微软基于阿里 Qwen3.5-9B 推出决策模型 Microsoft-Decision-1，纳德拉称正全领域测试
来源雷峰网查看原文
速览
- 微软发布决策模型 Microsoft-Decision-1，底座是阿里 Qwen3.5-9B
- 该模型在结构化决策任务上时延与准确性超过 LLM 和 Jev 1.13.0
- Xbox 团队已用它处理超 1 万条玩家反馈
- 纳德拉称正把该模型推广到事件响应、质量控制、科学发现等领域
- 决策模型不生成自然语言，输出预测值、概率与置信度
- 这类模型尺寸远小于 LLM，响应更快，适合高频判断场景
- HuggingFace 上 129 个开源决策模型中 84 个基于 Qwen，占比超 65%
- 微软、Perplexity、Cloudflare、H2O.ai 的决策模型均采用 Qwen
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。微软官方称，在结构化决策任务中，该模型在时延和准确性方面均超过 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过 1 万条玩家反馈。微软 CEO 纳德拉在社交媒体上表示，基于新模型的优异表现，微软正在所有领域测试应用该模型，包括事件响应、质量控制、科学发现等。原文还提到，9 月 Jev 模型爆火带动了一股决策模型浪潮，这类模型不生成自然语言，而是输出预测值、概率和置信度，尺寸比大语言模型小得多、响应更快，适合 AI 任务中频繁作判断的需求。据统计，在 HuggingFace 129 个开源决策模型项目中，基于阿里 Qwen 开发的就有 84 个，占比超 65%，采用方包括微软、Perplexity、Cloudflare、H2O.ai 等。
关键事实
- 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
- 微软称该模型在结构化决策任务中的时延和准确性均超过 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 纳德拉称微软正在所有领域测试应用该模型，包括事件响应、质量控制、科学发现等
- 9 月 Jev 模型爆火带动决策模型浪潮，这类模型输出预测值、概率和置信度而非自然语言
- HuggingFace 129 个开源决策模型项目中，84 个基于阿里 Qwen 开发，占比超 65%
本站视角
对国内做 Agent 和垂直应用的团队来说，这条消息的价值不在「微软又发了一个模型」，而在底座选择被验证：Qwen3.5-9B 这种量级的开源模型，经过后训练就能在结构化决策任务上超过通用 LLM 和 Jev 1.13.0，说明做决策类小模型的门槛和成本都比想象中低，用开源底座加自有数据后训练是一条可复制的路径，不必从零预训练。对阿里来说，HuggingFace 上 129 个开源决策模型中 84 个基于 Qwen、占比超 65%，且采用方包括微软、Perplexity、Cloudflare、H2O.ai，这是比榜单分数更硬的生态指标——Qwen 已经在事实上成为海外厂商做垂直小模型的默认底座之一，这种位置一旦形成，后续的开发者惯性和工具链适配会自我强化。需要观察的是：微软官方只给出「时延和准确性超过 LLM 及 Jev 1.13.0」这一相对结论，没有披露具体 benchmark 分数、测试集和对比配置，Xbox 的 1 万条玩家反馈也只说明用上了，没有说明效果提升了多少；纳德拉「所有领域测试」的说法属于方向性表态，不等于已经全面上线。因此我们认为，这件事的确定性在于底座生态的迁移趋势，而模型本身的性能优势还需要第三方复现来确认。对用 API 的中小企业和内容平台而言，短期更实际的影响是：决策类小模型的推理成本会继续下探，把「频繁判断」这类调用从大模型迁到小模型上，可能是接下来一年最直接的降本手段。
背景与影响
决策模型是 9 月 Jev 模型走红后被集中讨论的一类模型：它不输出自然语言，而是直接给出预测值、概率和置信度，体积比大语言模型小得多，响应更快，对应的是 AI 任务中大量需要反复做判断的环节。微软这次把 Qwen3.5-9B 作为底座做后训练，说明在决策这类窄任务上，小尺寸开源底座加后训练已经能跑出比通用 LLM 更好的时延与准确性。更值得注意的是生态层面：HuggingFace 上 129 个开源决策模型项目中 84 个基于阿里 Qwen，占比超 65%，微软、Perplexity、Cloudflare、H2O.ai 都在其中。这意味着 Qwen 正在成为海外厂商做垂直小模型时的默认底座之一，而微软选择在自家产品线中采用中国厂商的开源模型，也反映出其在模型选型上更看重成本与效果而非来源。纳德拉提到「所有领域测试」，如果落地范围真如所述，决策模型可能从单点工具变成微软产品中普遍存在的一层判断能力。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
