Microsoft-Decision-1 不寫段落。它讀你丟進去的文字，對你事先列好的選項各給一個校正過的機率，讓程式自己決定要執行、擱置，還是送人審。微軟 Office of the CTO 軟體工程副總裁 Achint Srivastava 的發布文把它定位成「決策模型」：路由、分類、排序、核對、工作流控制、代理關卡、AI 打分。它不是聊天，不是翻譯，不是摘要。Foundry 的模型卡寫得更死：不產生解釋或理由，也不是為開放式問答、對話、翻譯或摘要設計的。
標價印在發布文裡：輸入每百萬 token 0.042 美元，輸出免費。OpenRouter 上的模型頁核到同一組價，上下文窗口 32,768，供應商是 Azure，公開頁的中位延遲約 0.34 秒。這條 API 走 Decisions 端點，不是 chat completions；把聊天 SDK 對上去會失敗。底模是對 Qwen3.5-9B 做後訓練，一次前向就打分。微軟說稍後會換到包括 Microsoft AI（MAI）與 OpenAI 在內的其他底模，權重會持續更新，請求格式維持不變。
官方圖表解出來的數字是：三十六項基準、147,137 題、訓練時保持盲測，Decision-1 平均正確率 83.5%、Foundry 中位延遲 85 毫秒（p95 125 毫秒）、校正分數 92.2。發布文寫「測到的最快」：比亞軍 Quyet-1.0-Large 快 4.5 倍，比 GPT-6 Sol 快 35 倍。獨立讀圖的人把同一組資料拆開之後，這兩個倍數不是同一種測量。
官方數字可以核到哪一格
發布文裡的互動圖表被解出資料陣列後，準確度、延遲、校正落在同一張表。GPT-6 Sol 與 Jev 1.13.0 在準確度欄是「未排名」，只出現在延遲。換句話說，頭條那句「勝過 大型語言模型 和其他決策模型」，對 LLM 這一頭，靠的是速度、成本和微軟內部團隊說「品質有競爭力」，不是這三十六項平均正確率裡的 Sol 分數。
| 模型 | 三十六項平均正確率 | 中位延遲 | 校正（100 為完全吻合） |
|---|---|---|---|
| Microsoft-Decision-1 | 83.5% | 85 ms（p95 125 ms，Foundry） | 92.2 |
| Quyet-1.0-Large | 81.9% | 380 ms | 93.1 |
| Surogate Rune 26B-A4B | 79.7% | 380 ms | 91.8 |
| GPT-6 Luna Decisions | 79.4% | 300 ms | 89.9 |
| deck-31B | 77.8% | 400 ms | 83.5 |
| H2O-Lightning-4B v1.1 | 77.2% | 210 ms | 91.8 |
| Strands-Decider 2B | 54.8%（只跑 36 項裡的 23 項） | 未測 | 未計 |
| Jev 1.13.0 | 未排名 | 240 ms | 未計 |
| GPT-6 Sol | 未排名 | 3,010 ms | 未計 |
正確率領先亞軍 1.6 個百分點。校正反而第二，比 Quyet 低 0.9。速度欄裡第二快的是 H2O-Lightning-4B 的 210 毫秒，對 85 毫秒是 2.5 倍，不是 4.5 倍——因為「準確度亞軍」不是「速度亞軍」。那句 4.5 倍，比的是準確度亞軍 Quyet 的 380 毫秒。
Foundry 模型卡和發布文也不是同一句話。發布文寫「最高正確率」；模型卡寫「整體與領先的決策模型相當，並領先用同一方法評估的其他開源決策模型」。兩句可以同時成立，採購時該引用的是第二句。三十六項基準哪些公開、哪些私有、每項分數、題數、標註者是誰，都沒公布。發布文說基準「對訓練保持盲測」；模型卡說用內部留出集防止訓練與測試重疊，但沒公布重疊檢查結果。
