Microsoft представила Microsoft Decision-1 — модель для классификации и выдачи структурированных решений, которая, по заявлению компании, достигает 83,5% точности на 36 бенчмарках и обходится более чем в 20 раз дешевле GPT-6 Sol в задачах текстовой классификации. Для русскоязычных разработчиков и IT-руководителей это очередной сигнал: в прикладном ИИ всё меньше ценится красноречие модели и всё больше — предсказуемый ответ, который можно сразу передать в бизнес-процесс.
Первая версия Microsoft Decision-1 построена на открытой модели Qwen3.5-9B от Alibaba Cloud, сообщает The Register. Microsoft предлагает её через Foundry и обещает вскоре добавить модель в OpenRouter. При этом корпорация заранее оговаривает: следующие версии будут переведены на собственные модели Microsoft и модели OpenAI. Почему для старта выбрана именно Qwen, компания не объяснила.
Decision-модели отличаются от универсальных LLM не магией и не отсутствием ошибок, а узкой специализацией. Вместо развёрнутого ответа на произвольный запрос они должны выбрать один из ограниченного набора вариантов и вернуть вероятность или структурированный результат. Например, определить тему обращения в поддержку, присвоить документу категорию, отфильтровать заявку, отметить рискованную операцию или направить лид нужной команде.
Для корпоративных систем такой подход часто практичнее обычного чат-бота. Если модель обязана вернуть один из заранее описанных статусов, её проще встроить в workflow, проверить на тестовом наборе и обложить правилами. Это не означает, что она перестаёт ошибаться: неверная классификация никуда не девается, а исследователи уже изучают, как такие ошибки могут усиливаться в цепочках автоматизированных решений. Просто у ошибки появляется более ясная форма — и, в идеале, понятная точка для контроля человеком или бизнес-правилом.
Microsoft делает ставку на скорость и цену. По её внутренним замерам, Decision-1 в 2,5 раза быстрее H2O-Lightning-4B и в 2,8 раза быстрее Jev по задержке. В рейтинге уверенности модель получила 92,2% и заняла второе место, уступив Quyet-1.0-Large. Стоимость входных токенов заявлена на уровне $0,042 за миллион, а выходные токены бесплатны. Последнее выглядит логично: правильный ответ здесь обычно короткий — класс, метка, вероятность или поле JSON, а не эссе на пять абзацев.
Рынок, правда, уже успел превратить новый ярлык в отдельную гонку. После анонса Jev от TypeSafe AI три недели назад собственные decision-модели или API представили OpenAI, Cloudflare, Strands, Liquid AI, Perplexity, Snowflake, Surogate Rune и H2O.ai. По данным The Register, за внимание клиентов борются уже более 100 подобных моделей. Немалая часть этой волны — переупаковка давно знакомой задачи классификации в свежую маркетинговую обёртку. Классификаторы с вероятностными ответами в машинном обучении существовали задолго до нынешнего бума.
Но у нового названия есть и практический эффект. Оно помогает отделить сценарии, где генеративная модель действительно нужна, от задач, для которых она слишком дорога и слишком разговорчива. Необязательно привлекать большую LLM, чтобы разложить десятки тысяч тикетов по очередям, сопоставить документ с политикой компании или определить тип запроса. Чем больше таких операций запускают внутри агентных систем, тем заметнее становятся расходы, задержки и цена каждого нестабильного ответа.
Для команд, работающих с российским рынком, ценность Microsoft Decision-1 стоит оценивать не по рекламному сравнению с конкурентами, а по собственным данным. Важны точность на локальных формулировках, устойчивость к редким классам, качество вероятностной оценки, задержка при реальной нагрузке и возможность безопасно обрабатывать данные. Модель на базе Qwen может быть удобной отправной точкой для эксперимента, однако заявленный будущий переход на технологии Microsoft и OpenAI означает, что результаты и поведение продукта ещё могут заметно измениться.
Главный вопрос теперь не в том, станет ли decision-модель новым обязательным пунктом в презентациях AI-платформ. Скорее, компании будут учиться честно разделять генерацию, поиск, рассуждение и классификацию — и выбирать для каждой операции модель с подходящей ценой и уровнем риска. Если Microsoft удержит обещанные скорость, точность и низкую стоимость после смены технологической основы, Microsoft Decision-1 сможет стать не просто ещё одним участником модной категории, а полезным слоем для массовой автоматизации.