Döntési AI-modellt adott ki a Microsoft

A Microsoft bemutatta a Microsoft-Decision-1 nevű új AI-modelljét, amely a hagyományos szöveggeneráló LLM-ekkel szemben rögzített válaszopciók közül választ. Az Alibaba nyílt súlyú Qwen3.5-9B modelljére épül, majd azt utólag finomhangolták. Achint Srivastava, a Microsoft szoftvermérnöki alelnöke egy blogbejegyzésben közölte, hogy a modellt hamarosan OpenAI és saját MAI modelljeikre is átdolgozzák, de ennek okát nem részletezte. (TNW)

A Decision-1 minden opcióra kalibrált valószínűségi pontszámot ad. Kezeli az igen/nem kérdéseket, a több választásos feladatokat és az értékeléseket, valamint képes AI-válaszokat és ügynökök cselekedeteit értékelni egy szempontrendszer alapján.

A Microsoft szerint a modell alkalmas útválasztásra, osztályozásra, priorizálásra, ellenőrzésre és munkafolyamat-vezérlésre. Csak szöveges bemenetet fogad el, 32 000 tokenes kontextusablakkal rendelkezik, de nem javasolt kizárólagos alapként használni emberekkel kapcsolatos, következményekkel járó döntésekhez, mint például hitel- vagy foglalkoztatási kérdésekben.

A Microsoft saját benchmarkjai szerint a Decision-1 érte el a legmagasabb pontosságot a 36 vizsgált modell között, közel 150 000 kérdésen. A tesztek alapján 2,5-szer gyorsabb volt a második helyezett H2O-Lightning-4B v1.1-nél, és 35-ször gyorsabb az OpenAI GPT-6 Sol modelljénél. Azonos kérés újrafogalmazása vagy átrendezése esetén az átlagos döntésváltozás mindössze 1,3% volt. A modell 11 biztonsági teljesítményteszten, 5250 kérésen is helytállt, beleértve a káros tartalmakat, jailbreak kísérleteket és prompt injekciókat.

Az Xbox Research több mint 10 000 játékos visszajelzést és értékelést dolgozott fel a modell segítségével, témák szerint csoportosítva. A Microsoft szerint minőségben versenyképes volt a GPT-6 Sol-lal, miközben több mint 14-szer gyorsabb és 200-szor olcsóbb volt. A Copilot csapat 100-szor gyorsabbnak találta a GPT5.6 Luna modelljéhez képest. A bemeneti tokenek ára egymillió tokenenként 0,042 dollár, a kimeneti tokenek ingyenesek. A modell elérhető a Microsoft Foundry-n és az OpenRouter-en keresztül.

A Microsoft utólag frissítette a bejegyzést a TypeSafe AI Jev modelljének benchmarkjaival. A Jev három héttel a Microsoft modellje előtt jelent meg, és idén ez volt a leggyorsabban elfogadott modell a Vercel platformon. A Microsoft szerint a Decision-1 2,8-szor gyorsabb volt a Jev-nél a latenciateszten. Az OpenAI Decisions API is béta verzióban érhető el, és a The Register szerint a Cloudflare, Strands, Liquid AI, Perplexity és Snowflake is bejelentett már döntési modelleket, így több mint 100 ilyen modell versenyez a figyelemért.