穩健性數字是：同一請求用八種方式擾動，決策平均只翻 1.3%；選項描述改寫、選項對調或打亂時，翻轉為零。安全測了 5,250 筆請求、十一項基準，涵蓋有害內容、越獄與提示詞注入；官方只寫成功拒絕有害行為、同時保住高可用性，沒給檢出率或誤擋率。
4.5 倍與 35 倍分別量了什麼
獨立簡報把 380 毫秒拆回去。JevBench v1.6.1 對開源權重模型量到 Quyet-1.0-Large 原始中位 115.8 毫秒，再套公式「兩倍原始時間加 150 毫秒」，得到約 381.6 毫秒，圖表顯示 380。JevBench 自己的註記寫這是假設、不是硬體正規化。用原始數字，85 對 116 大約是 1.4 倍。原始計時不含網路來回，Foundry 的 85 毫秒含網路；調整後的 380 又加了一段沒人實測的常數。兩邊都不是同一條件。
H2O-Lightning-4B 在 JevBench 原始中位大約 29 毫秒，H2O.ai 自己的模型卡寫單卡 34 毫秒。若只看原始 GPU 計時，它比 Foundry 上的 Decision-1 還快；加上網路之後，排序會再變。微軟圖表把公司自己量的托管 API，和別人自架模型的估計值放在同一列。
35 倍來自 85 毫秒對 3,010 毫秒。發布文寫的是「GPT-6 Sol」，沒寫版本、推理力度、提示、路由或地區。OpenAI 的 API 把 gpt-6-sol 與 gpt-6.1-sol 分成兩個模型，輸入都是每百萬 token 2.00 美元、輸出 10.00 美元，預設推理力度為 medium。獨立測量機構 Artificial Analysis 公布的 Sol 中位首 token 時間，none 約 0.94 秒（約 11 倍）、low 約 1.72 秒、medium 約 2.78 秒（約 33 倍）、high 約 26.6 秒。微軟的 3,010 毫秒貼在 medium 附近。若有人把分類任務的 Sol 推理關掉，倍數會往 11 倍收，而不是 35。Decision-1 讀一次就給機率；Sol 會先想再寫。比的是兩種不同的工作。
OpenRouter 公開頁在上線後量到 Azure 路徑中位延遲約 0.34 秒，比 Foundry 圖表的 85 毫秒慢一截。兩邊都是托管，但不是同一條路、同一時間窗。買的人該把 85 毫秒當成微軟在 Foundry 同區測到的中位，把 0.34 秒當成另一條公開路徑當下看得到的中位，而不是把 35 倍抄進標書。
內部案例沒有把品質寫成單一分數。Xbox Research 用 Decision-1 處理超過 10,000 則來自問卷、Steam、X 的開放回饋，歸進研究人員事先訂好的主題；官方說品質對 GPT-6 Sol「有競爭力」，速度快 14 倍以上，成本便宜約 200 倍。Copilot 團隊拿它給聊天與代理回覆打分，說對「GPT5.6 Luna」有競爭力、快 100 倍。Microsoft Discovery 的適應性重規劃裡，它比 LLM 打分一致約 46 倍、快約 3 倍，整段重規劃快近 4 倍。這些是公司自己的工作負載，沒有外部重跑。
價目表對得上 Jev，對不上 Sol 的聊天帳單
決策模型這條產品線，微軟不是第一個把「只回選項機率」做成端點的人。OpenAI 的 Decisions API 走 POST /v1/decisions，模型目前只有 gpt-6-luna，輸入每百萬 token 0.10 美元、不收輸出，公開測試約在 DevDay 之後、十月初。TypeSafe 的 Jev 輸入也是 0.042 美元、輸出免費——和 Decision-1 同一檔價位。獨立測試（Nexus Agent，九千多次呼叫）把 OpenAI Decisions 對 Jev：中位延遲幾乎打平（約 268 對 269 毫秒），p99 慢 2.8 倍，每通成本約 2.1 倍，正確率相當。那組測試裡沒有 Decision-1。
