AI・機械学習

Microsoft Decision-1: 9B Qwenモデルのローンチを解説

Microsoft Decision-1: 9B Qwen Model Launch Explained (shattered.io)

15 pointsby gmays2026年10月26日3 コメント

要約

Microsoftは、固定された選択肢の中から最も確率の高い回答を単一パスでスコアリングする、新しいAIモデル「Microsoft Decision-1」を発表しました。このモデルは、AlibabaのQwen3.5-9Bをベースにしており、チャットや要約のような汎用的なタスクではなく、ルーティング、分類、優先順位付け、検証といった特定の意思決定タスクに特化しています。これにより、低レイテンシかつ低コストでの高頻度な意思決定が可能になります。

全文翻訳

Microsoft Decision-1: 9Bモデルは35倍の速度を主張 [2026]

Microsoftは2026年10月9日、段落を作成しないモデルを発表しました。Microsoft-Decision-1は、チャット、要約、メールの下書きを行いません。単一のフォワードパスで固定された回答オプションのリストを評価し、それぞれの確率を返してから処理を終了します。同社はこのモデルをAlibabaのQwen3.5-9Bの上に構築し、直ちにMicrosoft Foundryを通じて、その後OpenRouterを通じて利用可能にしました。すでにインシデント対応から科学的発見まで、社内での幅広い用途に活用されています。

意図的に狭い範囲でのローンチであり、それがまさに興味深い点です。業界全体がより大きく、よりおしゃべりなアシスタントのリリースを競う中、Microsoftは1つのことを行うために構築されたモデルに10月の発表を費やしました。それは、リストから回答を選択し、その確信度を伝え、迅速に処理を終えることです。エージェントパイプライン、ルーティングレイヤー、自動検証システムを構築するエンジニアリングチームにとって、これはもう一つの汎用チャットボットよりもはるかに有用であると言えます。

Google · おすすめソース

Googleで新しいテクノストーリーを見逃さないように

GoogleアプリにShatteredを一度追加すると、ストーリーがニュースの提案に表示されます。

今すぐ追加

Microsoft Decision-1の実際の機能

今年のAIのヘッドラインのほとんどは、より多くのトークン、より多くのコンテキスト、より多くのクリエイティブな出力を生成するモデルに関するものでした。Microsoft Decision-1は逆の方向へ進みます。同社の発表によると、このモデルは、提供されたコンテンツと定義済みの回答オプションのセットを読み取り、オープンエンドのテキストを生成する代わりに、各オプションの校正された確率スコアを返します。これは、GPT-6 Sol、Gemini 4 Argon、またはClaude Opus 5.5が構築されているタスクとは、意味のある違いがあります。

Microsoftは、ローンチ時にこのモデルの4つの主要なユースケースとして、ルーティング、分類、優先順位付け、検証、そして「ワークフロー制御」を挙げています。サポートチケットが適切なチームにルーティングされる必要がある場合、ユーザーコンテンツに「はい/いいえ」のモデレーション判断が必要な場合、またはAIエージェントの出力が進行を許可される前にパス/フェイルチェックが必要な場合などを考えてみてください。これらは高頻度で低レイテンシの意思決定であり、90億パラメータの専門モデルが、フルサイズの推論モデルよりも安価に実行できるタスクの種類です。

この区別は、現在大規模言語モデルで構築している人にとって重要です。チャットボットは応答を生成し、ユーザーはその応答を解析し、確信度を推測し、フォーマット指示に従ったことを願う必要があります。意思決定スコアリングモデルは、この解析ステップを完全にスキップします。出力形式は、ユーザーが定義したオプションに対する確率分布になります。これはより小さく、より機械的な問題であり、Microsoftは多くの本番システムが大量に抱えていると見込んでいるものです。

モデルの内部：なぜQwen3.5-9Bがベースなのか

最もコメントを集めた詳細は、ユースケースではなく、その基盤でした。Microsoft Decision-1は、Alibabaの90億パラメータのオープンウェイトモデルであるQwen3.5-9Bからポストトレーニングされています。The Registerは、この選択を直接指摘し、Microsoftが中国のAIラボのオープンウェイトリリースに依存して製品を迅速に市場に投入したとフレーム化し、Microsoft自身のモデル基盤を時間とともに移行するという意図にも言及しました。

