Microsoft 9 октября представила Microsoft-Decision-1 — модель, которая не ведёт диалог, а за один проход выдаёт откалиброванную вероятность для каждого из заранее заданных вариантов ответа (да/нет, выбор из списка, рейтинг, оценка ответа ИИ-агента). По словам компании, она в 35 раз быстрее GPT-6 Sol и стоит $0,042 за миллион входных токенов, выходные токены бесплатны.

Идею почти сразу скопировали конкуренты: по данным Igor Akimov, OpenAI за несколько недель выпустила собственный Decisions API на базе GPT-6 Luna, умеющий работать не только с текстом, но и с картинками. Технология претендует на роль дешёвого и быстрого движка для рутинных ИИ-задач — роутинга между моделями, разметки данных, LLM-as-judgei оценки и решений «продолжать / остановиться / отдать человеку», которые сейчас часто прогоняют через большие модели с секундными задержками.

• Microsoft-Decision-1 построена на Qwen3.5-9Bi от Alibaba после дополнительного пост-трейна под скоринг; контекст 32K, работает только с текстом, веса модели не публикуются
• На 36 закрытых бенчмарках Microsoft (около 150 тысяч вопросов) модель показала лучшую точность среди LLM и других decision-моделей; при перефразировании или перемешивании вариантов решение меняется лишь в 1,3% случаев
• Внутри Microsoft модель уже в проде: Xbox Research разметил 10+ тысяч отзывов с качеством уровня GPT-6 Sol, но в 14 раз быстрее и в 200 раз дешевле; в Copilot модель оценивает ответы агентов в 100 раз быстрее GPT-5.6 Luna
• OpenAI Decisions API работает на GPT-6 Luna через отдельный эндпоинт, принимает текст и изображения, стоит $0,10 за 1М входных токенов (выход бесплатно); решение занимает ~150 мс против ~1,6 с у Luna через обычный API (цифры OpenAI), собственных бенчмарков качества компания не публиковала
• Пример работы OpenAI-модели: по кадрам игры она решает, перестраиваться ли в другой ряд, а также ведёт робота Microduck (с Hugging Face) к яблоку
• По расчётам Igor Akimov, разметка миллиона отзывов по 500 токенов обойдётся примерно в $21 у Microsoft и около $50 у OpenAI
• Рекомендация автора: для чисто текстовых задач лучше брать дешёвые или открытые модели, OpenAI — для задач с картинками (computer use, модерация изображений), и в любом случае проверять калибровку вероятностей на своих данных