它不写文章，只报概率。地基来自杭州，速率是通用大模型的三十五倍

10 月 9 日，微软 CEO 萨提亚 · 纳德拉在社交平台上发了一条并不长的消息。

他说，微软发布了一个新模型，名字叫 Microsoft-Decision-1。

真正让人停下来多看两眼的，是这条消息里的另一层信息。

这个模型的底座，是阿里的 Qwen3.5-9B。

一个不会写字的模型

决策模型，和大家熟悉的那类大模型不是一回事。

它不写段落，不聊天，也不会给你编一段通顺的回答。

你给它一个处境，再给它一组你自己定好的选项，它回给每个选项一个概率。

微软给这个模型划了四类活：路由、分类、优先排序和验证、工作流控制。

换成大白话就是：以前要让模型先写一段分析、再由程序判断走哪条路，现在直接问它 " 走哪条 "，它报个数。

省掉的那一整段文字，在企业系统里既是时间，也是钱。

快到什么程度，微软给了一个具体的数：85 毫秒。

这是 p50 时延，意思是一半的请求能在这个时间内返回结果。

同样的活儿，微软说它比 Quyet-1.0-Large 快 4.5 倍，比 GPT-6 Sol 快 35 倍。

准确率这一头，微软的说法是在 36 项基准、近 15 万道题的评测里拿到最高分，平均 83.5%。

还有一项指标，可能比前两项更贴近实际使用：把选项的描述换个写法，或者把顺序打乱，它的决定平均只有 1.3% 会改。

一个只会报数的模型，最怕的是问法一变答案就变。这条数据，是在回答这个问题。

到这里，才是最值得琢磨的一层。

Decision-1 不是从零训出来的，是在 Qwen3.5-9B 之上做后训练。

Qwen3.5-9B 是阿里对外开源的 90 亿参数模型，权重公开，谁都能下载。

微软 CTO 办公室软件工程副总裁 Achint Srivastava 撰文介绍了这套做法。

用行业里的话说，这叫后训练：底座是别人的，能力是自己在上面调出来的。

于是就有了一个略显反常识的画面：微软自家的模型，长在了一家中国公司放出来的开源地基上。

微软和 OpenAI 的关系，是这几年科技行业里被讨论最多的一对。

但在决策模型这件事上，微软没有等自己的老搭档。

有报道提到，就在这款模型发布前不久，OpenAI 才把自己的 Decisions API 开放给开发者公测。

微软转头选了阿里的开源权重。

这很难用 " 谁更强 " 来解释，更像一笔很实在的账：一个 9B 的小模型，跑得快、单价低，还不必等别人的排期。

在工程决策里，这类账往往比排行榜更管用。

微软不是唯一这么干的。

有统计称，HuggingFace 上 129 个开源决策模型项目里，有 84 个基于 Qwen 开发，占比超过 65%。

这份名单里有 Cloudflare、Perplexity、H2O.ai，亚马逊也拿出了自己的 Strands Decider 2B。

而这股决策模型的浪潮，是 9 月由 Jev 带起来的，到现在满打满算一个多月。

一个多月里，一个品类从无到有，然后悄悄形成了一个默认底座。

这件事的分量，不比任何一次模型发布轻。

价格是另一把尺子，而且量得很直接。

Decision-1 在 OpenRouter 上的定价是每百万输入 token 0.042 美元，输出免费。

微软内部的几组测试数据更能说明问题。

Xbox 研究团队用它处理了超过 1 万条玩家反馈，微软称质量与 GPT-6 Sol 相当，速度快 14 倍，成本降到二百分之一。

Copilot 团队的测试里，它和 GPT-5.6 Luna 竞争力相当，速度快 100 倍。

微软方面也留了一句话：这只是一个开始，未来会把它重新建立在自家的 MAI 模型和 OpenAI 技术之上。

有一点必须说清楚：微软目前不分发 Decision-1 的权重。

开发者只能通过托管 API 调用，拿不到模型本身，也不能自己部署。

同赛道的 Cloudflare Clef 是 Apache 2.0 开源的，用的也是 Qwen 家族的底座。

于是就有了这么一个结构：开放的一层留在上游，封起来的一层落在下游。

上游把地基送给所有人，下游在地基上砌自己的墙，墙不对外开放。

往后这种组合，大概会越来越常见。

开放的从来不是模型，是地基。地基之上，各家照旧砌自己的墙。

早些年企业选软件，先看品牌；现在选模型，先看时延和单价。

决策模型做的一件事，是把 " 让模型想一遍 " 拆成了 " 让模型判一下 "。

一个昂贵、缓慢、需要反复确认的动作，被切成了一个可以随手调用的动作。

而这一回，最便宜、最稳的那块地基，来自一家中国公司的开源仓库。

微软自己说，这只是开始。这句话的两个字，值得分开读。

你觉得，巨头把自家产品建在别人的开源模型上，会变成长久做法，还是一阵风？

聊聊：如果你们公司要上这类高频判断任务，会选闭源 API，还是自己部署开源模型？欢迎在评论区说说你的判断。

腾讯新闻（华尔街见闻账号）《微软新模型底座是阿里 Qwen，超六成决策模型都基于 Qwen 开发》（2026-10-12）

PChome 新闻转财经媒体《微軟推 Decision-1 模型 採 Qwen3.5-9B 專攻決策評分》（2026-10-12）

Singularity.Kiwi《Microsoft Just Built Its Decision Model on a Chinese Open-Weights Base Instead of Its Own AI Partner's》（2026-10-12）

AI Briefing 与 AIBriefs 每日 AI 简报（2026-10-12）

微软官方模型卡、Foundry 上架说明与 Achint Srivastava 署名文章，经上述报道转述

本文为科技资讯分析类内容，所涉事实均来自上述公开报道并经交叉核对。不同来源在个别细节上口径存在差异：发布时间一处写作 10 月 9 日（纳德拉在社交平台宣布），另一处写作 10 月 12 日（平台正式上线），本文采用 "10 月 9 日宣布、本周上线 " 的表述；速度对比的参照模型在两份报道中分别写作 Quyet-1.0-Large（4.5 倍）与 H2O-Lightning-4B v1.1（2.5 倍），本文并列呈现并标明出处；"HuggingFace 129 个开源决策模型项目中 84 个基于 Qwen" 为单一来源统计，本文保留该数据并在来源中标注。文中所有性能与成本数据均为厂商自行公布，缺少第三方独立评测。文中公司与产品名称归各自所有者所有。本文仅供参考，不构成任何投资建议。配图为风格化插画，非现场照片。