Microsoftは、これが出発点であり、最終目的地ではないことを明確にしています。ローンチ投稿で同社は、「Microsoft Decision-1を構築するために、高速な単一パス意思決定スコアリングのためにQwen3.5-9Bをポストトレーニングし、間もなくMicrosoft AI（MAI）やOpenAIを含む他のモデルにリベースする予定です」と述べています。これは、Microsoft FoundryプラットフォームやOpenAIとのパートナーシップを通じて、自社の最先端モデル開発に数十億ドルを投じてきた企業にとって注目すべき告白です。これは、長期的なアーキテクチャ上のコミットメントとしてではなく、狭く明確に定義されたタスクでの市場投入速度のためにQwenベースが選択されたことを示唆しています。

2026年において、他者のオープンウェイトモデルを足場として使用することは珍しくありません。多くの小型でタスク固有のツールがこのように構築されており、JetBrainsのMellum2.1コーディングモデルのようなプロジェクトが、生のスケールよりもコンパクトなパラメータ数を選択したのと同じ論理です。ここで注目すべきは、自社の最先端モデルの野心を持つMicrosoftが、競合ラボのウェイトをフラッグシップ名製品に公に選択し、さらに顧客に対し、基盤となるエンジンが後で変更されることを事前に伝えていることです。

ベンチマークの主張：36テスト、約15万件の質問

Microsoftはこの製品を正当化するために、数字に大きく依存しています。同社によると、Decision-1は36のベンチマークと約15万件の保留された質問にまたがる比較において最高の精度を達成したとのことです。これは、単一の選りすぐられたテストではなく、幅広さを示すための規模です。Microsoftは、その評価全体で83.5パーセントの精度を報告しており、ドイツのメディアBornCityもこの数値を伝えています。

速度に関する主張も、同様に大きくて具体的な数字のパターンに従いました。業界ニュースレターAI WeeklyとAI追跡サイトTestingCatalogは、MicrosoftがDecision-1はQuyet-1.0-Largeと呼ばれるモデルより4.5倍速く、GPT-6 Solより35倍速いと主張していると報じました。Data Studiosからの別の記事は、見出しとして35倍の数値を前面に出しました。Microsoft自身のローンチ資料では、GPT-6 Solの結果は、同社のベンチマークで測定されたP50レイテンシが約35倍低く、Decision-1は比較で2番目に良かったH2O-Lightning-4B v1.1よりも2.5倍高速だったと説明しています。これは、システムが異なるタスクを実行するため、一般的な速度の利点ではなく、特定のP50測定値です。Decision-1は固定オプションをスコアリングするのに対し、GPT-6 Solはテキストを生成します。台湾のLiberty Timesは、85ミリ秒程度の応答時間を報告しましたが、その数値の背後にあるハードウェアやテスト条件は特定していません。

ここで、健全な懐疑論が入り込む余地があります。これらはMicrosoft自身のベンチマーク結果であり、同社のローンチ資料を通じて報告され、発表をカバーしたメディアによって伝えられています。この記事でレビューされた報道のいずれにも、36ベンチマークの比較、4.5倍および35倍の速度倍率、または85ミリ秒のレイテンシ数値を独立して第三者が再現したものは含まれていません。それは数字が間違っているということではありませんが、誰かがMicrosoft ngoàiで同じテストを実行するまで、それらは査読済みの結果ではなく、ベンダー報告のパフォーマンス主張として読むべきであることを意味します。

ある数値はあまり注目されませんでしたが、本番環境ではより重要かもしれません。Microsoftによると、同社のローンチサマリー（AI Weeklyが引用）によると、モデルの決定は98.7パーセントの時間で「摂動に対して安定」していたとのことです。入力のわずかな変更に対する安定性は、下流システムが自動的に動作するバイナリまたはマルチオプションの呼び出しを行うあらゆるモデルにとって、実際の懸念事項です。ルーティングの決定が些細な言い換えによって反転した場合、それは発生を待っている本番バグになります。したがって、高い安定性数値は、外部テストで通用するものであれば、エンジニアリングチームがモデルを評価する上で真に有用なデータポイントとなるでしょう。

価格設定：入力トークン100万件あたり0.042ドル、出力は無料

Microsoft自身の発表とMicrosoft Foundryのドキュメントは、この記事でレビューされたソースでは確認された価格を公開していません。代わりに流通しているのは、OpenRouter自身のモデルリストから来ており、AI WeeklyとイタリアのメディアPasquale Pillitteriによって取り上げられました：入力トークン100万件あたり0.042ドル、出力は無料。この価格設定構造は、出力が生成テキストではなく短い確率スコアのリストであるモデルにとって理にかなっています。なぜなら、出力側で測定するものは事実上何もないからです。