用微軟成本圖暗示的 token 數反推，一百萬次決策大約：
| 路徑 | 輸入／百萬 token | 輸出／百萬 token | 約每百萬次決策 |
|---|---|---|---|
| Microsoft-Decision-1（發布文） | 0.042 美元 | 免費 | 約 11 美元 |
| OpenAI Decisions API（gpt-6-luna） | 0.10 美元 | 不計 | 約 26 美元（假設 token 數相同） |
| GPT-6 Sol（模型頁標價） | 2.00 美元 | 10.00 美元 | 約 2,434 美元（微軟成本圖估計） |
十萬次月決策，相對 Sol 大約省 240 美元，相對 OpenAI Decisions 大約省 1.50 美元（衍生、同 token 假設）。一千萬次才看到相對 Decisions 約 150 美元、相對 Sol 約 24,000 美元。對多數團隊，人工覆核與評測容量會比模型帳單貴。Decision-1 和 Jev 標在同一價位，真正要比的是校正穩不穩、延遲尾部、以及能不能接受「微軟托管、權重持續改、請求形狀不變」。
Vercel AI Gateway 同日把 microsoft/microsoft-decision-1 接進去，不必另開 Azure 帳號也能打 Decisions 風格的請求。OpenRouter 的 playground 示範把緊急程度做成 noul（是／否機率）、把部門做成 choice、把情緒做成 score，程式用 0.8 當門檻才自動執行。這就是產品要賣的用法：讓代理在呼叫工具前先過一關，而不是再叫一個會寫長文的聊天機器人來「覺得」該不該做。
買之前還缺哪些獨立數字
Quyet-1.0-Large 是個人開發者對 Gemma-4-31B 做 LoRA，Apache-2.0，權重大約 62.5 GB。deck-31B 的作者寫明權重沒訓練，只是提示詞配方。H2O-Lightning-4B 以 Qwen3.5-4B 為底，宣稱未使用 JevBench 資料訓練。把這些模型放進「擊敗亞軍 4.5 倍」的句子裡，讀者會以為亞軍是另一家大廠的旗艦；圖表上的對手，多數是小團隊的決策專用權重，加上 OpenAI 的 Luna Decisions。Jev 作為這個品類的參考系統，準確度欄被標成未排名。
模型卡自己列出弱項：校正在熟悉任務上最強；非英語、醫療／法律／金融等專門領域、選項含糊時會變弱。模型以英語為主優化，另在二十二種語言上做過評估。選項順序與措辭「可以讓分數移動」——這句和「改寫、打亂時翻轉為零」並排放，買的人該用自己的工單重測，不要只抄 1.3%。
推理帳單很便宜，不代表決策免責。Decision-1 把「下一步做不做」從會寫句子的基礎模型拆出來，讓關卡又快又便宜；關卡若在你的資料上校正漂移，錯的決定也會同樣快。微軟同期有一份 MAI 行為準則，寫永不抗拒關機、禁止 neuralese，諮詢期後 2027 才拿去訓練。Decision-1 這次沒有把那份準則寫進發布文。它也沒有公布配額、速率限制或 SLA；Foundry 模型卡的價格欄甚至寫「供應商尚未提供這項資訊」，和發布文的 0.042 美元並置。
ChatGPT 一般對話剛換上 GPT-6 家族，付費走 Sol、免費走 Luna，見Intelligent UI。Sol 繼續當 generational 的寫作與推理引擎；Luna 已經有一條 Decisions 端點；微軟現在用 9B 後訓練模型，按 Jev 那一檔價，搶「每秒要做很多次是／否」的位置。獨立重跑若遲遲不出現，官方三十六項平均就還只是官方三十六項平均。能先做的驗證很窄：用自己的路由與核對集看校正曲線，比 85 毫秒與 0.34 秒哪一條路接近你的部署，以及在選項改寫之後，1.3% 的翻轉率還能不能維持。