Was ist Microsoft-Decision-1?
Microsoft-Decision-1 ist Microsofts erstes Entscheidungsmodell, veröffentlicht am 9. Oktober 2026. Statt Text zu schreiben, nimmt es einen Zustand als Text oder JSON und eine oder mehrere typisierte Fragen entgegen und liefert Zahlen: eine Wahrscheinlichkeit für eine Ja/Nein-Frage (Microsoft nennt den Typ "noul"), eine gewählte Option mit einer Wahrscheinlichkeit für jede Option oder eine Position auf einer geordneten Skala. Es ist eine nachtrainierte Version von Alibabas offenem Qwen3.5-9B.
In Foundry wird es über einen einfachen HTTP-Endpunkt unter /providers/microsoft/v1/systemone aufgerufen, mit Entra ID oder API-Schlüssel, in GlobalStandard- oder DataZoneStandard-Bereitstellungen. Es ist auch auf OpenRouter. Der Preis liegt bei 0,042 $ pro Million Input-Tokens, Output kostenlos, genau wie bei TypeSafes Jev.
Laut Microsoft war es das genaueste der getesteten Modelle über 36 Benchmarks und fast 150.000 zurückgehaltene Fragen, mit 83.5% durchschnittlicher Genauigkeit und einer medianen Antwortzeit von 85 Millisekunden. Diese Zahlen stammen von Microsoft selbst.
Lohnt sich Microsoft-Decision-1?
Microsoft-Decision-1 zählt wegen seines Standorts. Entscheidungsmodelle, die statt Prosa eine typisierte Auswahl oder Wahrscheinlichkeit liefern, kamen bisher meist von Start-ups; dieses steht im Foundry-Katalog neben GPT-6 und Claude, unter Azures Bedingungen für Identität, Netzwerk und Daten, und genau das brauchen viele Unternehmenskäufer, bevor sie eines einsetzen.
Microsofts Zahlen sind stark. Über 36 Benchmarks und 147.137 zurückgehaltene Fragen meldet es 83.5% durchschnittliche Genauigkeit, vor Jev 1.13.0 mit 82.3% und GPT-6 Luna Decisions mit 79.4%, bei einer medianen Antwortzeit von 85 Millisekunden, die Microsoft als 2.5-mal schneller als den Zweitplatzierten, H2O-Lightning-4B, darstellt. Microsoft hat die eigene Latenz innerhalb von Foundry gemessen; eesels Auswertung der Zahlen von OpenRouter legt den Median eher bei 0,19 bis 0,27 Sekunden. Microsoft hat nicht veröffentlicht, welche Benchmarks es nutzte oder wie die Konkurrenten konfiguriert waren, und The Decoder merkt an, dass Cloudflares offene Clef-Modelle im Vergleich fehlten.
Beim Preis liegt es mit Jev gleichauf bei 0,042 $ pro Million Input-Tokens und kostet etwa das Doppelte von Perplexitys pplx-decider-v1.2 mit 0,02 $, das zudem offene Gewichte hat. Die Gewichte von Decision-1 werden nicht veröffentlicht, obwohl seine Basis Qwen3.5-9B offen ist. Eine Milliarde Input-Tokens im Monat kostet 42 $.
Das Anfrageformat, ein Zustand plus typisierte Fragen an einen "systemone"-Endpunkt, unterscheidet sich von OpenAIs Decisions API, die Foundry seit dem 22. Oktober auf GPT-6 Luna für 0,10 $ pro Million Input-Tokens verkauft. Ein Wechsel zwischen beiden bedeutet, Anfragen neu zu schreiben. Decision-1 nimmt nur Text und JSON an, für Entscheidungen über Bilder braucht es also Luna.
Microsofts Dokumentation ist offen über die Grenzen: Werte verschieben sich je nach Formulierung oder Reihenfolge von Fragen und Optionen, schlecht gestellte Fragen liefern trotzdem selbstsichere Zahlen, und die Kalibrierung ist bei vertrauten Aufgabentypen am besten. Sie empfiehlt menschliche Prüfung bei Entscheidungen über Kredit, Beschäftigung, Wohnen, Gesundheit oder Rechtsfragen.
Wo es sich lohnt
Ein Support-Operations-Team bei einem SaaS-Unternehmen auf Azure
Eingehende Tickets an Abrechnung, Entwicklung oder Kundenkonten leiten
Sende jedes Ticket als Zustand mit einer Auswahlfrage; eskaliere an einen Menschen, wenn die höchste Wahrscheinlichkeit niedrig ist. Bei 0,042 $ pro Million Input-Tokens kosten 2 Millionen Tickets mit 500 Tokens etwa 42 $ im Monat.
Ein Plattformteam, das Coding- und Datenagenten betreibt
Agentenaktionen blockieren, die Produktionsdaten berühren
Stelle vor jedem geplanten Tool-Aufruf eine Ja/Nein-Frage und lege einen Wahrscheinlichkeitsschwellenwert anhand gelabelter Beispiele fest, wie Microsofts Dokumentation rät; plane außerhalb von Foundrys eigener Region 200 bis 300 ms pro Prüfung ein, laut eesels Auswertung der Latenzzahlen von OpenRouter.
