当大多数模型还在比谁写得更像人时，微软把注意力转向了另一个问题：让模型只负责做判断。
发生了什么
微软发布了 Microsoft-Decision-1，官方定位是「决策模型」，面向路由、分类、验证和智能体控制等场景。它最核心的设计取向是：不生成文本，而是针对一组固定答案选项，为每个选项返回一个经过校准的概率值。
该模型由阿里巴巴的 Qwen3.5-9B 后训练而来，目前已在 Microsoft Foundry 和 OpenRouter 上线。
为什么重要
过去两年，行业默认用同一个对话模型包办所有事情——写文案、调工具、做判断。但把「判断」交给生成式模型，本质上是用一个为流畅表达优化的系统去做需要确定性的工作：输出是自由文本，需要额外解析；置信度藏在 token 概率里，难以直接使用；同一输入还可能给出不同措辞的答案。
Decision-1 的思路是把这类任务从「生成」重新定义为「打分」。选项固定、输出是数值、概率经过校准，意味着下游系统可以直接拿这个分数做阈值判断、做级联路由、做失败回退。对智能体而言，这正好补上了控制层最缺的一环：不是让模型更聪明，而是让它在关键分叉点上更可预测、更可度量。
选择 Qwen3.5-9B 作为基座也值得注意。9B 量级意味着推理成本和延迟可控，适合高频、低延迟的调用场景；而基于一个开源中系模型做后训练，也延续了微软在模型组合上务实、不绑定单一来源的策略。
影响与看点
对开发者来说，最直接的变化是集成方式。以往要判断「这条工单属于哪一类」「这个请求该走哪条链路」「工具调用结果是否可信」，往往要靠提示词工程加正则解析，脆弱且难评估。决策打分模型把这一步变成标准的分类接口，配合校准概率，可以更容易地设定阈值、监控分布漂移、做 A/B 对比。
对智能体框架而言，这类模型的想象空间在编排层：用一个小而快的打分模型做守门人和裁判，把昂贵的大模型留给真正需要生成能力的环节。这可能是成本结构上更合理的一种分工。
值得观察的点有三个：一是「校准」在真实业务分布上是否站得住，这需要第三方评测而非厂商自述；二是固定选项的设定是否足够灵活，能否覆盖开放式判断；三是它与既有评测体系的关系——当模型不再输出文本，传统基准大多失效，行业需要新的衡量方式。
一个相对克制的判断是：Decision-1 本身未必是能力上的跃迁，但它代表了一种更成熟的产品思路——把「生成」和「判断」拆开，各用各的工具。如果这条路走通，未来我们看到的可能不是更大的模型，而是更多分工明确的小模型。
