“决策模型”是个新品类：不写字，只打分，微软 OpenAI 都在跟

微软 10 月 9 日发布了 Microsoft-Decision-1，一个有点反常识的模型：它不生成文本，只给预设选项打校准概率。Qwen3.5-9B 改制，$0.042/百万输入 token、输出免费。

这是什么东西？把“判断”从“生成”里拆出来。传统用法是让大模型又读又写又判断，一次调用干完所有活；决策模型只干一件事：这条评论是好评还是差评？这个工单该派给谁？这个 agent 该继续、重试、停止还是转交？输出的不是文章，是每个选项的概率。

为什么是现在火？9 月中旬，创业公司 Jev 带火了“决策模型”这个概念，OpenAI、Cloudflare（Clef 模型）迅速跟进，微软这次是正式下场。Xbox Research 拿它标注了 1 万多条用户反馈：质量接近 GPT-6 Sol，快 14 倍、便宜 200 倍——注意这是微软自测口径，仅供参考，选型前一定拿自己的数据跑一遍。

什么时候用它，什么时候用生成模型？给个简单粗暴的分法：

用决策模型的场景：内容路由（工单分派、评论分类）、质检（这条生成内容合不合格）、排序（10 个候选排个序）、agent 行为控制（下一步干什么）。特点是选项固定、要快、要便宜、调用量大。

用生成模型的场景：要推理、要写东西、问题本身是开放的。决策模型回答不了“为什么”，它只告诉你“选 A 的概率是 0.83”。

给开发者的三条建议：

第一，agent 基础设施里加一个“裁判”层。很多 agent 系统的瓶颈不在生成，而在每一步的判断——该不该调工具、结果对不对、要不要重试。把这些判断换成小而快的决策模型，延迟和成本会好看很多。

第二，别被 benchmark 数字忽悠。36 个盲测 benchmark 平均 83.5%、p50 延迟 85ms，听着很美，但都是微软自测。决策模型的表现极度依赖你的选项设计和数据分布，拿自己的真实流量跑一遍再决定。

第三，关注“校准”这个词。决策模型的核心价值不是准，而是概率准——它说 0.8 的时候，真实概率真的是 0.8 左右。这样你才能设阈值：高于 0.9 自动过，0.5 到 0.9 人工看，低于 0.5 打回。阈值策略，才是决策模型真正的用法。

上线渠道：Microsoft Foundry 和 OpenRouter（即将）。这个品类刚起步，但方向很明确：不是所有智能都需要“写小作文”，很多时候，一个便宜、快速、靠谱的判断更有价值。