TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
微軟 Decision-1 上線：同價對齊 Jev，成績單要拆開看
微軟把決策模型 Decision-1 放上 Foundry 與 OpenRouter：端點沿用 system-one 形態、三種問答原語與 Jev 同名，輸入每百萬 token 0.042 美元與 Jev 完全同價。官方自報 36 項基準最準最快，但它引用的公開榜第一名是別家、校準也輸 Jev，接入前先把宣稱層與可核對層分開看。
用 AI 摘要這篇文章：
微軟在 10 月 9 日把一款名為 Microsoft-Decision-1 的決策模型放上 Microsoft Foundry 與 OpenRouter，「決策模型」這個幾週前才由新創打開的品類，大型雲端業者正式踏進來了。真正值得停下來看的不是又多了一顆模型，而是它進場的方式：API 端點直接沿用對手已經跑通的形態，三種問答原語連名稱都一字未改，輸入價格也與品類代表 Jev 完全相同。至於官方宣稱的「36 項基準最準、量測最快」，那是另一層的事，分開讀才不會誤判。
決策模型賣的是一件很小但很普遍的事：給它一段內容和一道有固定選項的問題，它不寫文章、不解釋，直接吐出每個選項的校準機率，讓程式拿去分流、過濾或排序。代理要評估下一步該繼續、停止、重試還是交還給人或模型，客服訊息要判斷給哪個團隊，搜尋結果要按相關性排先後，都是同一種形態的工作。微軟在公告裡算過一筆延遲帳：二十個連續決策每個多一百毫秒，整條工作流就多兩秒，這正是這類模型存在的理由。
10 月 9 日上架，兩個入口同步開
時間軸先排清楚。微軟 10 月 9 日在官方部落格 Command Line 刊出公告，由技術長辦公室軟體工程副總裁 Achint Srivastava 署名；Azure 目錄裡的模型資產時間戳記是當天 18:21 UTC，OpenRouter 的上架時間戳也是當天 22:29 UTC，Microsoft Learn 的部署文件也標註同日更新。公告本身在 10 月 10 日又修訂過一次，編者註寫明這次修訂是補上 Jev 的準確度與校準對比，也就是說，最初的版本裡並沒有這家打開品類的對手。
同一週這個品類還有別的動作。九月中旬 Jev 以 API 服務的形式亮相，十月初，開放權重的 Drex 1.5 把權重與量測結果放上程式庫，微軟則在同一週把 Decision-1 推上型錄，而且一次就給到正式版：目錄頁的生命週期欄位寫的是 Generally Available，模型版本 1，不是預覽。
取得管道有兩條。走 Azure 的人在自己的 Foundry 專案裡部署，目錄頁或 Azure CLI 指令都能建 deployment，驗證用 Microsoft Entra ID 或 API 金鑰，計費與治理全部進既有的 Azure 帳務與權限體系，這是微軟對企業採購最實際的賣點；不想綁 Azure 的人可以走 OpenRouter，由 Azure 端點供應，單價相同。模型卡把它歸類為文字分類與零樣本分類，輸入純文字、輸出 JSON，上下文視窗 32,768 個 token，OpenRouter 端的供應狀態顯示近三十分鐘可用率百分百。
介面契約：端點叫 systemone，三種問答原語與 Jev 同名
打開官方部署文件，最顯眼的細節藏在路徑裡：決策 API 的端點是「資源端點加上 /providers/microsoft/v1/systemone」。system-one 是 Jev 對自家快速判斷介面的稱呼，文件甚至自己寫明「請求模式類似 system-one API」。請求的骨架同樣是 state 加 questions：state 放待判斷的內容，純文字或 JSON 都行，連「訊息加客戶聯絡次數」這種混合結構都可以；questions 放一或多道有固定選項的問題，模型一次跑完，每道題回傳型別化的數值結果。
三種問題原語的名稱與 Jev 完全相同，連 Jev 體系特有的 noul 一詞都原封不動：
| 問題形態 | 原語 | 回傳內容 |
|---|---|---|
| 是非題 | noul | 0 到 1 之間的機率值 |
| 單選題 | choice | 選中的選項，加上每個選項各自的機率 |
