2026 年 10 月上旬，微软与 OpenAI 在短短数日内先后推出面向 AI 智能体的“决策”专用能力：微软发布小模型 Microsoft-Decision-1，OpenAI 上线 Decisions API。二者都不约而同地把镜头从“如何生成内容”转向“如何快速、可校准地做决定”，标志着大模型竞争正从生成层向决策与路由层延伸。

微软 Decision-1：不写答案，只给“概率”

Microsoft-Decision-1 是一款面向“快速决策”的小模型，基于 Qwen3.5-9B 后训练而来。它最特别之处在于——不生成文本，而是读取输入内容后，为每一个给定的固定答案选项返回一个经过校准的概率值。

• 输出自带“置信度”，应用可据此决定是直接执行、暂缓、还是请求人工复核；
• 适合场景包括模型路由、内容分类、质量抽检与工作流控制等；
• 通过 Microsoft Foundry 模型目录与 OpenRouter 对外提供。

对智能体而言，一次任务往往要连续做几十甚至上百个“小决定”。过去这些决定靠通用大模型“顺带”生成，既慢又贵；决策专用小模型把它变成一种低延迟、可控成本的推理原语。

OpenAI Decisions API：把回答“结构化”

OpenAI 的 Decisions API 则搭载 GPT-6 Luna，主打把文本或图像转换为指定类型的结构化答案，取代自由发挥的生成式文本。官方称其速度可达 Responses API 的约 10 倍，定价为每百万输入 token 0.10 美元，且不对输出单独计费。典型用途是任务路由、自动分流与内容审核。

Microsoft-Decision-1 is a small model built for fast decision-making. Instead of generating text, it reads the provided content and returns a calibrated probability for each fixed answer option, so the response carries its own confidence and can determine when an application acts, defers, or asks for review.
—— OpenRouter 模型说明

为什么“决策层”突然重要

当智能体从“聊天”走向“自主执行”，真正的瓶颈不再是生成质量，而是在海量分叉点上快速、廉价且可靠地做判断。决策模型把这一环节标准化：输出可比较的概率，让编排层（orchestrator）可以设置阈值、级联调用或触发回退。

影响

对厂商而言，决策与路由是继“参数规模”“多模态”之后新的差异化赛道；对企业而言，这意味着智能体规模化落地的单位成本与可靠性有望明显改善。可以预期，“能生成”之外，“会决策”将成为下一阶段大模型评测与产品设计的关键维度。

参考来源：Microsoft Foundry / OpenRouter 模型目录、OpenAI 发布说明。