Microsoft представила Decision-1 — модель для маршрутизации и проверки ИИ-агентов

Microsoft AI представила Microsoft-Decision-1 — специализированную модель для маршрутизации запросов, классификации, проверки ответов и управления ИИ-агентами. В отличие от обычных языковых моделей, она не генерирует текст: получает вопрос и фиксированный набор вариантов, а затем за один проход возвращает в JSON откалиброванные вероятности для каждого ответа.

Модель дообучена на Qwen3.5-9B от Alibaba и доступна через Microsoft Foundry и OpenRouter. Входные токены стоят 0,042 доллара за миллион, а вывод предоставляется бесплатно. Microsoft не раскрывает веса Decision-1 и аппаратную платформу, поэтому самостоятельно развернуть модель нельзя.

Отдельный класс моделей для служебных задач

Decision-1 появилась на фоне быстрого развития моделей, предназначенных не для генерации, а для принятия ограниченных решений. В середине сентября стартап TypeSafe, основанный бывшим исследователем OpenAI Диогу Алмейдой, выпустил Jev. OpenRouter создал для таких систем отдельный эндпоинт Decisions, и к 28 сентября в нем уже было семь решений от четырех издателей.

29 сентября OpenAI представила Decisions API на базе урезанной GPT-6 Luna в ограниченном превью. Компания заявила о задержке около 150 миллисекунд против 1,6 секунды у обычного вызова Luna. 1 октября Cloudflare выпустила Clef и Clef-flash с весами под лицензией Apache 2.0, а Amazon опубликовала открытую модель Strands Decider на два миллиарда параметров. Microsoft-Decision-1 стала еще одним предложением крупного облачного провайдера в этой категории.

Большинство задач такого типа сводится к трем форматам: ответу «да» или «нет», выбору одного варианта из списка и определению позиции на шкале. Эти операции составляют значительную часть служебной работы в агентных системах. Большая языковая модель может вызываться только для того, чтобы выбрать инструмент, проверить ответ на галлюцинации или определить, нарушает ли сообщение заданную политику.

Заявленные показатели и споры вокруг тестов

По данным собственных замеров Microsoft на 36 бенчмарках и 147 137 вопросах, Decision-1 достигла точности 83,5%. Для сравнения, у Quyet-1.0-Large показатель составил 81,9%, а у GPT-6 Luna Decisions — 79,4%. По калибровке Decision-1 заняла второе место с результатом 92,2 против 93,1 у Quyet.

Microsoft отдельно отмечает устойчивость модели к перестановке вариантов ответа: она не меняет решение только из-за изменения их порядка. При добавлении текстовых помех доля ошибок, по данным компании, составляет 1,3%. Медианная задержка при замерах достигла 85 миллисекунд.

При этом независимого подтверждения этим результатам пока нет. Microsoft тестировала собственную модель самостоятельно, а показатели конкурентов брала из скорректированных медианных значений рейтинга JevBench, где Decision-1 еще не участвовала. Компания H2O оспорила опубликованные цифры и заявила, что медианная задержка ее модели H2O-Lightning-4B составляет 29 миллисекунд, а не 210 миллисекунд, указанных в сравнении. Поэтому вендорские графики пока стоит воспринимать с осторожностью.

Экономия на агентных конвейерах

Главное преимущество decision-моделей — сочетание скорости и стоимости. Если ответ выбирается из пяти вариантов, генерация рассуждения на сотни токенов обычно не нужна. По приведенной оценке, два миллиарда входных токенов Decision-1 в месяц обойдутся примерно в 84 доллара. Тот же объем через модель класса Sonnet по цене 2 доллара за миллион токенов стоил бы около 4000 долларов — почти в 50 раз дороже.

Разница особенно заметна в агентных системах, где на один пользовательский запрос приходится пять-шесть проверок или решений. В таком сценарии специализированная модель может сделать запуск конвейера экономически оправданным для промышленной эксплуатации, а не только для экспериментов.

Ограничения и область применения

В закрытом виде Decision-1 уступает Cloudflare Clef и Amazon Strands Decider в сценариях, где важны локальное развертывание и контроль над данными. Открытые варианты на базе Qwen могут оказаться практичнее для компаний, которым нельзя отправлять запросы во внешнюю инфраструктуру.

К потенциальным задачам Decision-1 относятся маршрутизация запросов, модерация, проверка соответствия ответа исходным данным и оценка качества результата. При этом Microsoft прямо запрещает использовать модель как единственный механизм принятия решений в вопросах кредитования, найма, жилья и медицины. Пороговые значения, эскалация спорных случаев и обязательный человеческий контроль должны оставаться на стороне приложения.

Если специализированные модели сохранят заявленные показатели скорости и стоимости, отдельный decision-слой может стать стандартной частью LLM-стека — примерно так же, как эмбеддинг-модели используются в системах RAG.