| 量表題 | score | 序列尺度上的數值，附每個等級的機率 |
noul 適合當閘門與過濾器，例如某則回覆是否承諾退款、某段輸入是否藏了提示注入；文件建議在 true 與 false 各寫一句判準，讓邊界案例更精確。choice 負責分類與路由，例如工單該給帳務、工程還是一般支援，回傳會附上每個選項的機率，最高機率偏低時就是該轉交給人或另一個模型的訊號。score 做排序與評等，回傳值是各等級索引的機率加權平均，四級量表會落在 0 到 3 之間，可以停在兩級中間，文件也提醒它是相對排序工具，別當絕對的校準評等用。同一份 state 的多個問題可以併在一個請求裡，一件工單同時問派單單位、嚴重程度、是否重複來訊，省請求數也讓判斷脈絡一致。
微軟文件沒有明說「與 Jev 相容」，但對已經照著 Jev 的三原語寫好分流邏輯 的團隊來說，端點名稱、請求骨架、原語名稱三件事湊起來，遷移成本接近只改 base URL 與金鑰的程度。有個實作面的細節要注意：請求裡的 model 欄位填自己的 deployment 名稱；底層模型名會出現在回應的 model 欄位，例如 microsoft-decision-1。錯誤碼表也一併公布，從 400 的問題定義無效、403 的權限不足到 429 的限流都有對應建議，限流的建議是指數退避重試。
這個選擇本身就像一次表態：決策模型的介面慣例已經有人先畫好了，微軟決定站在慣例這邊。
價格與部署：與 Jev 完全同價，勝負移到品質與治理
價格是另一處對齊。公告的定價段寫明：輸入每百萬 token 0.042 美元，輸出免費。對照 TypeSafe 現行文件，Jev 1.13 的牌價是每十億 token 42 美元、換算每百萬 0.042 美元，輸出同樣免費。兩家數字一字不差，很難當巧合看，更合理的解讀是微軟直接把對手的定價當基準點，把競爭推回品質、速度與治理面。輸出免費對這類模型特別合理：它本來就不生成文字，輸出只有一組機率數字，計費重心天然落在輸入。
部署形態有兩種。DataZoneStandard 把推理處理留在靠近應用的資料區域，僅在精選區域提供；GlobalStandard 使用全球產能，延遲可能較高或較不穩定。文件同時提醒：部署類型不保證較低延遲，要用自己的工作負載實測。有一個採購面的小坑值得記下：Azure 目錄模型卡的價格欄寫著「供應商未提供」，也就是說走 Azure 目錄看模型卡的人查不到價格，價格只出現在公告與 OpenRouter 頁面，走企業採購流程的人要自己把這頁文件釘進採購單。
成績單的正確讀法：自選基準、借用延遲、校準排第三
公告的核心宣稱是：36 項基準的比較中準確度最高、量測中最快，比第二名 H2O-Lightning-4B v1.1 快 2.5 倍，比 GPT-6 Sol 快 35 倍。內嵌比較表的原始數字，節選幾組對照：
| 模型 | 平均準確度 | 延遲中位數 | 校準分 |
|---|---|---|---|
| Microsoft-Decision-1 | 83.5% | 85 毫秒 | 92.2 |
| Jev 1.13.0 | 82.3% | 240 毫秒 | 93.7 |
| Quyet-1.0-Large | 81.9% | 380 毫秒 | 93.1 |
| H2O-Lightning-4B v1.1 | 77.2% | 210 毫秒 | 91.8 |
| GPT-6 Sol | 未列 | 3,010 毫秒 | 未列 |
這張表要拆開看。最外層是考卷本身：36 項基準是微軟自選的組合，含公開與私有基準，共 147,137 道題，官方說這些基準對訓練保持盲測，但選哪些、怎麼組合，決定權都在出題方手上；公告原表墊底的 Strands-Decider 2B 只在 36 項裡答得了 23 項，分數是照可答的子集算的，比較口徑並不整齊。再看榜位：表上每個模型的 JevBench 榜位是 10 月 8 日的快照，而那張公開榜的第一名是 Quyet-1.0-Large，在微軟自選套件上它拿 81.9，低於微軟的 83.5；換句話說，「最準」的範圍限定在微軟自己出的這份考卷，在它引用的公開榜上，第一名是別人。剩下的是校準分（信心與實際答對率的吻合程度，100 為完美）：微軟排第三，92.2，落後 Jev 1.13.0 的 93.7 有 1.5 分，而校準恰恰是「敢不敢讓它自動化」的最直接依據。順帶一提，公告原本連 Jev 都沒排進比較，是 10 月 10 日修訂才補上的。
