精华速览

10月12日，微软推出全新决策模型Microsoft-Decision-1，该模型基于阿里Qwen3.5-9B后训练而成。在结构化决策任务中，其延迟和准确性均超过LLM及Jev 1.13.0等热门决策模型。微软Xbox研究团队已用它处理超1万条玩家反馈，CEO纳德拉透露微软正在所有领域测试应用，包括事件响应、质量控制和科学发现。决策模型不生成自然语言，而是输出预测值、概率和置信度，尺寸更小、响应更快，满足AI频繁判断需求。HuggingFace上129个开源决策模型中，84个基于阿里Qwen开发，占比超65%，微软、Perplexity、Cloudflare等公司均采用。

要点透视

  • 10月12日，微软推出决策模型Microsoft-Decision-1，基于阿里Qwen3.5-9B后训练而成。
  • 该模型在结构化决策任务中，延迟和准确性均超过LLM及Jev 1.13.0等热门决策模型。
  • 微软Xbox研究团队已用该模型处理超过1万条玩家反馈。
  • 微软CEO纳德拉表示，微软正在所有领域测试应用新模型，包括事件响应、质量控制和科学发现。
  • 决策模型不生成自然语言，输出预测值、概率和置信度，比LLM尺寸小、响应快。
  • HuggingFace上129个开源决策模型项目中，84个基于阿里Qwen开发，占比超65%。
  • 采用阿里Qwen的知名决策模型来自微软、Perplexity、Cloudflare、H2O.ai等公司。
  • 9月Jev模型爆火带动决策模型浪潮，满足AI任务中频繁作判断的需求。

文章拆解

微软推出基于阿里Qwen的决策模型，标志着AI应用正从通用大语言模型向专用决策模型分化。决策模型不生成自然语言，而是输出预测值、概率和置信度，尺寸更小、响应更快，恰好满足AI任务中频繁作判断的大量需求。9月Jev模型爆火后，这一趋势加速，而阿里Qwen成为开源决策模型的主流基座——HuggingFace上129个开源决策模型中，84个基于Qwen开发，占比超65%，包括微软、Perplexity、Cloudflare、H2O.ai等公司的知名模型。这反映出中国开源模型在全球AI生态中的影响力提升，尤其在需要高效决策的场景中。

对微软而言，Decision-1在Xbox玩家反馈处理上的成功，以及纳德拉宣布在所有领域测试，表明其正将决策模型作为提升AI系统效率和准确性的关键组件。事件响应、质量控制、科学发现等场景对实时判断要求高，决策模型的低延迟和高准确性优势明显。然而，决策模型的输出缺乏自然语言解释性，可能带来可解释性和信任问题，尤其在医疗、金融等高风险领域。此外，微软依赖阿里Qwen作为基座，虽能快速迭代，但也存在供应链和技术自主性风险。

值得关注的变量包括：决策模型是否会取代部分LLM任务，形成新的AI架构分层；阿里Qwen在海外大厂中的渗透率是否持续扩大；以及微软是否会将Decision-1开源或商业化。潜在风险在于，决策模型的置信度输出若校准不佳，可能导致错误决策被高置信度掩盖。目前，微软所有领域测试的具体进展和效果尚待确认，决策模型的大规模落地仍需验证。

查看原文