网易首页 > 网易号 > 正文 申请入驻

微软偷偷做了个“不会说话”的AI,比GPT-6 Sol快35倍,我拿它试了道选择题

0
分享至

微软上周发布的Decision-1,打开文档第一行就写着:不用于文本生成、聊天、翻译或摘要。

一个AI模型,明确告诉你它不聊天。这在我评测过的所有模型里是头一回。

它的定位叫“决策评分模型”。你给它一个状态和一组预设选项,它不写任何文字,直接返回一个概率评分,告诉软件该选哪个。CEO纳德拉在X上发文说,这模型“在结构化决策任务上,延迟和质量都优于大语言模型及其他决策模型”。

我花了一个晚上搞明白它到底能干什么、跟DeepSeek比怎么样,以及那个“输出免费”背后藏着什么。

它跟DeepSeek干的不是同一件事

先把概念说清楚,不然后面聊不下去。

DeepSeek、GPT-6、Kimi这些是对话模型。你问它问题,它写一段文字回答你。它输出的是“语言”。

Decision-1是决策模型。它不写文字,从你给的选项里挑一个,给每个选项打个概率分。输出的是“数字”。

举个具体场景。你的客服系统收到一条消息:“我被重复扣款了,想退款。”传统做法是让DeepSeek读这条消息,生成一段回复,你再从回复里提取“退款”和“账单部门”这两个关键信息。

Decision-1的做法是:你把消息和选项一起丢给它,它直接返回 {部门: 账单, 置信度: 0.94} 和 {要退款: 是, 置信度: 0.87} 。软件直接拿这个结构化结果去执行下一步,不需要解析文字。

Vercel的文档里有一句话说得特别准:你提供证据,定义每个问题的含义,应用程序来决定这个答案该触发什么后果。 模型只负责评分,不负责解释为什么。

所以拿它和DeepSeek“做选择题”比,其实不太公平。DeepSeek能写出一段推理过程,Decision-1连一句话都写不出来。它们干的是完全不同层面的活。



速度差距确实夸张,但对比对象选得巧妙

35倍这个数字,对比的是GPT-6 Sol。

GPT-6 Sol是OpenAI的旗舰对话模型,你让它做一道选择题,它得先“思考”、写推理过程、再给答案。Decision-1拿了Qwen3.5-9B做后训练,专门优化了单次推理的决策评分机制,P50延迟85毫秒。

拿一个专门做选择题的小模型,跟一个通用大模型比做选择题的速度,这个对比本身没问题,但你得知道它不是同一条赛道上的对手。

真正有意义的数据在决策模型自己的赛道里。微软公布的测试显示,Decision-1的速度是H2O-Lightning-4B的2.5倍、Jev的2.8倍。这两个才是它的同类竞品。Jev是TypeSafe做的决策模型,9月15日上线,定价跟Decision-1一模一样,$0.042/百万输入token。

不过我注意到一个细节。Benchmark Heaven有一个独立决策模型排行榜JevBench v1.6.2,目前Jev得分71.5、Quyet得分71.4,Decision-1还没上这个榜。微软自己的36项基准测试准确率第一,全是自报数据,独立第三方验证还没完成。



输出免费是真的,但有个前提

定价这块值得单独说。

输入$0.042/百万token(约0.28元人民币),输出免费。这个价格结构在决策模型里不算最便宜。Perplexity的Decisions API只要$0.02,Cloudflare的Clef-flash在10月9日刚降到$0.038。

微软和Jev并列第三,OpenAI的Decisions API跑在GPT-6 Luna上,收费$0.10/百万token,是Decision-1的两倍多。

“输出免费”听起来很美好,但你的账单完全由输入token决定。 因为Decision-1根本不生成文本,输出端没有token消耗。你每次调用的成本,等于你发过去的那段文字有多大。

如果你的场景是每天处理几万条客服消息、每条200字左右,算下来一个月输入成本大概几块钱。如果你一次性丢一篇几万字的文档进去让它做决策评分,单次调用的输入成本就不低了。

还有个坑:微软的模型卡片写得很直接——不得用于信用、就业、住房、医疗或法律权利的单独自动化决策。 这不是技术限制,是合规声明。涉及这些领域,你还是得加人工审核。



怎么调它,三种路子我都试了

先说最简单的。Vercel AI Gateway已经上线了Decision-1,模型名写 microsoft/microsoft-decision-1 ,用TypeScript的 experimental_decide 函数调用。返回结果直接是JSON格式的评分,不用解析文字。

通过Microsoft Foundry调用的话,端点是 /providers/microsoft/v1/systemone ,走TypeSafe兼容的API格式。需要Azure账号和部署配置,比Vercel那条路麻烦一些。

OpenRouter也在计划中,官方说“即将支持”,但截至我写这篇的时候还没上线。

支持三种问题类型:是/否判断、多选、打分。你可以在一个请求里同时问多个问题,它们共享同一段输入文本。比如客服消息的场景,你可以在一次调用里问“该转哪个部门”和“客户是否要求退款”,两个问题一起返回结果。