その価格で、Decision-1は、現在小さめの汎用モデルにルーティングされているような高頻度ルーティングおよび分類作業のための、本当に安価なオプションとして位置づけられています。なぜなら、「これはスパムか、はいかいいえか」と尋ねるためにフルモデル価格を支払いたくないからです。これは、Anthropicが今年初めにClaude Haikuの価格を75パーセント引き下げたのと同じコストロジックです。安価で高速なモデルは、たとえフラッグシップモデルでも技術的にその仕事をこなせるとしても、APIトラフィックのパイの、高頻度・低複雑性のスライスを勝ち取ります。

利用可能性：Foundryが先行、OpenRouterがそれに続く

Microsoft Decision-1は、Microsoft Foundryでパブリックプレビューとしてローンチされました。そこでは、分類、ルーティング、ランキング、グレーディング、バイナリ決定に利用可能であると説明されています。Microsoftのローンチ投稿では当初、OpenRouterの利用可能性を「近日公開」と説明していましたが、OpenRouter自身のモデルリストは、発表から約1日以内にmicrosoft/microsoft-decision-1という識別子でモデルが稼働したことを確認し、OpenRouterは「OpenRouterで稼働中」と投稿しました。

Data Studiosの報道によると、モデルのウェイトは配布されておらず、開発者はダウンロードして自己ホストするのではなく、ホストされたAPIを通じてのみDecision-1にアクセスできます。これは、オープンウェイトモデルの商用派生製品では一般的なパターンですが、Qwenベースの製品が基盤モデルと同じオープンさを持つと想定していたチームにとっては、指摘する価値があります。

FoundryでのDecision-1の利用

このモデルはテキストを受け入れ、最大32,000トークンの入力をサポートします。定義済みのオプションに対して校正されたスコアを返し、説明を生成したり、画像、音声、ビデオを処理したりしません。書面による説明やマルチモーダル入力を必要とするチームは、Decision-1にその作業を任せるのではなく、汎用モデルとペアにする必要があります。

信頼度スコアは、アプリケーションが動作する出力の一部です。確率自体はAPIの一部であり、単なるランキングスコアではなく、アプリケーションは信頼度を使用して、いつ行動するか、延期するか、レビューを求めるかを決定します。ルーティングの例として、「緊急度が0.9を超え、優先度が1.5を超えている場合は、オンコールエンジニアに直ちにページングする」というものがあります。別の例では、しきい値を設定しています。「最上位の確率が0.65を下回る場合は、ローカルポリシーでダウングレードを回避し、現在のモデルを維持するか、手動選択を要求する」というものです。

ドキュメントにある実例では、モデルが98.08パーセントの信頼度で1.9868の加重優先度スコアを返しています。90パーセントの予測は、代表的なケースで10回中9回正しいはずであり、これはチームが自身のデータでスコアをテストする際に期待すべき標準です。クイックスタートにはPython 3.10以降が必要なので、最初のパイロットは小さくできます。Microsoftは価格設定を動的であると説明しているため、デプロイメントのサイジングを行う前に、現在のFoundryリストを確認する価値があります。

Nadella氏の提案とMicrosoftの社内ユースケース

Satya Nadella氏は個人的にXでこのモデルを紹介し、「迅速な意思決定のための新しいモデル、Microsoft Decision-1を紹介します。構造化された意思決定タスクで最高のパフォーマンスを発揮し、レイテンシと品質の両方でLLMや他の意思決定モデルを上回ります。私たちはすでに、インシデント対応、品質管理から科学的発見まで、Microsoft全体でこれをテストしています」と書いています。これは、3つの具体的な社内アプリケーションが挙げられており、MicrosoftがDecision-1をサードパーティ開発者だけに提供しているわけではないことを示唆しています。同社はまず、自社の運用ワークフローでこれを実行しています。

インシデント対応は論理的な最初のステップです。意思決定スコアリングモデルは、アラートをトリアージし、重大度をスコアリングし、チケットが人間によるエスカレーションを必要とするかどうかを決定できます。これらはすべて、「固定オプションと信頼度スコア」の形状に完全に適合するタスクです。品質管理と科学的発見はより広範な主張であり、Nadella氏以外のMicrosoftの幹部は、これらのワークフローが実際にモデルをどのように使用しているかを公式に説明していませんが、Microsoftが公開した資料では、その後、他の社内トライアルがより詳細に説明されています。

