大模型竞赛里正在分出一个安静但致命的新赛道：不做生成、只做决定的决策模型。10月9日，微软董事长兼首席执行官纳德拉宣布推出专用决策模型Microsoft-Decision-1，把这个品类直接推进了大厂正面竞争的正中央。
Microsoft-Decision-1的能力边界被刻意划得很清楚：它不生成常规文本，只在给定选项中挑出答案，并为每个备选答案赋予概率评分，供下游应用据此判断执行、重试还是转人工。技术路线上，首个版本基于阿里巴巴开源的通义千问Qwen3.5-9B进行后训练，训练重点是单次推理的决策评分机制，以实现超低延迟；训练数据由公开数据集与微软团队生成的合成数据组成。官方称其运行速度约为GPT-6 Sol的35倍，在36项基准测试的准确率均列第一，输入价格每百万词元0.042美元、输出免费。微软还基于11项安全基准、共5250条请求对模型做了系统评测。
产品与路线安排同样清晰。模型已通过Microsoft Foundry提供，后续将接入OpenRouter；微软表示未来版本将把这一能力迁移到其他底座之上，包括自研的MAI系列模型与OpenAI模型，并明确将其定位为「以安全、可信的环境把决策智能融入现有应用」，作为智能体工作流编排的基础组件之一。
有意思的是底座选择：微软没有从自家模型起步，而是先站在一个开源小模型上把产品做出来。这背后是决策模型的经济学——这类模型调用频次极高、单次价值密度低，成本与延迟几乎决定生死，9B级别的开源底座恰好踩在这个平衡点上。微软同时保留了向MAI迁移的路径，等于先用开源底座验证品类，再择机替换心脏。
把近一个月的动向连起来看，决策模型已经从零散尝试变成了明确品类：Liquid AI开源了零输出token的d1系列，Jev以「不会聊天只会做决定」迅速走红并拿到大额融资，Cloudflare也在同一天更新了开源决策模型Clef系列。微软入局等于给这个品类盖了章——当编排智能体的成本结构被逐层拆解，每个环节都会长出专用模型。值得观察的是价格战走向：输出免费、输入每百万词元几美分的定价，预示着智能体基础设施的利润区将向编排层与数据层转移。