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
美国公司将特斯拉Model 3爆改成MPV,超充、OTA、辅助驾驶都能用

美国公司将特斯拉Model 3爆改成MPV,超充、OTA、辅助驾驶都能用

IT之家
2026-11-21 18:55:05
法国作家Vincent Crouzet胡说八道:所有在法国居住的华人、华侨或者有中国背景的人都是间谍

法国作家Vincent Crouzet胡说八道:所有在法国居住的华人、华侨或者有中国背景的人都是间谍

小徐讲八卦
2026-11-22 08:09:49
重选一百次,状元也只能是我!四大天选状元,詹姆斯勉强上榜

重选一百次,状元也只能是我!四大天选状元,詹姆斯勉强上榜

曼巴体育6
2026-11-22 18:14:53
《GTA6》女主上身正面裸露BUG曝光 特殊触发方法

《GTA6》女主上身正面裸露BUG曝光 特殊触发方法

游民星空
2026-11-22 12:11:17
四川一卤肉饭大叔闭店前给学生们写信:不要删叔叔,叔叔看你们顺利毕业,幸福过一生,我会偷偷点赞;发闭店通知后爆单,一夜没睡坚持做完

四川一卤肉饭大叔闭店前给学生们写信:不要删叔叔,叔叔看你们顺利毕业,幸福过一生,我会偷偷点赞;发闭店通知后爆单,一夜没睡坚持做完

农民日报
2026-11-21 19:13:51
这是毛主席在泰安的旧照,27岁时穷游泰山鞋子竟被贼偷走!

这是毛主席在泰安的旧照,27岁时穷游泰山鞋子竟被贼偷走!

老钱道古今
2026-11-22 08:50:30
媒体造神,从删掉"交易额"开始

媒体造神,从删掉"交易额"开始

鲁先生的笔
2026-11-21 21:51:20
玻璃瓶更干净?法国科学家的意外发现:玻璃瓶里的微塑料反而更多

玻璃瓶更干净?法国科学家的意外发现:玻璃瓶里的微塑料反而更多

抽象派大师
2026-11-22 01:39:07
潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

LULU生活家
2026-11-21 14:45:18
普京向乌克兰军人“喊话”

普京向乌克兰军人“喊话”

参考消息
2026-11-21 15:58:07
美军收到情报,台海一旦开战,解放军600枚超导,让美军有来无回

美军收到情报,台海一旦开战,解放军600枚超导,让美军有来无回

遁走的两轮
2026-11-22 14:00:37
178元一瓶,“APEC晚宴荔枝酒”卖断货,员工:干冒烟了,加班费让人开心

178元一瓶,“APEC晚宴荔枝酒”卖断货,员工:干冒烟了,加班费让人开心

江山挥笔
2026-11-21 11:30:34
“大不了就去送外卖”——年薪50万的高管被裁后真去跑了半年,才发现低处早就人满为患

“大不了就去送外卖”——年薪50万的高管被裁后真去跑了半年,才发现低处早就人满为患

一丝不苟的法律人
2026-11-20 11:43:40
2027年冬天,可能是最近60年最反常的冬天,有三大特点,大家一定要注意

2027年冬天,可能是最近60年最反常的冬天,有三大特点,大家一定要注意

笑谈文史
2026-10-18 20:35:15
妻子升处长后跟我离婚,领完证后我拨通了省纪委电话,她脸色煞白

妻子升处长后跟我离婚,领完证后我拨通了省纪委电话,她脸色煞白

千秋文化
2026-07-14 19:32:44
连遭三轮袭击,克里米亚大桥已很难修复,俄军开始疯狂报复

连遭三轮袭击,克里米亚大桥已很难修复,俄军开始疯狂报复

兵国大事
2026-11-20 16:37:56
一个月打完,詹姆斯188分,库里278分,文班458分,东契奇太夸张

一个月打完,詹姆斯188分,库里278分,文班458分,东契奇太夸张

大西体育
2026-11-21 21:46:18
A股:全体股民做好心理准备了,明天11.23,A股可能再次历史重演吗

A股:全体股民做好心理准备了,明天11.23,A股可能再次历史重演吗

股侠指北针
2026-11-22 17:56:35
H200停售,海外AI算力又被掐断,国产AI芯片迎来“泼天富贵”!

H200停售,海外AI算力又被掐断,国产AI芯片迎来“泼天富贵”!

互联网.乱侃秀
2026-11-21 11:23:44
11月21日,大家期盼已久的2026年养老金,究竟涨还是不涨?

11月21日,大家期盼已久的2026年养老金,究竟涨还是不涨?

虎哥闲聊
2026-11-21 21:35:58
2026-11-22 18:51:00
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

亲子
艺术
数码
公开课
军事航空

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

艺术要闻

世界十大著名宫殿盘点:中国独占两席

数码要闻

内存价格暴涨下,华硕考虑将中低端PC内存由16GB降至8GB

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版