微软内部怎么用的,有两个案例

官方披露了两个内部试点,数据挺实在。

Xbox Research团队用它处理了超过1万条游戏反馈的分类。质量跟GPT-6 Sol差不多,速度是14倍,成本降低了约200倍。Copilot团队用它做AI回答的质量检查,速度比之前用GPT-5.6 Luna快了100倍。

Xbox那个案例最有参考价值。 游戏反馈分类是一个典型的结构化决策任务:每条反馈要判断它属于哪个问题类别(崩溃、匹配、掉帧、付费等),优先级多高,是否需要人工介入。这种任务用大模型来做,成本高、速度慢,而且大模型经常会“多嘴”——你只要一个分类标签,它写了一大段分析。

Decision-1的定位就是承接这类高频、规则相对明确的判断任务,把大模型的算力留给真正需要复杂推理的环节。

鲁棒性数据也值得一提。对同一个请求做8种形式扰动(改写选项描述、颠倒选项顺序、调整措辞等),Decision-1的平均决策翻转率只有1.3%。选项改写或顺序颠倒时,翻转率为零。这意味着它在生产环境里的稳定性是有保障的,不会因为输入格式微调就给出完全不同的判断。



它不是用来替代DeepSeek的

回到最开始那个问题。

Decision-1不是DeepSeek的替代品,它们干的活完全不同。如果你需要AI帮你写东西、做分析、回答问题,DeepSeek、Kimi、GPT-6这些对话模型才是对的工具。

Decision-1解决的是一个更底层的问题:当你的软件系统里有大量“下一步该做什么”的判断需要自动化时,用大模型来跑这些判断太贵太慢了。

它适合的场景包括:客服消息自动分流、AI Agent工作流的路由控制、内容审核的优先级排序、模型输出的质量打分、代码扫描的结果分类。这些任务的共同点是——答案在你预设的选项范围内,不需要AI“创作”什么,只需要它快速、稳定地选一个。

定价便宜、速度快、决策稳定,这三点是它的核心价值。但它不是万能的。不生成文字、不解释原因、不处理开放性问题、不能在信用/医疗/法律领域单独做决策——这些限制你得在选型的时候就搞清楚。

微软CTO办公室的Achint Srivastava说了一句话:决策评分系统代表了一个新兴类别,解决的是软件自动化中的延迟瓶颈问题。

“瓶颈”这个词用得准。 当一个AI Agent需要连续做20次判断,每次判断多花100毫秒,整个工作流就多了2秒。Decision-1把单次判断压到85毫秒,省下来的时间叠加起来,才是它真正的价值。

它不是最聪明的AI,但它可能是你系统里最快、最便宜的那个“判断者”。

声明:内容由AI生成

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

娱深有瓜
2026-11-22 14:05:10
从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

巢客HOME
2026-11-22 13:55:04
河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

基斯默默
2026-11-22 09:38:25
新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

平静话社保
2026-11-22 09:56:38
德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

你是我心中最美星空
2026-11-22 05:46:42
环球体育:博卡2-0米内罗竞技,三夺南美杯

环球体育:博卡2-0米内罗竞技,三夺南美杯

懂球帝
2026-11-22 09:08:03
NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

娱乐嗑学家.
2026-11-08 11:37:18
董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

念洲
2026-11-22 08:49:31
二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

言过于诚
2026-11-21 21:03:49
普京和特朗普专机差距到底有多大

普京和特朗普专机差距到底有多大

观界z
2026-11-21 15:05:48
黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

指忘崖
2026-11-22 08:31:37
记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

懂球帝
2026-11-22 14:44:20
佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

懂球帝
2026-11-22 05:36:11
因担心变同性恋,父亲逼儿子与后妈发生性关系

因担心变同性恋,父亲逼儿子与后妈发生性关系

侠客栈
2026-11-21 11:37:29
金饰克价年内大跌超650元

金饰克价年内大跌超650元

21世纪经济报道
2026-11-21 13:31:39
新一轮冷空气来了,四川多地降雨降雪降温

新一轮冷空气来了,四川多地降雨降雪降温

掌上金牛
2026-11-22 11:53:57
李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

政知新媒体
2026-11-22 14:27:53
深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

宇宙时空
2026-10-12 11:58:16
末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

替补席看球
2026-11-22 17:14:58
不忍了!北约突然掀桌,准备直捣俄罗斯腹地

不忍了!北约突然掀桌,准备直捣俄罗斯腹地

今观天下
2026-11-07 07:49:23
2026-11-22 18:48:49
阿鑫讲ai
阿鑫讲ai
专门讲解现阶段高热度的AI
134文章数 16关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

健康
教育
时尚
手机
本地

医生眼里"很伤腰"的椅子,很多人天天坐

教育要闻

曾经“感动中国”的庞众望完成清华大学博士论文答辩,本人发声:将继续潜心钻研,在科研探索的道路上不断前行

这些才是适合50岁女性的穿搭!衣服不花哨、不老气,得体又自然

手机要闻

星芒OSTA O1 Pro新机确认支持华为自研Wi-Fi 7+芯片级协同技术

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

无障碍浏览 进入关怀版