初期の社内トライアルと意思決定の例

Microsoftは、Xbox ResearchがDecision-1を使用して10,000件以上のオープンエンドのフィードバックを定義済みのテーマに分類したと報告しており、品質はGPT-5と同等で、実行速度は80〜100倍速かったとのことです。他のMicrosoft公開資料によると、チームはCopilot応答評価や適応型再計画のためにこのモデルを評価しました。これらは会社報告の結果であり、独立した測定よりも意図された作業の形状を示しています。

Microsoftのドキュメントは、同社が意図している意思決定の具体的なイメージも提供しています。1つの例は、「チェックアウトサービスが20分間利用できません。顧客は購入を完了できず、回避策もありません」というインシデントです。モデルは、そのレポートを優先度レベルに対してスコアリングし、アプリケーションはその結果に基づいて何を行うかを決定します。Foundryは、サポートチケットのトリアージ、インシデントの優先順位付け、コンテンツフィルタリング、モデル・ツール・エージェントの選択、モデル出力の評価などをサポートされる用途としてリストアップしています。

GitHub Copilot for CLIおよびVS Codeにおける意思決定ルーティングに関するMicrosoft開発者コミュニティの投稿は、モデル選択に同じアイデアを適用しており、ルーティング機能はCopilot CLIのネイティブ/modelコマンドとVS Codeのチャットモデルピッカーに配置されています。デプロイメントについては、ドキュメント化されたオプションにはグローバルスタンダードと、選択された地域ではデータゾーンスタンダードが含まれます。モデルを評価するチームにとって、実用的なテイクアウェイは、チケットキューやモデルピッカーのように、明確なオプションがすでに存在する意思決定から始めること、そしてそれらが自動的にアクションをトリガーする前に、過去の人間の決定に対してスコアを測定することです。

他の小型・特化型モデルとのDecision-1の比較

Microsoftだけが、2026年のAI市場には最先端の巨大モデルと並んで、小型でタスク固有のモデルの余地があると賭けているわけではありません。Amazonは、高速な意思決定のために構築された20億パラメータのオープンソースエージェントモデルであるStrands Decider 2Bをリリースし、AWS自身のテストでは約100ミリ秒を記録しました。これはDecision-1の9Bベースよりも少ないパラメータ数であり、Decision-1がAPI専用であるのに対しオープンソースですが、両製品は同じニッチを追求しています。それは、完全な推論モデルを必要としないエージェントのガードレールとルーティングの決定です。

2026年10月のより広範なAIモデル市場は、バーベルのように見えます。一方では、MistralのLarge 4プレビュー（約1兆パラメータ）やGPT-6の4段階ロールアウト（ChatGPT内）のように、ラボは最先端モデルのスケールを押し続けています。もう一方では、ベンダーは、それらのフラッグシップアシスタントの下に位置する反復的な意思決定のために、安価で狭く、高速なモデルを出荷しています。Decision-1は、汎用言語モデルとの系統を共有しているにもかかわらず、チャットボットよりも分類器に近い、後者のキャンプにしっかりと位置しています。

モデル	メーカー	ベースサイズ	主な仕事	出力タイプ	報告価格
Microsoft-Decision-1	Microsoft	9B (Qwen3.5-9Bベース)	ルーティング、分類、検証	オプションごとの校正済み確率	0.042ドル/入力トークン100万件、出力無料（報告）
AWS Strands Decider 2B	Amazon	2B、オープンソース	エージェントガードレール、高速決定	スコアリングされた決定出力	オープンウェイト、自己ホスト可能
JetBrains Mellum2.1	JetBrains	12B	コード補完	生成されたコード	IDEツールにバンドル
GPT-6 Sol	OpenAI	非公開	一般的な推論と生成	オープンエンドテキスト	段階的なChatGPT/API価格設定
Gemini 4 Argon	Google	非公開	一般的な推論と生成	オープンエンドテキスト	2ドル/100万トークン（報告）

