Microsoft-Decision-1
的使用方法、功能与可解决的业务课题

Microsoft-Decision-1 是什么

Microsoft-Decision-1 是 Microsoft 于 2026 年 10 月 9 日（美国时间）发布的专用于判断的模型（Microsoft 的发布文章）。发布方是 Microsoft 的 CTO 办公室，可通过 Microsoft Foundry 和 OpenRouter 使用。

与生成式 AI（LLM）不同，它不写文字。传入状态（文本或 JSON）以及候选答案已固定的问题后，它会一次性返回每个候选项的概率。返回的是 "engineering"、0.92 这样的值，应用程序代码可以直接用 if 分支，无需解析字符串，也不必靠重试来处理损坏的 JSON。

由于价格和问题类型都与 TypeSafe AI 于 2026 年 9 月发布的 Jev 相同，它在日本也被报道为“Jev 的竞争对手”。两者的区别见下方“与 Jev 的区别”。

返回什么｜noul・choice・score 三种

问题类型共有三种。Microsoft 的文档（Deploy and use Microsoft-Decision-1）对用法的说明如下。

• noul — 用于关卡和过滤。例如“这个工具调用是否触及生产数据”“这份文档是否包含提示词注入”“这条客服回复是否承诺退款”。也可以用 criteria 定义“真”“假”分别指什么
• choice — 用于分类和分流。例如工单的负责部门、意图或文档类型、选用哪个模型或工具。文档建议在最高概率偏低时，把它当作转交人工或其他模型的信号
• score — 用于排序和评分。例如队列优先级、AI 输出的评分、严重程度或不满程度。等级按从低到高排列，返回值是以概率加权的等级编号（从 0 开始）平均值。四个等级时返回 0〜3 之间的值，也可能落在等级之间

一次请求可以包含多个问题。例如针对同一状态，用 choice 判断负责部门、用 score 评估严重程度、用 noul 判断是否为重复咨询。

{
  "model": "<部署名称>",
  "state": "The API returns 500 on every call.",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Which team should handle this ticket?",
      "criteria": {
        "billing": "Charges, invoices, and refunds",
        "engineering": "Bugs, errors, and outages",
        "support": "How-to and account questions"
      }
    }
  }
}

使用方法

1. 准备 Azure 订阅和 Foundry 项目

   需要已登记付款方式的 Azure 订阅，以及 Microsoft Foundry 项目。部署时需要“Cognitive Services Contributor”等可以部署模型的权限。

2. 从模型目录部署

   在 Foundry 门户 中打开项目，在模型目录里选择“Microsoft-Decision-1”并点击“Deploy”。也可以用 Azure CLI（az cognitiveservices account deployment create）部署。部署类型有两种：推理可能在任意 Azure 区域处理的 GlobalStandard，以及部分区域可选、在数据区域内处理的 DataZoneStandard。

3. 调用判断 API

   端点为 <Foundry 资源的端点>/providers/microsoft/v1/systemone。请求中的 model 填写的不是模型名称，而是你自己设定的部署名称。认证方式为 Microsoft Entra ID（推荐）或 API 密钥。

4. 用带标注的数据测量准确率

   文档中的快速入门是一个 Python 示例：用 choice 对客服请求进行分流，并用带正确标签的样例测量准确率和响应时间中位数。文档建议在投入生产前，换成自己业务中有代表性的数据再测量。

也可以通过 OpenRouter 调用（截至 2026 年 10 月，OpenRouter 上列出的提供方为 Azure）。

功能

价格

价格为不含税标价。通过 Azure 结算的金额取决于合同币种和税务处理。未提及该模型专属的免费额度（Azure 新账户的优惠另当别论）。

若每天对 10 万条咨询进行分流、每条 400 token，则每天输入 4,000 万 token，每天 1.68 美元。输出不收费。

性能｜Microsoft 公布的数字

• 在未用于训练的 36 个基准（约 15 万道题，涵盖分流、排序、长上下文、多语言、分布外、推理、安全）上比较，称取得了最高准确率。比较对象中还包括判断模型公开排行榜“JevBench”上的若干顶级模型
• 响应时间中位数（P50）约为 GPT-6 Sol 的 1/35，比 H2O-Lightning-4B v1.1 快 2.5 倍
• 对输入稍作改动时，判断发生变化的比例平均为 1.3%
• 安全性在 11 个基准、5,250 条请求上进行了验证
• Microsoft 说明，概率本身就是 API 的一部分并经过校准，标为“90%”的判断大约十次中会对九次

能否用于日语，能否在日本使用

日语的准确率尚未公布。Microsoft 的发布文章只提到评估包含“多语言”任务，没有支持语言列表，也没有日语的具体数字。Foundry 的模型目录中同样没有语言说明。若要用于日语咨询或文档，请先用人工标注的数据（约 100〜300 条）测量准确率、确定概率阈值，再进行自动化。

在日本，只要有 Azure 订阅即可部署。但截至 2026 年 10 月 13 日，官方区域列表中尚未显示日本区域（日本东部、日本西部）是否可用。GlobalStandard 可能在任意 Azure 区域处理推理，如果业务要求数据在日本境内处理，请在部署前于 Foundry 界面确认可选的区域和部署类型。

不擅长的事项与注意点

Microsoft 的文档和模型目录列出了以下限制与风险。

作为对策，文档建议在候选项中加入“无法判断（cannot tell）”、打乱候选项顺序看结果是否变化、根据误报和漏报的成本设定阈值。

与 Jev 的区别

问题类型的名称以及传入 state 和 questions 的请求形式几乎相同，因此可以把同样的问题发给两者进行比较。若希望把合同、结算、认证统一到 Azure，可选 Microsoft-Decision-1；若需要处理长输入，或想用官方 SDK 和智能体技能快速搭建，则可选 Jev。文章“Jev 是什么｜与 Microsoft-Decision-1 的区别”中有更详细的比较。

与其他选择的关系如下。

• ChatGPT — OpenAI 也于 2026 年 10 月 6 日以公开测试版发布了同类的“Decisions API”（gpt-6-luna，每 100 万输入 token 0.10 美元、输出免费，支持图像输入）。如果已经在用 OpenAI 的 API，它也值得比较
• Claude — 写作和长推理仍是生成式 AI 的工作。Decision-1 负责其前面的分流以及对输出的评分
• Dify — 如果工作流的分支条件用了 LLM 节点，候选项事先固定的判断可以换成 Decision-1 这样的判断模型
• Qwen — Decision-1 所基于的模型系列

口碑与话题

在日本，ITmedia AI+ 等媒体将其报道为“与 Jev 同价的判断专用模型”，讨论集中在价格和提供方式上。2026 年 9 月 Jev 作为“不生成文字的 AI”受到关注，10 月 OpenAI 和 Microsoft 又相继推出同类 API，判断专用模型开始被视为一个独立的领域。由于发布不久，目前几乎还没有在日语环境下使用的报告。

常见问题（FAQ）

本页信息截至 2026 年 10 月 13 日，依据 Microsoft 的官方发布、Microsoft Learn 文档、Microsoft Foundry 模型目录以及 OpenRouter 的模型信息。该模型仍处于预览阶段，规格、价格和提供区域可能会变更。最新信息请以官方网站为准。