianza no implica resistencia a la desinformación
Microsoft afirma que las probabilidades del modelo están calibradas; es decir, una predicción con una probabilidad del 90% debería ser correcta en aproximadamente nueve de cada diez casos representativos. Sin embargo, recomienda a los clientes verificar la calibración utilizando sus propios datos.
El estudio JevOut señala por qué esta cautela es importante: unos añadidos breves y redactados de forma natural invirtieron 312 de 508 decisiones inicialmente correctas del modelo Jev, que asignó una probabilidad de al menos el 70% a la respuesta incorrecta en 229 casos. En cuanto a la prueba de Microsoft sobre su modelo, incluyó ocho tipos de cambios, como reordenar las opciones y reformular la descripción, y modificó el 1,3% de las respuestas de media. No obstante, el estudio JevOut no probó Decision-1, por lo que este resultado no demuestra cómo reaccionará el modelo ante entradas diseñadas para engañarlo.