この比較は、重要なことを強調しています。Decision-1は、同じ仕事でGPT-6 SolやGemini 4 Argonと直接競合しているわけではありません。それは、生成を必要としないリクエストのサブセット、つまり「はい/いいえ」の判断、A/B/C分類、パス/フェイルチェックにおいて、コストとレイテンシで競合しています。エンタープライズAIトラフィックのかなりの割合が本当にその機械的なものであるなら、安価な専門モデルは、文章を1行も書かずに、汎用APIから驚くほどの量のトラフィックを奪う可能性があります。

意思決定スコアリングの仕組みの簡単な説明

チャットボットにプロンプトを与えるのと比較すると、その仕組みは非常に単純です。開発者はコンテキストと閉じたオプションのセットを提供し、モデルは各オプションの確率を返します。単純化されたリクエストは次のようになります。

{
  "model": "microsoft/microsoft-decision-1",
  "input": "Customer message: 'My payment failed twice today.'",
  "options": ["billing_support", "technical_support", "spam", "escalate_to_human"]
}

// 例示的な応答形状
{
  "scores": {
    "billing_support": 0.81,
    "technical_support": 0.11,
    "spam": 0.01,
    "escalate_to_human": 0.07
  }
}

その出力形式が、まさにこのモデルのポイントです。アプリケーションは信頼度のしきい値を設定できます。例えば、0.75以上であれば自動的にルーティングし、それ以下のものはすべて人間のレビュー担当者に送信するなど、単一行のテキスト解析ロジックを書くことなく実行できます。これは、従来の機械学習で分類レイヤーを構築したことのある人には馴染みのあるパターンですが、最新のトランスフォーマーベースの上に再パッケージ化されたものです。

歴史的背景：分類器から校正された判定者へ

意思決定スコアリングは新しいアイデアではなく、むしろ本来の形への回帰です。生成AIブーム以前は、本番環境の機械学習のほとんどはまさにこれでした。つまり、単一の狭いタスクのためにトレーニングされた分類器、ランカー、スコアリングモデルです。2022年から2025年の生成AIの波は、エンジニアリングの注目を、何でもできるチャットボットやエージェントに向けさせましたが、それは単純なタスクにおいてはより遅く、より高価になるという代償を伴いました。Microsoft Decision-1、AWS Strands Decider、および同様の製品は、業界の修正を表しています。タスクが本当にオープンエンドな推論を必要とする場合は最先端モデルを使用し、そうでない場合は小さく、安価で、高速なモデルを使用します。

言語モデルが別のモデルの出力を評価または採点する「LLM-as-judge」パターンは、ここ数年間、AI評価パイプラインの定番となっています。2026年に変わったのは、ベンダーがこのパターンを、開発者が汎用モデルでプロンプトエンジニアリングで手作りしたものではなく、専用の価格設定された製品としてパッケージ化していることです。MicrosoftがDecision-1を「AIジャッジング」や「エージェントガードレール」のユースケースとして位置づけていることは、まさにその系統に位置していますが、正式化され、インフラストラクチャとして販売されています。

市場への影響：誰にプレッシャーを与えるか

最も直接的なプレッシャーは、顧客がタスクの実際の複雑さに対して過払いしているルーティングおよび分類タスク用の汎用モデルを販売しているベンダーにかかります。企業が大量の低複雑性APIコールを、目的に特化したスコアリングモデルにリダイレクトし始めると、フルモデル料金でタスクを請求することに依存するプロバイダーのトークン量に実質的な打撃となります。これはフルモデルの推論を必要としないタスクです。

また、GoogleとAnthropicに、独自の意思決定スコアリング製品を名乗る必要があるか、それとも既存の軽量ティアに同様の機能を組み込むかどうかを決定させる競争上のプレッシャーも与えます。Googleはすでに、今年のGemini 4 Argonの価格設定とベンチマーク分割に見られるように、無料ティアのモデルラインナップを絞り込んでおり、AnthropicのClaude Haikuの価格引き下げは同じ考えを示唆しています。最先端モデルの価格は高く維持し、ボリュームが集まる市場の下部で激しく競争するということです。

クラウドインフラストラクチャの側面もあります。Microsoft Foundryは、Microsoftがエンタープライズ顧客にAIコンピューティングとモデルアクセスを販売するためのプラットフォームであり、安価で高頻度で定着性の高いワークロードであるルーティングと分類は、顧客を1つのクラウドのエコシステム内に留め、プロバイダー間でAPIコールを物色するのを避けるのにまさに適したトラフィックです。報告されている通りであれば、100万トークンあたり0.042ドルの製品は、新しいチャットボットのようにヘッドライン製品になることはなくても、Foundryにとって静かなボリュームドライバーになる可能性があります。