延遲數字也有出處註記：量測來自 JevBench v1.6.1 的調整後中位數，10 月 7 日核對，微軟自己的數字經 Foundry 在同區域測得。85 毫秒對 3,010 毫秒的差距是真的，但 GPT-6 Sol 在表上掛的是「參考組」，本來就不是為單次快速判斷設計的模型，拿生成模型當速度對照，行銷意義大於工程意義。對延遲敏感的真實對手是 210 毫秒的 H2O-Lightning 與 240 毫秒的 Jev，領先幅度是 2.5 倍與 2.8 倍這一級。表上另一個名字是 OpenAI 的 GPT-6 Luna 決策模式，79.4 分、300 毫秒，OpenAI 自己的開發文件也有 decisions 指南，這個品類的戰線已經同時有新創、開源社群與微軟、OpenAI 兩大 AI 業者。
穩健度與安全的量測同樣是官方自報：同一請求做八種擾動，決策翻轉率平均 1.3%，改寫選項描述、反轉或打亂選項順序時翻轉為零；安全面測了 5,250 個請求、11 項基準，宣稱拒絕有害行為同時保有可用度。內部案例的倍數更響亮：XBOX Research 用它處理逾萬則問卷、商店評價與社群意見，品質與 GPT-6 Sol 相當，單則分類從約 2.6 到 2.8 秒縮到 143 到 188 毫秒，每則成本從 1.03 到 2.92 美元降到 0.005 到 0.013 美元；Copilot 團隊的回應品質測試與 GPT-5.6 Luna 相當且快 100 倍；Microsoft Discovery 的評分一致性是 LLM 評分的 46 倍，自適應計畫修訂快了近四倍。這些都是自證案例，測量方法與原始資料都未隨文公布，引用時掛「官方自報」四個字是底線。
底座與紅線：Qwen3.5-9B 之後，哪些事它明說不做
模型卡把血統寫得很直白：底座是阿里巴巴的開放權重 Qwen3.5-9B，由微軟後訓練，訓練期間 2026 年 9 月到 10 月，訓練資料是經微軟開放資料流程處理的公開資料集加自產合成資料，並預告之後會換到微軟自家的 MAI 與 OpenAI 模型上重建。對手 Jev 並未揭露底座，這一點上是微軟罕見地比新創更透明；換底座的預告也意味著現在的成績單有保存期限，重建之後的分數要重新驗。
能力清單上有幾項官方明列、但容易被速度數字蓋過的：依據輸入證據評估回覆是否站得住腳的接地評估、對 AI 回覆與代理動作按準則給分的評等、以及明確的棄權設計，選項裡可以放一個「無法判斷」，證據不足時讓模型棄權而不是硬選。
紅線也列得完整。它不設計用來生成文字、開放問答、對話、翻譯或摘要；沒有封閉問題與固定選項的任務、需要輸入以外知識的任務都不在範圍內。更重要的是三條治理邊界：不得作為信用、就業、住房、保險、教育、醫療、法律權益等重大決策的唯一自動決策者；不得用於監控、剖析或追蹤個人；模型為純文字、不產出解釋或理由，選項怎麼定、門檻怎麼設、什麼時候交給人，責任全在串接的應用端。文件另列四項已知限制：可能繼承底座與訓練資料的偏誤；分數會受問題措辭與選項排序影響，措辭不良的問題照樣會回傳分數；校準在熟悉的任務型態上最強，模型不提供解釋、可能依賴過時知識；當安全過濾器用時，可能漏掉細微的有害內容，或誤判無害內容。
串接前的驗收點：官方自己給了清單
真的要試，文件裡的最佳實務清單比多數第三方意見更貼近採用場景，可以拆成五個動作：
- 用自己工作負載的代表性標記資料驗證，基準分數只當參考。
- 信心門檻按誤放與誤攔的成本設，成本低的自動化，成本高的交人工複核。
- 棄權選項要在設計階段就放進選項清單，「無法判斷」涵蓋證據不足的情境。
- 把選項順序隨機化再測一次，確認結果對排序不敏感，正好對應它自報的零翻轉宣稱。
- 涉及人的重大決策一律留有意義的人工複核，並在 AI 參與決策時告知受影響的人。
對台灣的開發者，現實的路徑有 GlobalStandard 與 OpenRouter 兩條，DataZoneStandard 的精選區域清單要另行確認。市場的變動速度也是要納入的變數：Jev、Drex、微軟在一個月內先後進場，價格已經被釘在同一個點上，下一輪分野大概會出現在換底座之後的品質與企業治理整合度。採用前把測量日期標在引用旁邊，這個品類的數字保鮮期以週計。
