Microsoft запустила модель Microsoft-Decision-1 в рамках платформы Foundry — всего через три дня после того, как OpenAI предоставила разработчикам API Decisions в режиме публичного тестирования. Несмотря на близость, на которую может намекать сотрудничество двух компаний, первоначально модель Microsoft обучалась на Qwen3.5-9B от Alibaba. Компания заявила о намерении позднее перестроить её на собственных моделях MAI и моделях OpenAI.
Модель предназначена для добавления возможностей принятия решений в существующие приложения, агенты и рабочие процессы — например, для оценки результатов, выбора подходящей модели или определения следующего шага в автоматизированном процессе. Microsoft предоставляет её в Foundry по цене 0,042 доллара за миллион входных токенов, тогда как выходные токены бесплатны; это та же цена, которую TypeSafe устанавливает на модель Jev.
Внутренние тесты Microsoft
Microsoft утверждает, что первым пользователем модели стала сама компания. Xbox Research протестировала её для сортировки более 10 тысяч фрагментов отзывов игроков, команда Copilot использовала её для оценки диалогов и ответов агентов, а дежурные инженеры — для извлечения контекста во время инцидентов в реальном времени. Microsoft Discovery также применяла её для оценки экспериментов до того, как один из агентов перепланировал свою задачу.
Согласно данным компании, Decision-1 был более чем в 14 раз быстрее GPT-6 Sol в тесте, связанном с Xbox, и обеспечил в 46 раз более высокую согласованность в тесте Discovery. В материале не раскрываются методологические детали этих сравнений, поэтому эти цифры нельзя считать общим показателем эффективности модели за пределами указанных сценариев.
Почему это важно?
Модели принятия решений постепенно начинают играть роль недорогого контрольного слоя между приложением и более крупными генеративными моделями. Такой слой становится важным, когда агенту приходится много раз выбирать модель, инструмент или путь выполнения, поскольку стоимость каждого решения может накапливаться вместе с сопровождающим его потоком генеративных запросов.
У Microsoft есть дополнительный стимул развивать такие модели внутри компании, особенно с учётом планов GitHub Copilot самостоятельно решать, выполнять ли некоторые задачи на устройстве или отправлять их облачным моделям. Однако компания не подтвердила, будет ли Decision-1 фактически участвовать в решениях Copilot, и не раскрыла, что именно отправляется в облако.
Ограничения совместимости и работы с мультимедиа
Список Foundry указывает, что Decision-1 принимает до 32 768 текстовых токенов и возвращает результаты в формате JSON, но не поддерживает изображения. Это помещает модель в более узкий диапазон по сравнению с Decisions API от OpenAI и Clef от Cloudflare, который использует визуальный токенизатор.
Microsoft также не объявила о предоставлении весов модели, тогда как Cloudflare выпустила модель Clef по лицензии Apache 2.0. AWS, Upstage и Ollama приняли интерфейс TypeSafe под названием System One в качестве общего интерфейса в этой области, однако Microsoft не подтвердила полную совместимость Decision-1 с ним, несмотря на то что в её программном примере в Foundry вызывается конечная точка с именем /systemone.
Доверие не означает устойчивость к дезинформации
Microsoft заявляет, что вероятности модели калиброваны: то есть прогноз с вероятностью 90% должен быть правильным примерно в девяти из десяти случаев в рамках репрезентативных сценариев. При этом компания рекомендует клиентам проверять калибровку на собственных данных.
Исследование JevOut показывает, почему эта оговорка важна: короткие и естественно сформулированные добавления изменили 312 из 508 первоначально правильных решений модели Jev, при этом модель присвоила неправильному ответу вероятность не менее 70% в 229 случаях. Тест Microsoft её модели включал восемь типов изменений, например перестановку вариантов и переформулировку описания, и в среднем изменил 1,3% ответов. Однако исследование JevOut не тестировало Decision-1, поэтому этот результат не доказывает, как модель будет справляться с входными данными, разработанными для введения в заблуждение.