リベース計画：Qwenがなくなった場合どうなるか

MicrosoftがDecision-1をMAIおよびOpenAIモデルにリベースするという計画は、現在採用しているチームにとって明白な運用上の疑問を投げかけます。スコア、キャリブレーション、レイテンシは、その移行全体で安定して維持されるのでしょうか？ Microsoftは、MAIおよびOpenAIのリベースをリリースではなく計画として説明しており、レビューされたソースでは移行タイムラインを公開したり、既存の統合に対する後方互換性を約束したりしていません。今日、API識別子microsoft/microsoft-decision-1で本番システムを構築しているチームは、基盤モデルの将来の交換が、ルーティングまたは分類のしきい値の動作に意味のある変化をもたらさないという暗黙の賭けをしています。

これは、コンテンツルーティングのような低リスクなユースケースにとっては妥当な賭けですが、コンプライアンス、安全性分類、または財務上の決定に関わるものにとってははるかにリスクの高い賭けです。なぜなら、モデルのキャリブレーションにおける静かな変化が、コードの変更を指摘できないまま、現実世界の成果を変える可能性があるからです。エンタープライズ顧客がそれに意味のあるボリュームをコミットする前に、Microsoftがこの件に関してバージョン管理と変更履歴の慣行を公開することを期待してください。

未解決の質問とリスク

これまでに公に確認されていることには、いくつかのギャップがあります。MicrosoftはNadella氏自身のソーシャル投稿以上のスポークスパーソンを指名しておらず、Decision-1の製品または研究チームからの詳細な技術説明はまだありません。ベンチマークの方法論、使用された36のベンチマークや比較モデルの設定方法など、外部の研究者が再現できる形式では公開されていません。また、GPT-6 Solに対する約35倍低いP50レイテンシを含む速度倍率も、独立して確認された結果ではなく、Microsoft自身のベンチマーク主張のままです。

それらのどれもが失格となるわけではありません。多くの正当な製品ローンチは、完全な技術開示の前にマーケティング数字を前面に出します。しかし、Decision-1を低リスクのパイロット以上のものに評価するバイヤーは、35倍および4.5倍の速度主張を額面通りに受け取るのではなく、独自のベンチマーク比較を実行することを期待すべきです。

属性	詳細
発表	2026年10月9日
ベースモデル	Qwen3.5-9B（Alibaba、オープンウェイト）
出力	事前定義された回答オプションごとの校正済み確率
名前付きユースケース	ルーティング、分類、優先順位付け、検証、ワークフロー制御
利用可能性	Microsoft Foundry（パブリックプレビュー）、OpenRouter（ローンチ週から稼働中）
ウェイト	配布なし；ホストAPIアクセスのみ（報告）
報告価格	入力トークン100万件あたり0.042ドル、出力無料
ベンチマーク主張	36ベンチマーク、約15万件の質問全体で最高の精度（ベンダー報告）
速度主張	Quyet-1.0-Largeより4.5倍高速、GPT-6 Solより35倍高速（ベンダー報告）
将来計画	Microsoft AI（MAI）およびOpenAIモデルへのリベース

予測：意思決定スコアリングモデルの今後の方向性

GoogleとAnthropicは2四半期以内に対応するでしょう。 少なくとも一方の企業が、このカテゴリをMicrosoftとAmazonに任せるのではなく、意思決定スコアリングまたはジャッジング製品に名前を付けて正式化すると予想されます。
ルーティングタスクの価格はほぼゼロに向かって下がり続けます。 100万トークンあたり0.042ドルが維持されれば、競合他社はそれを一致させるか下回るでしょう。なぜなら、9Bクラスのモデルを提供する限界コストは低く、ボリュームの賞は大きいからです。
独立したベンチマークは数週間以内に登場します。 Microsoftの速度主張の規模は、第三者の研究者がGPT-6 Solに対する35倍の数値を再現しようと試みることをほぼ保証しており、テスト条件が標準化されれば実際の数値は下回るでしょう。
MAI/OpenAIのリベースは2027年の話題になるでしょう。 Microsoftが基盤モデルを迅速に交換するとは予想しないでください。中間での基盤変更は、エンタープライズ顧客がワークフローを構築しているキャリブレーションを壊すリスクがあります。
エージェントガードレールがブレークアウトユースケースになります。 より多くの企業が自律型AIエージェントを展開するにつれて、エージェントがアクションを取る前に「はい、いいえ、またはエスカレート」と言うことができる、安価で高速なモデルは、ルーティングや分類単独よりも速い採用が見込まれます。