Eine Evaluierungsleiterin, die Modellausgaben bewertet
Jede Nacht Tausende Antworten anhand eines Bewertungsrasters benoten
Nutze eine Bewertungsfrage mit geordneten Stufen wie Schlecht bis Ausgezeichnet; Microsoft empfiehlt, die Werte für relative Rangfolgen und Schwellen statt als absolute Noten zu verwenden.
Bevor du dich festlegst
- Einrichtung
- Stelle Microsoft-Decision-1 aus dem Foundry-Modellkatalog oder mit az cognitiveservices account deployment create bereit und sende Zustand und Fragen per POST an /providers/microsoft/v1/systemone; ein Modell-SDK ist nicht nötig.
- Integrationen
- Einfache HTTP-API in Foundry mit Entra ID oder API-Schlüssel; OpenRouter; Bereitstellung über die Azure CLI.
- Daten und Datenschutz
- Wird als Foundry-Modell von Azure verkauft, unter dessen Bedingungen Prompts nicht zum Training von Foundation Models genutzt werden; DataZoneStandard hält die Inferenz in einer Datenzone, während GlobalStandard Anfragen in jeder unterstützten Region verarbeiten kann.
- Kosten im großen Maßstab
- Nur Input, zu 0,042 $ pro Million Tokens: 10 Milliarden Tokens im Monat kosten 420 $.
- Grenzen
- Kontext von 32.768 Tokens; Zustand nur als Text oder JSON; Kontingente pro Bereitstellung mit 429-Fehlern bei Überschreitung; Werte reagieren auf Formulierung und Reihenfolge der Optionen; der Zugang über OpenRouter läuft über einen Alpha-Endpunkt.
Was gut ist
- 0,042 $ pro Million Input-Tokens, Output kostenlos
- Gemeldete 83.5% Genauigkeit und 85 ms mediane Latenz über 36 Benchmarks
- Bereitstellung in Foundry mit Entra ID und DataZoneStandard-Datenresidenz
- Drei typisierte Fragearten: Ja/Nein, Auswahl und Bewertung, jeweils mit Wahrscheinlichkeiten
Was nicht
- Benchmarks stammen von Microsoft und sind nicht reproduzierbar
- Geschlossene Gewichte, obwohl die Basis Qwen3.5-9B offen ist
- Nur Text und JSON; keine Bildeingabe
- Anfrageformat weicht von OpenAIs Decisions API im selben Katalog ab
Am besten für
Azure-Teams, die günstige, schnelle Klassifizierungs-, Routing- oder Filterentscheidungen unter Microsofts Datenbedingungen brauchen und Schwellenwerte mit eigenen gelabelten Daten prüfen.
Alternativen zu Microsoft-Decision-1
Microsoft-Decision-1: häufige Fragen
- Lohnt sich Microsoft-Decision-1?
- Microsoft-Decision-1 macht Entscheidungsmodelle zu einer Standardoption in Azure zum Preis von Jev, doch sein Benchmark-Vorsprung ist selbst gemeldet, und offene Konkurrenten erledigen dieselbe Aufgabe günstiger. Wir bewerten es mit 3.9 von 5.
- Was kostet Microsoft-Decision-1?
- 0,042 $ pro 1 Mio. Input-Tokens; Output-Tokens kostenlos. Abgerechnet über ein Azure-Abonnement in Foundry oder über OpenRouter.
- Welche Nachteile hat Microsoft-Decision-1?
- Benchmarks stammen von Microsoft und sind nicht reproduzierbar; Geschlossene Gewichte, obwohl die Basis Qwen3.5-9B offen ist; Nur Text und JSON; keine Bildeingabe; Anfrageformat weicht von OpenAIs Decisions API im selben Katalog ab.
- Für wen eignet sich Microsoft-Decision-1?
- Azure-Teams, die günstige, schnelle Klassifizierungs-, Routing- oder Filterentscheidungen unter Microsofts Datenbedingungen brauchen und Schwellenwerte mit eigenen gelabelten Daten prüfen.
- Was kostet Microsoft-Decision-1 für ein Team oder im Produktivbetrieb?
- Nur Input, zu 0,042 $ pro Million Tokens: 10 Milliarden Tokens im Monat kosten 420 $.
- Ist Microsoft-Decision-1 sicher für Firmendaten?
- Wird als Foundry-Modell von Azure verkauft, unter dessen Bedingungen Prompts nicht zum Training von Foundation Models genutzt werden; DataZoneStandard hält die Inferenz in einer Datenzone, während GlobalStandard Anfragen in jeder unterstützten Region verarbeiten kann.
- Was sind die besten Alternativen zu Microsoft-Decision-1?
- Die nächsten Alternativen, die wir getestet haben, sind Jev, Perplexity Decider (pplx-decider), GPT-6 Luna und Clef.
Antworten geprüft am 6. Nov. 2026.