微軟發布 Decision-1：基於 Qwen3.5-9B 的選項打分模型
微軟發布 Microsoft-Decision-1：一個基於阿里 Qwen3.5-9B 後訓練的 9B 模型，不做對話或生成，只對給定選項列表打分並返回每個選項的機率。它已上線 Microsoft Foundry 與 OpenRouter，用於路由、分類、優先順序排序和結果驗證等高頻決策。微軟稱其在 36 個基準、約 15 萬道題上準確率 83.5%，P50 延遲比 GPT-6 Sol 低約 35 倍，並計劃把底座遷移至 MAI 與 OpenAI 模型。
微軟用阿里 Qwen3.5-9B 作底座並公開稱後續換底座，9B 專用打分模型給出 83.5% 準確率、對標 GPT-6 Sol 約 35 倍 P50 延遲，對搭建 agent 路由與校驗層的人最有參考價值。
原標題：Microsoft Decision-1: 9B Qwen Model Launch Explained
閱讀原文
| 評分 | 68 / 78（平均 73，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
微軟發布 Decision-1 決策模型，比 GPT-6 Sol 快 35 倍
微軟推出決策評分模型 Microsoft-Decision-1，已在 Microsoft Foundry 上線，並將登陸 OpenRouter。該模型基於 Qwen3.5-9B 後訓練，用於路由、分類、優先順序排序、驗證與工作流控制，支援是/否、多選、評分及對 AI 回答和 agent 動作的 rubric 打分。官方稱其在 36 項基準、近 15 萬道題中準確率最高，P50 延遲比 GPT-6 Sol 快約 35 倍、比第二名 Quyet-1.0-Large 快 4.5 倍；
用 Qwen3-1.7B 單次前向做選項決策，CommonsenseQA 準確率 59.4%
把輸出詞表限制在 A–E 等固定選項上、一次前向取最高機率 token，就能讓語言模型直接作答而無需逐 token 生成。作者用 Qwen/Qwen3-1.7B 復現該「決策模型」做法，在 CommonsenseQA 隨機留出樣本上準確率 59.4%、macro F1 0.584，微調後提升到 62.4%。但輸出機率不等於正確率：模型明顯過度自信，0.9–1.0 置信區間實際正確率僅 70%，用溫度縮放擬合出 T≈3.80 來校準。
OpenAI 上線 Decisions API 公測，僅支援 gpt-6-luna
OpenAI 的 Decisions API 進入公測，官方稱其評估文字、影像或兩者並返回結構化答案的速度約為 Responses API 的 10 倍，預計數週內 GA。該 API 使用獨立的 POST /v1/decisions 端點，目前僅支援 gpt-6-luna，問題分三類：predicate 返回條件成立機率（0 到 1）、choice 從給定選項中選一個、score 按有序等級給出機率加權平均分。
Strands 開源 2B 決策模型 Strands Decider 2B
Strands Labs 開源了 2B 引數的決策模型 Strands Decider 2B，權重已上 Hugging Face，訓練資料與指令碼一併公開。它基於 Qwen3.5-2B 去掉 LM head、換成約百萬引數的 pointer head 並加 rank-16 LoRA 微調，只能從給定選項中作答或打分，因此不支援編碼、聊天與摘要。
@OpenAIDevs: Since the beta, we’ve added new capabilities to the Decisions API so you can now use:
OpenAI 的 Decisions API 新增原生 GPT-Live 整合，語音應用可以在使用者說話時即時作出反應。同時加入提示快取，在複用上下文時降低成本；支援直接傳入原生 JSON 結構化資料；並可在單條問題的指令中附帶圖片，把多張圖片與同一參考圖對比。單次請求可提交的問題數量上限提升到 400 條，較此前翻倍。