開発者が今すぐやるべきこと

すでに汎用モデルで分類またはルーティングロジックを実行しているチームにとって、Decision-1は全面的な移行ではなく、パイロットの価値があります。低リスクのワークフローを1つ選び、2〜4週間かけて現在のモデルとDecision-1の両方で実行し、Microsoftが公開した乗数に頼るのではなく、精度、レイテンシ、コストを直接比較してください。新しいエージェントパイプラインをゼロから構築しているチームは、Decision-1とAWSのStrands Decider 2Bを並べて比較する価値があります。これら2つは目的が非常に近いため、選択はホスティングの好み（API専用かオープンウェイトか）と、スタックの残りの部分がすでにどこにあるかにかかっています。

コンプライアンス、安全性、または財務上の意思決定に関わる人は、Microsoftがバージョンポリシーを公開するまで待ってから、Decision-1をそのパスに配置してください。高速で安価なスコアリングモデルの利点は大きいですが、約束されたMAIまたはOpenAIテクノロジーへのリベースが実際に発生した後の、発表されていないキャリブレーションシフトのリスクも同様に大きいです。

よくある質問

Microsoft Decision-1とは何ですか？
これはMicrosoftの専門AIモデルで、2026年10月9日に発表されました。オープンエンドのテキストを生成するのではなく、校正された確率で固定された回答オプションをスコアリングするように構築されています。Microsoftはこれをルーティング、分類、優先順位付け、検証、ワークフロー制御に位置づけています。

Microsoft Decision-1は何をベースにしていますか？
Microsoftは、Alibabaがリリースした90億パラメータのオープンウェイトモデルであるQwen3.5-9Bをポストトレーニングして、Decision-1の最初のバージョンを構築しました。Microsoftは、将来のバージョンを自社のMicrosoft AI（MAI）モデルとOpenAIテクノロジーにリベースする予定であると述べています。

Microsoft Decision-1にはどこからアクセスできますか？
現在、Microsoft Foundryを通じてパブリックプレビューで利用可能であり、ローンチ発表から約1日以内に、モデル識別子microsoft/microsoft-decision-1でOpenRouterでも稼働しました。

Microsoft Decision-1のコストはいくらですか？
Microsoftは、Foundryの対象となる米国およびEUのデータゾーンオファリングについて、価格を100万入力トークンあたり0.042ドル、出力トークン料金なしと記載しており、OpenRouterのリストと二次レポートも同じ数値を表示しています。Microsoftコミュニティのガイダンスでは、価格設定は動的であるため、デプロイメントは現在のFoundryリストを使用すべきであるとされています。

Microsoft Decision-1はGPT-6 Solや他の大規模モデルよりも高速ですか？
Microsoftは、同社のベンチマーク比較に基づき、GPT-6 Solより約35倍、Quyet-1.0-Largeと呼ぶモデルより4.5倍高速であると主張しています。これらはベンダー報告の数値であり、ここでレビューされた報道では独立して再現されていないため、検証済みの結果ではなく、出発点として扱うべきです。

Microsoft Decision-1のウェイトをダウンロードして自己ホストできますか？
いいえ。報道によると、ウェイトは配布されておらず、基盤となっている完全にオープンなQwen3.5-9Bモデルとは異なり、FoundryまたはOpenRouterを介したMicrosoftのホストAPIへのアクセスに限定されています。

これはAWS Strands Decider 2Bとどう違いますか？
どちらも、オープンエンドな生成ではなく、エージェントスタイルの意思決定のために構築された、小型で高速なモデルです。Strands Decider 2Bはオープンソースで、20億パラメータと小規模ですが、Decision-1は9Bベースと大きく、MicrosoftのホストAPIからのみアクセス可能で、自己ホストはできません。

Microsoft Decision-1はビジネス向けの汎用チャットボットを置き換えますか？
いいえ。これは、会話、コンテンツ生成、またはオープンエンドな推論のためではなく、固定リストから信頼度スコア付きで回答を選択するという、狭い範囲のタスクのために構築されています。これは、汎用モデルと並んで、フルチャットボットの応答を必要としない高頻度・低複雑性の意思決定を処理することを目的としています。